MétaCan
Menu
Retour à la cohorte
Enregistrement W2909015627 · doi:10.3390/app9020286

Temperature Sensing of Stepped-Metal Coated Optical Fiber Bragg Grating with the Restructured Dual-Peak Resonance

2019· article· en· W2909015627 sur OpenAlexaff
Feng Yan, Ehsan Toyserkani, Hua Zhang, Zhidong Zhang

Notice bibliographique

RevueApplied Sciences · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Fiber Optic Sensors
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésFiber Bragg gratingMaterials scienceResonance (particle physics)CoatingGratingMetalSensitivity (control systems)OpticsOptoelectronicsComposite materialPhysicsAtomic physicsMetallurgyElectronic engineeringWavelength

Résumé

récupéré en direct d'OpenAlex

This paper demonstrates a method for the development of stepped-metal coating on optical fiber Bragg grating. The paper also analyzes the dual-peak resonance restructured by the nickel/copper stepped-metal coating. According to the coefficients of linear thermal expansion of the coatings, the modeling and experimental analysis is categorized into three types: Type A, Type B, and Type C. We denote the temperature sensitivity difference between the two peaks as ΔKT for Type A, ΔK′T for Type B, and ΔK″T for Type C. The experimental results show that ΔKT, ΔK′T, and ΔK″T are 2.1 pm/°C, 6.5 pm/°C, and 0.8 pm/°C, respectively. The model analysis and the experimental results all show the Type B stepped-metal coating causes the most obvious temperature sensitivity difference between the two resonance peaks. The stepped-metal coating on the same one Bragg grating can restructure the single resonance into dual-peak resonance with different temperature sensing, and Type B can be used to develop a dual-parameter optical fiber Bragg grating sensor at one location which can measure two physical parameters simultaneously.

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)0,000
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 enseignants0,002
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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 ouverte0,0010,000
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 GPT0,203
Écart entre enseignants0,197 · 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

Citations2
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied SciencesMême sujetAdvanced Fiber Optic SensorsTravaux en français237 207