Enhancement of Defect Characterization With AC Magnetic Flux Leakage: Far-Side Defect Shape Estimation and Sensor Lift-Off Compensation
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
One of the most common methods for performing non-destructive testing (NDT) of the steel tank floors in aboveground storage tanks is dc magnetic flux leakage (MFL). This test method gives an estimate of the defect depth and width based on the MFL signal strength and its peak location, respectively. A key limitation is that the signal strength depends on not only the defect depth and width but also various other factors including a defect’s wall profile and sensor lift-off. Moreover, in a practical MFL test, the sensor lift-off changes due to surface roughness and uneven steel plate surface in tank floors. We present an ac MFL system to increase the accuracy of defect characterization by: 1) distinguishing between two common defect shapes located on the far side of the steel plate used in a typical above storage tank (AST) floor: lake-shaped and rectangular defects and 2) developing a sensor lift-off compensation scheme based on ac signal phase. Simulation results show that skewness of the ac MFL can be used to distinguish between far-side lake-shaped and rectangular defects. AC MFL signal phase is shown to be a suitable compensator for the dependence of signal strength on unintended variations in sensor lift-off. The simulation results have been validated through experiments.
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 | 0,000 |
| 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