MétaCan
Menu
Retour à la cohorte
Enregistrement W2792132464 · doi:10.1109/tasc.2018.2801326

Selecting of FBG Coatings for Quench Detection in HTS Coils

2018· article· en· W2792132464 sur OpenAlexaff
Yanchao Liu, Rodney A. Badcock, Xinyu Fang, Jin Fang, Xufeng Yan, Wei Zhou

Notice bibliographique

RevueIEEE Transactions on Applied Superconductivity · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Fiber Optic Sensors
Établissements canadiensUniversity of Victoria
Organismes subventionnairesFundamental Research Funds for the Central Universities
Mots-clésMaterials scienceEpoxyTemperature measurementComposite materialRepeatabilityEmbedmentFiber Bragg gratingFiber optic sensorSensitivity (control systems)PolyimideFiberOptoelectronicsElectronic engineering

Résumé

récupéré en direct d'OpenAlex

Fiber Bragg grating (FBG) temperature sensors are now regarded as a relatively mature sensing technology for temperature measurement in ambient conditions, and may offer potential as a cryogenic temperature sensor for quench detection. In this paper, the temperature response of three different coated FBG sensors from 77 to 293 K was studied; bare (silica) FBG, acrylic coated, and polyimide coated FBG sensors. We examine the effect of fiber coatings on the temperature sensitivity of an embedded FBG sensor down to cryogenic temperatures. Measurements were repeated with sensors from two FBG suppliers. The measured temperature response was then compared and contrasted with the predicted sensor response. In order to assess the sensor sensitivity, repeatability, and any hysteresis, these sensors were then subjected to repeated cool-down / warm-up cycles (77-293 K). The effect of epoxy resin impregnation on the temperature response characteristics was analyzed by comparing the sensor response characteristics before and after embedding into a 10 mm × 2 mm × 4 mm epoxy block. We compare this to the uncoated fiber for embedment in HTS coils. Finally, we recommend the optimum low-cost sensor construction for use in quench detection in coils.

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: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

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
Bibliométrie0,0000,000
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)0,0000,000

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 Opus0,019
Tête enseignante GPT0,244
Écart entre enseignants0,225 · 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

Citations32
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Applied SuperconductivityMême sujetAdvanced Fiber Optic SensorsTravaux en français237 207