MétaCan
Menu
Retour à la cohorte
Enregistrement W2895328906 · doi:10.1117/12.2500627

Non-invasive method of car wheel rim examination

2018· article· en· W2895328906 sur OpenAlexaff
M. Borecki, Arkadiusz Rychlik, Michael L. Korwin-Pawlowski

Notice bibliographique

RevuePhotonics Applications in Astronomy, Communications, Industry, and High-Energy Physics Experiments 2018 · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueStructural Health Monitoring Techniques
Établissements canadiensUniversité du Québec en Outaouais
Organismes subventionnairesnon disponible
Mots-clésVibrationRotation (mathematics)Point (geometry)Structural engineeringChartPosition (finance)Natural frequencyGeologyAcousticsComputer scienceEngineeringPhysicsGeometryMathematicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

This paper presents the concept of a non-invasive method to determine the technical state of passenger car wheel rims. The method consists of a series of vibration and dimension measurement on a rim mounted in a diagnostic station. The measurements are taken on four positions of the rim of rotation versus constant excitation point angular position. The wheel rim’s natural frequencies distribution versus time and rotation angle are examined as diagnostic tool of rim fit for use classification from materials fatigue point of view. These characteristics are also inspected to determine the condition of joints of rim elements and to identify the cracks or loss of integrity in the wheel rim structure. The wheel rim dimensions as a series of specific diameters are examined for wheel rim radial run-out and for axial run-out. The proposed method was evaluated for a new and worn out rims. Performed experiments show that the natural frequency values of rim, the damping factor of natural rim vibration and rim diameters course grouped in a spider chart allows an effective visual classification of car rim fit for use.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,029
Tête enseignante GPT0,322
Écart entre enseignants0,294 · 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

Citations6
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhotonics Applications in Astronomy, Communications, Industry, and High-Energy Physics Experiments 2018Même sujetStructural Health Monitoring TechniquesTravaux en français237 207