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 OpenAlexafffund
Stephane Contant, Geoffrey Klein, Jordan Morelli, Thomas W. Krause

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,003

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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations6
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Applied PhysicsMême sujetNon-Destructive Testing TechniquesTravaux en français237 207