The Potential of Acousto-Ultrasonic Techniques for Inspection of Baked Carbon Anodes
Notice bibliographique
Résumé
High quality baked carbon anodes contribute to the optimal performance of aluminum reduction cells. However, the currently decreasing quality and increasing variability of anode raw materials (coke and pitch) make it challenging to manufacture the anodes with consistent overall quality. Intercepting faulty anodes (e.g., presence of cracks and pores) before they are set in reduction cells and deteriorate their performance is therefore important. This is a difficult task, even in modern and well-instrumented anode plants, because lab testing using core samples can only characterize a small proportion of the anode production due to the costly, time-consuming, and destructive nature of the analytical methods. In addition, these results are not necessarily representative of the whole anode block. The objective of this work is to develop a rapid and non-destructive method for quality control of baked anodes using acousto-ultrasonic (AU) techniques. The acoustic responses of anode samples (sliced sections) were analyzed using a combination of temporal features computed from AU signals and principal component analysis (PCA). The AU signals were found sensitive to pores and cracks and were able to discriminate the two types of defects. The results were validated qualitatively by submitting the samples to X-ray Computed Tomography (CT scan).
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».