MétaCan
Menu
Retour à la cohorte
Enregistrement W4392499070 · doi:10.1109/jsen.2024.3370841

A Fiber-Only Optical Vibration Sensor Using Off-Centered Fiber Bragg Gratings

2024· article· en· W4392499070 sur OpenAlexaff
Ariana Mahlooji, Fae Azhari

Notice bibliographique

RevueIEEE Sensors Journal · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Fiber Optic Sensors
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésFiber Bragg gratingPHOSFOSMaterials scienceFiber optic sensorOptical fiberPlastic optical fiberPolarization-maintaining optical fiberPhotonic-crystal fiberGraded-index fiberFiberOpticsOptoelectronicsVibrationAcousticsPhysicsComposite material

Résumé

récupéré en direct d'OpenAlex

Vibration monitoring of rotating machinery is crucial for operational safety and optimized maintenance. In this work, we propose a fiber Bragg grating (FBG) vibration sensor that does not involve any other components beyond the optical fiber on which the FBG is inscribed. The optical fiber is supported at one end to form a cantilever arrangement. The FBG is positioned at the support, intentionally offset from the center of the fiber core. Continual bending of the cantilever beam due to vibration induces axial tensile and compressive stresses away from the neutral axis, where the off-centered FBG is located. This causes a reciprocating shift in the FBG’s central wavelength, enabling us to measure the frequency and amplitude of the applied vibration. Since central wavelength is the measurand, the proposed sensor is compatible with wavelength division multiplexing, thereby expanding its utility across diverse industries. The sensor prototype fabricated and tested in this study, performed linearly within a wide range of frequencies (20–1500 Hz), and was responsive to accelerations as low as 0.3 g. The sensor characteristics can be tailored to a specific application by fine-tuning the dimensions and support configurations.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,175
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,020
Tête enseignante GPT0,260
Écart entre enseignants0,240 · 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.

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

Citations15
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Sensors JournalMême sujetAdvanced Fiber Optic SensorsTravaux en français237 207