MétaCan
Menu
Retour à la cohorte
Enregistrement W2898515791 · doi:10.3390/app8112013

Detection of Thermal Strain in Steel Rails with BOTDA

2018· article· en· W2898515791 sur OpenAlexafffund
Lijuan Gu, Liang Zhang, Xiaoyi Bao, Merrina Zhang, Chengxian Zhang, Yongkang Dong

Notice bibliographique

RevueApplied Sciences · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Fiber Optic Sensors
Établissements canadiensNational Research Council CanadaUniversity of Ottawa
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNational Research CouncilNational Research Council CanadaNorthern Ireland Community Relations Council
Mots-clésMaterials scienceComposite materialStrain gaugeStrain (injury)ThermalStructural engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

Rail transportation is one of the most important and efficient forms of transportation. Large thermal strain can develop in the rail steel due to extreme climatic conditions resulting in safety related issues. We carried out a thermal-strain monitoring test on the rail specimen over a large temperature range from −40 ∘ C to +50 ∘ C using a Brillouin optical time-domain analyzer (BOTDA) for the first time, to the best of our knowledge. Two jacketed fibers and small-diameter carbon/polyimide-coating single-mode fiber were used for the purpose of investigating the jacket effect of thermal-strain detection on the rail. Although a nonlinear response to the temperature of the loose jacketed fiber was found, it was applicable for thermal strain monitoring when glued on the surface of the rail sample. The measured thermal strain in the rail specimen was validated by the results obtained by the strain gauge. The thermally induced strain from the large rail specimen was found to have suppressed the nonlinear impact of the fiber jacket.

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 enseignants0,024
Score d'incertitude au seuil0,200

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 Opus0,012
Tête enseignante GPT0,219
Écart entre enseignants0,208 · 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

Citations8
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueApplied SciencesMême sujetAdvanced Fiber Optic SensorsTravaux en français237 207