MétaCan
Menu
Retour à la cohorte
Enregistrement W3097835771 · doi:10.3390/s20216088

Application of Wireless Accelerometer Mounted on Wheel Rim for Parked Car Monitoring

2020· article· en· W3097835771 sur OpenAlexaff
M. Borecki, Arkadiusz Rychlik, Arkadiusz Olejnik, Przemysław Prus, J. Szmidt, Michael L. Korwin-Pawlowski

Notice bibliographique

RevueSensors · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueTransport Systems and Technology
Établissements canadiensUniversité du Québec en Outaouais
Organismes subventionnairesnon disponible
Mots-clésAccelerometerWirelessHead (geology)Interface (matter)Computer scienceInterference (communication)EngineeringAutomotive engineeringEmbedded systemReal-time computingElectrical engineeringTelecommunicationsChannel (broadcasting)

Résumé

récupéré en direct d'OpenAlex

Damages of different kinds that can be inflicted to a parked car. Among them, loosening of the car wheel bolts is difficult to detect during normal use of the car and is at the same time very dangerous to the health and life of the driver. Moreover, in patents and publications, only little information is presented about electronic sensors available for activation from inside of the car to inform the driver about the mentioned dangerous situation. Thus, the main aim of this work is the proposition and examination of a sensing device using of a wireless accelerometer head to detect loosening of wheel fixing bolts before ride has been started. The proposed sensing device consists of a wireless accelerometer head, an assembly interface and a receiver unit. The assembly interface between the head and the inner part of the rim enables the correct operation of the system. The data processing algorithm developed for the receiver unit enables the proper detection of the unscrewing of bolts. Moreover, the tested algorithm is resistant to the interference signals generated in the accelerometer head by cars and men passing in close distance.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,019
Tête enseignante GPT0,230
Écart entre enseignants0,211 · 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
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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSensorsMême sujetTransport Systems and TechnologyTravaux en français237 207