MétaCan
Menu
Retour à la cohorte
Enregistrement W2801293725 · doi:10.1063/1.5031585

Model based optimization of driver-pickup separation for eddy current measurement of gap

2018· article· en· W2801293725 sur OpenAlexafffundabout
Geoffrey Klein, Jordan Morelli, Thomas W. Krause

Notice bibliographique

RevueAIP conference proceedings · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueNon-Destructive Testing Techniques
Établissements canadiensRoyal Military College of CanadaQueen's University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity Network of Excellence in Nuclear Engineering
Mots-clésElectromagnetic coilEddy currentMaterials scienceEddy-current testingNuclear engineeringLift (data mining)Air gap (plumbing)Finite element methodMechanicsEngineeringStructural engineeringElectrical engineeringPhysicsComputer scienceComposite material

Résumé

récupéré en direct d'OpenAlex

The fuel channels in CANDU® (CANada Deuterium Uranium) nuclear reactors consist of a pressure tube (PT) contained within a larger diameter calandria tube (CT). The separation between the tubes, known as the PT-CT gap, ensures PT hydride blisters, which could lead to potential cracking of the PT, do not develop. Therefore, accurate measurements are required to confirm that contact between PT and CT is not imminent. Gap measurement uses an eddy current probe. However this probe is sensitive to lift-off variations, which can adversely affect estimated gap. A validated analytical flat plate model of eddy current response to gap was used to examine the effect of driver-pickup spacing on lift-off and response to gap at a frequency of 4 kHz, which is used for in-reactor measurements. This model was compared against, and shown to have good agreement with, a COMSOL® finite element method (FEM) model. The optimum coil separation, which included the constraint of coil size, was found to be 11 mm, resulting in a phase response between lift-off and response to change in gap of 66°. This work demonstrates the advantages of using analytical models for optimizing coil designs for measurement of parameters that may negatively influence the outcome of an inspection measurement.

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)0,001
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,079
Tête enseignante GPT0,304
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'étudeSimulation ou modélisation
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

Citations1
Publié2018
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueAIP conference proceedingsMême sujetNon-Destructive Testing TechniquesTravaux en français237 207