MétaCan
Menu
Retour à la cohorte
Enregistrement W3000372630 · doi:10.1061/9780784482599.045

Optical Fiber Chloride Sensor for Health Monitoring of Structures in Cold Regions

2019· article· en· W3000372630 sur OpenAlexafffund
Mériem Dhouib, David Conciatori, Luca Sorelli

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Fiber Optic Sensors
Établissements canadiensUniversité Laval
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMinistère de l'Education Nationale, de l'Enseignement Superieur et de la Recherche
Mots-clésOptical fiberFiber optic sensorChlorideMaterials scienceFiberEnvironmental scienceComputer scienceComposite materialTelecommunications

Résumé

récupéré en direct d'OpenAlex

The ever-increasing need to maintain aging existing reinforced concrete structures, especially in severe winter environments, in good condition and a cost-effective manner arises mainly in structural health monitoring methods, where it is necessary to adopt approaches that allow early detection of corrosion. Chloride-induced corrosion is a significant durability issue in cold regions where de-icing salts are used. This paper presents an embedded optical fiber chemical sensor that detects reliable free chloride concentrations into concrete cover in a precise non-destructive manner. It is based on fluorescence measurements using a chloride-sensitive fluorescent calcium-alginate sol-gel. Optical fibers were not affected by environmental factors, ions presences, or cold climate. Nevertheless, the fluorescent chemical sensor showed sensitivity towards alkalinity, temperature, leaching, and photo-bleaching. These restraints were encountered by applying a successfully validated ratiometric fluorimetry approach. Also, the durability and long-term stability of the sensor were studied. This sensor detects low chloride concentrations in a range of 0.045–0.45 M present in pore solution. It demonstrates a robust behavior, and excellent long-term stability so that it can withstand harsh environments. Thus, this sensor could provide a new approach towards the rapid, simple, and non-destructive monitoring of the structural health for detected the onset of corrosion damage.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,850
Score d'incertitude au seuil0,431

Scores Codex et Gemma par catégorie

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 ouverte0,0000,000
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 Opus0,017
Tête enseignante GPT0,276
Écart entre enseignants0,259 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations8
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetAdvanced Fiber Optic SensorsTravaux en français237 207