MétaCan
Menu
Retour à la cohorte
Enregistrement W2410749303 · doi:10.1109/plans.2016.7479678

Pipeline junction detection from accelerometer measurement using fast orthogonal search

2016· article· en· W2410749303 sur OpenAlexaff
Lianwu Guan, Yanbin Gao, Abdalla Osman, Umar Iqbal, Mike Korenberg, Aboelmagd Noureldin

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueInertial Sensor and Navigation
Établissements canadiensRoyal Military College of CanadaQueen's University
Organismes subventionnairesnon disponible
Mots-clésPipeline (software)AccelerometerInertial measurement unitAzimuthPipeline transportComputer scienceReal-time computingInertial navigation systemSimulationEngineeringAcousticsInertial frame of referenceComputer visionMechanical engineeringOpticsPhysics

Résumé

récupéré en direct d'OpenAlex

Micro-Electro-Mechanical System (MEMS) based Strapdown Inertial Navigation System (SINS) is preferred for pipeline surveying as it has several priorities including low-cost, small-size, light-weight, and low-power consumption. It acts as a significant tool for localization on potential pipeline defects in pipeline inspection and repair missions. Moreover, it provides measurements to calculate the pipeline centerline coordinates and the horizontal and vertical pipeline curvatures. However, its precision degrades significantly in small diameter pipeline surveying application with both continuous 3D velocity updates and discrete coordinate updates. Attitude updates are an enhanced technique for SINS errors correction in pipeline surveying system. The azimuth and pitch angles of Pipeline Inspection Gauge (PIG) are constant within each straight pipeline segments. This paper introduces a novel pipeline junction detection method by analyzing low-cost MEMS accelerometer measurement data using Fast Orthogonal Search (FOS). The simulated pipeline surveying data sets are obtained in a laboratory environment by Inertial Measurement Unit (IMU), which is mounted on three-axis positioning and rate table. The accelerometer measurement data are extracted and analyzed by FOS. The detection result demonstrated that FOS can detect the pipeline junction with accelerometer measurement data successfully. The FOS pipeline junction detection result provided accurate indication for azimuth and pitch angles measurement updates in SINS at each straight pipeline segment. Moreover, the detection result is expected to provide significant improvement for the MEMS SINS pipeline surveying system precision with reduced cost.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,048
Tête enseignante GPT0,229
Écart entre enseignants0,180 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations9
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetInertial Sensor and NavigationTravaux en français237 207