Federal Aviation Administration’s Probability of Detection Testing Results for Structural Health Monitoring (SHM)
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
Abstract The Federal Aviation Administration (FAA) has been participating with the Society of Automotive Engineers (SAE) Aerospace Industry Steering Committee (AISC) to develop a methodology for calculating the Probability of Detection (POD) for Structural Health Monitoring (SHM) for damage detection on commercial aviation. Two POD methodologies were developed: one by Dr. William Meeker, Iowa State University, and the other by Dennis Roach, Sandia National Laboratories (SNL). With Dr. Seth Kessler, Metis Design Corp, a test program of 24 samples of aluminum strips to be fatigued on MTS machines was developed. The samples were designed to meet the ASTM E647. Twelve samples had two SHM modalities on the front and back from Metis (PZT and carbon nanotubes), and the other twelve had SHM sensors from Structural Monitoring Systems (SMS) (comparative vacuum monitoring – CVM) and Acellent Technologies (PZT). The tests were performed at the FAA William J Hughes Technical Center in Atlantic City, NJ. The samples were cycled every 1500 cycles and then stopped for SHM data collection. Once the crack exceeded 0.125 inches and provided for a minimum of 15 inspections, a new sample was tested until all 12 samples were completed. The data was provided to each company to be set up in the format needed to run through the POD methodologies. Then the data was provided to Dr. Meeker and Dr. Roach for analysis. This paper will provide the results of those tests.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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