MétaCan
Menu
Retour à la cohorte
Enregistrement W3133510726 · doi:10.3390/s21051680

Fiber Bragg Sensors Embedded in Cast Aluminum Parts: Axial Strain and Temperature Response

2021· article· en· W3133510726 sur OpenAlexaff
Markus Lindner, Andrea Stadler, Georg Hamann, Bennet Fischer, Martin Jakobi, Florian Heilmeier, Constantin Bauer, Wolfram Volk, Alexander W. Koch, Johannes Roths

Notice bibliographique

RevueSensors · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Fiber Optic Sensors
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesDeutsche Forschungsgemeinschaft
Mots-clésMaterials scienceUltimate tensile strengthComposite materialTensile testingCastingThermalFiber Bragg gratingFiberDeformation (meteorology)Optical fiberAluminiumOpticsOptoelectronics

Résumé

récupéré en direct d'OpenAlex

In this study, the response of fiber Bragg gratings (FBGs) embedded in cast aluminum parts under thermal and mechanical load were investigated. Several types of FBGs in different types of fibers were used in order to verify general applicability. To monitor a temperature-induced strain, an embedded regenerated FBG (RFBG) in a cast part was placed in a climatic chamber and heated up to 120 ∘C within several cycles. The results show good agreement with a theoretical model, which consists of a shrink-fit model and temperature-dependent material parameters. Several cast parts with different types of FBGs were machined into tensile test specimens and tensile tests were executed. For the tensile tests, a cyclic procedure was chosen, which allowed us to distinguish between the elastic and plastic deformation of the specimen. An analytical model, which described the elastic part of the tensile test, was introduced and showed good agreement with the measurements. Embedded FBGs - integrated during the casting process - showed under all mechanical and thermal load conditions no hysteresis, a reproducible sensor response, and a high reliable operation, which is very important to create metallic smart structures and packaged fiber optic sensors for harsh environments.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,429
Score d'incertitude au seuil1,000

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 recherche0,0000,001
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 Opus0,008
Tête enseignante GPT0,228
Écart entre enseignants0,219 · 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'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

Citations20
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSensorsMême sujetAdvanced Fiber Optic SensorsTravaux en français237 207