MétaCan
Menu
Retour à la cohorte
Enregistrement W4313520318 · doi:10.23919/cmd54214.2022.9991680

Development of A Portable Instrument for Detecting Partial Discharge by Ultrasonic Beamforming Technique

2022· article· en· W4313520318 sur OpenAlexaff
Oda Masahiro, Mizuki Goto, Tamura Yui, Norio Nakata

Notice bibliographique

Revue2022 9th International Conference on Condition Monitoring and Diagnosis (CMD) · 2022
Typearticle
Langueen
DomaineMaterials Science
ThématiqueHigh voltage insulation and dielectric phenomena
Établissements canadiensAdvantech AMT (Canada)
Organismes subventionnairesnon disponible
Mots-clésPartial dischargeUltrasonic sensorBeamformingComputer scienceAcousticsMaterials scienceEngineeringElectrical engineeringTelecommunicationsPhysicsVoltage

Résumé

récupéré en direct d'OpenAlex

In this paper, we introduce partial discharge visualization technology. To monitor partial (external corona or creeping) discharge at exposed parts remotely, detection of ultrasound emitted from partial discharge is frequently carried out. Beamforming technique, in which ultrasonic waves measured by multiple microphones are analyzed, was adapted for determining an arrival direction of ultrasound. By superimposing arrival direction of ultrasound on video image of an objective apparatus recorded by a camera, we can promptly know position where partial discharge occurs in wide area to be monitored. A small and lightweight instrument called “Corona Discharge Viewer™ MK-760” was developed for on-site partial discharge detection. The beamforming computing is carried out repeatedly in real-time, and location of partial discharge is shown with visual image on the LCD display. Therefore, we can easily detect and locate partial discharge by just moving MK-760 facing towards to objective apparatus without any esoteric operations. Corona discharge occurred at an insulator and a bend section of a twisted bare wire of actual electric transmission facilities were satisfactorily detected and located by using MK-760.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,038
Tête enseignante GPT0,300
Écart entre enseignants0,262 · 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'étudeExpérimental (laboratoire)
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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2022 9th International Conference on Condition Monitoring and Diagnosis (CMD)Même sujetHigh voltage insulation and dielectric phenomenaTravaux en français237 207