MétaCan
Menu
Retour à la cohorte
Enregistrement W2251569685 · doi:10.12783/jmc.v2i1.83

Damage Investigation in Beam Structures using Fiber Optic Polarimetric Sensors

2014· article· en· W2251569685 sur OpenAlexvenueno aff
Muneesh Maheshwari, Swee Chuan Tjin, Anand Asundi

Notice bibliographique

RevueJournal of Medical Cases · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueStructural Health Monitoring Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésStructural health monitoringPolarimetryBeam (structure)ModalModal analysisAcousticsMode (computer interface)Structural engineeringOpticsMedicineRemote sensingVibrationComposite materialMaterials scienceComputer scienceGeologyPhysicsEngineeringScattering

Résumé

récupéré en direct d'OpenAlex

The Fiber Optic Polarimetric Sensor (FOPS) is an attractive technology for global damage detection of mechanical and civil structures providing real time structural health monitoring (SHM). In this technology the concept of a Dynamic damage factor (DDF) was proposed [3] as a global health indicator of the structure. However, the crack size and location could not be determined. In this paper, the effects of the size and the location of a single crack on the frequency of first fundamental mode of beam structures are further studied. The relation between relative change in the modal frequency and the relative size of a crack has been established theoretically and then verified experimentally. Experimental results confirm that the change in frequency of first mode provides damage information of structure. It is further shown that the size and location of a crack in the beam structures can also be identified.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,576
Score d'incertitude au seuil0,360

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,036
Tête enseignante GPT0,321
Écart entre enseignants0,285 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Medical CasesMême sujetStructural Health Monitoring TechniquesTravaux en français237 207