Pulsed eddy current probe optimization for steel pipe wall thickness measurement
Notice bibliographique
Résumé
Inspection of bulk wall loss, due to far side surface corrosion in ferromagnetic steel pipe, is a common requirement across multiple industries, including chemical processing, and oil and gas. In the nuclear industry, there is a requirement for inspection of tile holes and balance of plant inspections, where insulated pipe is present. Inspection is typically done using ultrasonic testing, which necessitates a coupling agent and removal of any insulation. Pulsed eddy current (PEC) technique does not require direct contact and has a larger spot size, thereby facilitating more rapid inspection without insulation removal. To further develop the potential of PEC to inspect under these conditions, a reflection type PEC probe was examined for inspection of thickness of steel plate. PEC data was taken for different plate thicknesses so that sensitivity to wall loss due to corrosion could be assessed. The PEC signal was analyzed by fitting the tail of the transient decay with an exponential curve, with curve fitting parameters correlated to wall thickness variation. An analytical model was developed and partially validated in order to examine a wider range of factors, such as probe dimensions, number of turns, and magnetic permeability and conductivity of the steel. The modelled data was also used to perform a sensitivity analysis on probe dimensions in order to realise the largest range of wall thickness with highest spatial resolution. A finite element method model of the reflection probe over steel plate was used to provide insights into the observation from the analytical model that outer pickup coil radius was the most significant optimization parameter.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».