MétaCan
Menu
Retour à la cohorte
Enregistrement W4289717583 · doi:10.1109/jsen.2022.3194707

Sensor Measurements Only With Transmissibility Operators for Fault Detection in Flexible Beams

2022· article· en· W4289717583 sur OpenAlexafffund
Abdelrahman Khalil, Khaled F. Aljanaideh, Mohammad Al Janaideh

Notice bibliographique

RevueIEEE Sensors Journal · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueFault Detection and Control Systems
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésTransmissibility (structural dynamics)CantileverAccelerometerFault detection and isolationFault (geology)ReplicateBeam (structure)StiffnessComputer scienceStructural engineeringEngineeringControl theory (sociology)Electronic engineeringVibrationAcousticsPhysicsMathematicsArtificial intelligenceActuatorStatistics

Résumé

récupéré en direct d'OpenAlex

In this work, we extend transmissibility-based fault detection to flexible structures and then use transmissibilities to estimate the system’s total number of independent excitations. Transmissibilities are mathematical representations of the relationship between the outputs of an underlying system. The input and output of transmissibility are both outputs of the underlying system. The article then examines a class of flexible structures for which neither the excitation signal nor the structural dynamics are known. We begin by examining a simulation model for testing a class of faults that are notoriously difficult to replicate experimentally, such as fatigue cracks. Following that, we will examine an experimental setup comprised of a flexible cantilever beam and multiple accelerometers. To illustrate the proposed algorithm, we consider a flexible beam with a change-of-stiffness fault. The transmissibility operators between the accelerometers are identified under normal beam conditions and then used for fault detection and estimating the number of excitation signals.

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)0,001
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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,246
Score d'incertitude au seuil0,673

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 recherche0,0000,001
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 Opus0,021
Tête enseignante GPT0,240
Écart entre enseignants0,219 · 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'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

Citations3
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Sensors JournalMême sujetFault Detection and Control SystemsTravaux en français237 207