MétaCan
Menu
Retour à la cohorte
Enregistrement W2951568138 · doi:10.1109/tps.2019.2918300

MHD Mode Analysis Using the Unevenly Spaced Mirnov Coils in the Keda Torus eXperiment

2019· article· en· W2951568138 sur OpenAlexaff
Mingsheng Tan, Hong Li, Cui Tu, Tijian Deng, Zichao Li, Bing Luo, Jinlin Xie, Tao Lan, Adi Liu, Wenzhe Mao, Weixing Ding, G. Zhuang, Wandong Liu

Notice bibliographique

RevueIEEE Transactions on Plasma Science · 2019
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueMagnetic confinement fusion research
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésMagnetohydrodynamicsSidebandPhysicsTokamakTorusPlasmaSingular value decompositionFourier transformMode (computer interface)Computational physicsAlgorithmComputer scienceMathematicsGeometry

Résumé

récupéré en direct d'OpenAlex

Due to the discrete nature of the saddle coils for the active feedback control of the plasma instabilities, the emergence of the sideband modes is inevitable. In the Keda Torus eXperiment (KTX), the edge Mirnov coils are unevenly distributed on the inner surface of the vacuum vessel to suppress the sideband modes. These arrays of the Mirnov coils are used for the feedback control system of KTX. They are also used for the magnetohydrodynamics (MHD) mode identification, which is a fundamental and significant method to distinguish and describe the plasma instabilities. A set of suitable MHD mode analysis methods has been utilized to complete the mode detection, including the spatial discrete Fourier transform (SDFT) method, the singular value decomposition (SVD) method and the Lomb periodogram method. These methods can obtain comprehensive mode information of the plasma instabilities and their results can be used as the feedback of the feedback control system. These methods have been successfully applied to detect and characterize an impulsive mode of (m = 1, n = 0) and rotating modes of (m = 2, 3, 4, n = 1) in the tokamak plasma of KTX, while the matrix decomposition technique is not applicable for KTX.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,363
Score d'incertitude au seuil0,988

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
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)0,0130,000

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 Opus0,021
Tête enseignante GPT0,310
Écart entre enseignants0,288 · 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.

Devis d'étudeSimulation ou modélisation
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

Citations4
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Plasma ScienceMême sujetMagnetic confinement fusion researchTravaux en français237 207