A Comprehensive Review of Micro-Inertial Measurement Unit Based Intelligent PIG Multi-Sensor Fusion Technologies for Small-Diameter Pipeline Surveying
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
It is of great importance for pipeline systems to be is efficient, cost-effective and safe during the transportation of the liquids and gases. However, underground pipelines often experience leaks due to corrosion, human destruction or theft, long-term Earth movement, natural disasters and so on. Leakage or explosion of the operating pipeline usually cause great economical loss, environmental pollution or even a threat to citizens, especially when these accidents occur in human-concentrated urban areas. Therefore, the surveying of the routed pipeline is of vital importance for the Pipeline Integrated Management (PIM). In this paper, a comprehensive review of the Micro-Inertial Measurement Unit (MIMU)-based intelligent Pipeline Inspection Gauge (PIG) multi-sensor fusion technologies for the transport of liquids and gases purposed for small-diameter pipeline (D < 30 cm) surveying is demonstrated. Firstly, four types of typical small-diameter intelligent PIGs and their corresponding pipeline-defects inspection technologies and defects-positioning technologies are investigated according to the various pipeline defects inspection and localization principles. Secondly, the multi-sensor fused pipeline surveying technologies are classified into two main categories, the non-inertial-based and the MIMU-based intelligent PIG surveying technology. Moreover, five schematic diagrams of the MIMU fused intelligent PIG fusion technology is also surveyed and analyzed with details. Thirdly, the potential research directions and challenges of the popular intelligent PIG surveying techniques by multi-sensor fusion system are further presented with details. Finally, the review is comprehensively concluded and demonstrated.
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.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle