MétaCan
Menu
Retour à la cohorte
Enregistrement W3156302993 · doi:10.3390/metrology1010001

Accurate Measurements of a Wavelength Drift in High-Temperature Silica-Fiber Bragg Gratings

2021· article· en· W3156302993 sur OpenAlexaff
Sergey Dedyulin, Elena Timakova, Dan Grobnic, Cyril Hnatovsky, A. D. W. Todd, Stephen J. Mihailov

Notice bibliographique

RevueMetrology · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Fiber Optic Sensors
Établissements canadiensNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceFiber Bragg gratingWavelengthOpticsTemperature measurementAnnealing (glass)BirefringenceLaserOptoelectronics

Résumé

récupéré en direct d'OpenAlex

Fiber Bragg gratings (FBG) are extensively used to perform high-temperature measurements in harsh environments, however the drift of the characteristic Bragg wavelength affects their long-term stability resulting in an erroneous temperature measurement. Herein we report the most precise and accurate measurements of wavelength drifts available up to date on high-temperature FBGs. The measurements were performed with a set of packaged π-phase-shifted FBGs for high wavelength resolution, in caesium and sodium pressure-controlled heat pipes for stable temperature environment and with a tunable laser for stable wavelength measurements with a 0.1 pm resolution. Using this dataset we outline the experimental caveats that can lead to inconsistent results and confusion in measuring wavelength drifts, namely: influence of packaging; interchangeability of FBGs produced under identical conditions; birefringence of π-phase-shifted FBGs; initial transient behaviour of FBGs at constant temperature and dependence on the previous thermal history of FBGs. In addition, we observe that the wavelength stability of π-phase-shifted gratings at lower temperature is significantly improved upon by annealing at higher temperature. The lowest value of the wavelength drift we obtain is +0.014 pm·h−1 at 600 °C (corresponding to +0.001 °C·h−1) after annealing for 400 h at 1000 °C, the longest annealing time we have tried. The annealing time required to achieve the small drift rate is FBG-specific.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,078
Score d'incertitude au seuil0,765

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 Opus0,016
Tête enseignante GPT0,236
Écart entre enseignants0,220 · 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'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

Citations7
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMetrologyMême sujetAdvanced Fiber Optic SensorsTravaux en français237 207