Pipeline junction detection from accelerometer measurement using fast orthogonal search
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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