MétaCan
Menu
Retour à la cohorte
Enregistrement W2897004675 · doi:10.1109/jlt.2018.2876009

High-Speed and High-Resolution Interrogation of a Strain and Temperature Random Grating Sensor

2018· article· en· W2897004675 sur OpenAlexafffund
Hong Deng, Ping Lü, Stephen J. Mihailov, Jianping Yao

Notice bibliographique

RevueJournal of Lightwave Technology · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Fiber Optic Sensors
Établissements canadiensNational Research Council CanadaUniversity of Ottawa
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésOpticsFiber Bragg gratingMaterials scienceGratingBirefringencePulse compressionOptical fiberWaveformWavelengthFiber optic sensorInterrogationDiffraction gratingOptoelectronicsPhysicsVoltageTelecommunicationsComputer science

Résumé

récupéré en direct d'OpenAlex

High-speed and high-resolution interrogation of a random fiber grating sensor based on spectral shaping and wavelength-to-time (SS-WTT) mapping, and pulse compression for simultaneous measurement of strain and temperature is proposed and demonstrated. In the proposed system, an ultrashort pulse is spectrum shaped by a high-birefringence (Hi-Bi) random grating (HBRG) to generate two orthogonally polarized spectra with a wavelength difference determined by the birefringence of the HBRG, which are then fed to a dispersive optical loop in which a linearly chirped fiber Bragg grating (LCFBG) is incorporated, to perform linear WTT mapping, to generate two temporally separated optical pulses, which are converted to two random electrical waveforms at a photodetector). Random pulse compression is then performed to increase the interrogation resolution. By measuring the time shifts of the temporally compressed pulses, the strain and temperature information is retrieved. An experiment is performed. The experimental results show that the proposed random grating sensor and its interrogation system can provide a strain and temperature resolution of 7.1 μϵ and 0.79 °C at an ultrahigh speed of 20 MHz.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,044
Score d'incertitude au seuil0,440

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
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 Opus0,006
Tête enseignante GPT0,215
Écart entre enseignants0,210 · 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 tête enseignante, 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

Citations17
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Lightwave TechnologyMême sujetAdvanced Fiber Optic SensorsTravaux en français237 207