MétaCan
Menu
Retour à la cohorte
Enregistrement W2990019820 · doi:10.1088/1361-6501/ab5acb

Drift compensation in thermal anemometry

2019· article· en· W2990019820 sur OpenAlexafffund
Alaïs Hewes, James I. Medvescek, Laurent Mydlarski, B. R. Baliga

Notice bibliographique

RevueMeasurement Science and Technology · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid Dynamics and Turbulent Flows
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésWheatstone bridgeAnemometerCompensation (psychology)CalibrationMechanicsMaterials scienceRepeatabilityThermal resistanceResistance thermometerVoltageAcousticsTemperature measurementWork (physics)ThermalConstant (computer programming)Environmental scienceElectrical engineeringTurbulenceResistorPhysicsMeteorologyComputer scienceThermodynamicsHeat transferEngineeringMathematics

Résumé

récupéré en direct d'OpenAlex

Abstract The drift of the resistance of sensors used in thermal (such as hot-wire and hot-film) anemometry remains a perpetual concern for users of constant-temperature anemometers (CTAs). Even small changes in the resistance of such sensors result in error if the sensor was calibrated prior to the occurrence of the drift. In the present work, modified forms of the relationship between the output voltage of a constant-temperature anemometer and the fluid velocity, which take into account the sensor resistance as well as other resistances involved in the Wheatstone bridge (top resistance, operating resistance, cable and probe resistances), are used to minimize the sensitivity of the CTA to changes in the sensor resistance. These new relationships are tested using (i) two different CTAs and (ii) three hot-wires of differing resistances (3– ), and are shown to collapse the calibration data, even though the sensor resistances had drifted. It is expected that use of this method would reduce the frequency of calibrations needed to maintain satisfactory degrees of accuracy and repeatability in experimental measurements of fluid flows made using CTAs.

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)0,003
score de la tête « metaresearch » (Gemma)0,010
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,009
Tête enseignante GPT0,186
Écart entre enseignants0,178 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMeasurement Science and TechnologyMême sujetFluid Dynamics and Turbulent FlowsTravaux en français237 207