MétaCan
Menu
Retour à la cohorte
Enregistrement W2910246595 · doi:10.2316/j.2019.206-5582

STUDY ON RUST DETECTION OF RC STRUCTURE BASED ON ELECTROMAGNETIC PULSED EDDY CURRENT

2018· article· en· W2910246595 sur OpenAlexvenueno aff
Jia Jia, Jun Cheng, Yuanheng Zhang, Senhua Zhang, Xiaogang Li

Notice bibliographique

RevueInternational Journal of Robotics and Automation · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueNon-Destructive Testing Techniques
Établissements canadiensnon disponible
Organismes subventionnairesNational Science Fund for Distinguished Young ScholarsNational Key Research and Development Program of China
Mots-clésCurrent (fluid)Eddy currentRust (programming language)Electrical engineeringComputer scienceEngineering

Résumé

récupéré en direct d'OpenAlex

A set of rust detecting system for reinforced concrete was designed based on the electromagnetic pulsed eddy current (EPEC).The EPEC detecting test on the reinforced concrete specimens with different reinforcement diameters was performed.The finite element (FE) model was established.The results of the reinforcement position experiment show the Hall voltage peak value (HVPV) of the same lift-off value positively correlates with the reinforcement's diameter, and the HVPV declines fast with the increase of the lift-off value.The rust experiments results show that with the same liftoff value, the HVPV increases with the increase of the horizontal distance from the Hall sensor to the reinforcement in the specimen.When the Hall sensor is at the same position, the HVPV increases with the increase of the diameter of the reinforcement in the concrete.The Hall voltage (HV), the HVPV, and the time of pulse rising (TOPR) of the same specimen are greater in the rust-free point than in the rusted points.And the results of the numerical simulation verify the validity of the conclusions of the physical experiments.Our above study shows that the detecting method can locate the reinforcement in the concrete accurately and ascertain its diameter effectively.Furthermore, the detecting method can identify the rust region of the reinforcement swiftly and evaluate the rust degree rapidly.

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)0,001
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: Empirique
Score de désaccord entre enseignants0,000
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 GPT0,273
Écart entre enseignants0,261 · 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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Robotics and AutomationMême sujetNon-Destructive Testing TechniquesTravaux en français237 207