MétaCan
Menu
Retour à la cohorte
Enregistrement W4402154539 · doi:10.31399/asm.cp.itsc2024p0652

Fluid Velocity Sensors Made by Thermal Spray

2024· article· en· W4402154539 sur OpenAlexaff
Andre Hanna, S. Chandra

Notice bibliographique

RevueThermal spray · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Sensor Technologies Research
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésThermocoupleMaterials scienceNichromeCalibrationElectromagnetic coilTorchComposite materialThermal sprayingTemperature measurementVoltageElectrodeLayer (electronics)Calibration curveThermalOptoelectronicsElectrical engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract Sensors to measure gas velocities in high temperature flows need to be robust, low-profile so that they do not obstruct the flow, and easy to apply on metal surfaces. Thermal spray offers a method of making low-cost sensors that can be applied on large areas. Plasma spray was used to deposit an electrically insulating layer of alumina on a 316 stainless steel block. A 17 mm diameter heater coil was deposited on top of the alumina layer by spraying Nichrome from a twin wire arc spray system through a 3D printed polymer mask. A thermocouple junction was built next to the heater by inserting an insulated Constantan wire through a vertical hole drilled in the steel block and spraying steel on the top of the hole to close it and form an electrical connection between the wire and the surrounding substrate. The junction of the wire and the steel formed a thermocouple whose output voltage was calibrated. A flow loop was built to calibrate the sensor by passing air over it at velocities of up to 5 m/s. A series of 2 min long voltage pulses were applied to the heater, increasing its temperature by approximately 5°-10°C each time, before letting it cool. A calibration curve was developed of the air velocity as a function of the time constant for cooling of the sensor.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
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 Opus0,012
Tête enseignante GPT0,250
Écart entre enseignants0,238 · 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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThermal sprayMême sujetAdvanced Sensor Technologies ResearchTravaux en français237 207