MétaCan
Menu
Retour à la cohorte
Enregistrement W4281572379 · doi:10.1063/5.0088221

Inverse algorithm for extraction of multiple parameters using analytical model of eddy current response

2022· article· en· W4281572379 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueJournal of Applied Physics · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueNon-Destructive Testing Techniques
Établissements canadiensQueen's UniversityRoyal Military College of Canada
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésEddy currentAlgorithmInverseLift (data mining)MinificationMathematicsMathematical analysisComputer scienceGeometryMathematical optimizationEngineeringElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Eddy current (EC) technology is commonly used for detecting flaws, measuring geometric parameters, or determining properties of conducting materials. However, the measurement of a particular parameter can become more challenging if multiple influential parameters vary simultaneously. In particular, eddy current-based measurement of separation (gap) between a pressure tube (PT) and a calandria tube (CT) in the fuel channels of CANDU® reactors is made more difficult by variations in PT wall thickness, resistivity, and probe lift-off. An analytical model of the EC response to changes in PT–CT gap has been developed by approximating the geometry of the PT within the larger diameter CT as a pair of concentric tubes, where gap is varied by changing the CT radius. In this article, this model is used in combination with an error minimization algorithm to construct an inverse algorithm for the extraction of PT–CT gap, PT resistivity (ρ), and PT wall thickness (WT) from measured multi-frequency eddy current signals. Application of a linear regression tool in MATLAB, with fourth-order polynomial fitting of modeled data with varying ρ and WT as a function of PT–CT gap, is used to obtain coefficients that depend on ρ and WT. Output of multidimensional fitting of these coefficients is scaled and rotated to calibration data. Finally, implementation of an error minimization algorithm in MATLAB is used to produce estimates of multiple target parameters from experimental data. Simultaneous extraction of either one, two, or three parameters is examined, using experimental data obtained at frequencies used for in-reactor inspection of 4.2, 8, and 16 kHz, or just two frequencies of 4.2 and 8 kHz. Under full gap variation conditions, the inverse algorithm predicts gap to within 0.1 mm at gaps between 0 and 9 mm and to within 0.4 mm at gaps between 9 and 18 mm. PT resistivity is predicted to within 1 μΩ cm (2% relative error) and PT wall thickness within 0.03 mm (1% relative error) when each is the only extracted parameter. An excellent agreement between actual and predicted values of gap demonstrates the potential of the inverse algorithm for application to in-reactor gap measurement and simultaneous extraction of either PT wall thickness or resistivity when the other parameter is known. The extraction of PT resistivity may be particularly useful, as this parameter cannot otherwise currently be measured in-reactor.

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 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)0,001
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,213
Score d'incertitude au seuil0,462

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,065
Tête enseignante GPT0,310
Écart entre enseignants0,245 · 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