MétaCan
Menu
Retour à la cohorte
Enregistrement W4408651032 · doi:10.3390/s25061937

Long-Term Wavelength Stability of Large Type II FBG Arrays in Different Silica-Based Fibers at High Temperature

2025· article· en· W4408651032 sur OpenAlexaff
Robert B. Walker, Stephen J. Mihailov, Cyril Hnatovsky, Manny De Silva, Ping Lü, Huimin Ding, Abdullah Rahnama

Notice bibliographique

RevueSensors · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Fiber Optic Sensors
Établissements canadiensNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceWavelengthFiber Bragg gratingIsothermal processOpticsLaserOptical fiberFiber optic sensorOptoelectronicsFiberWavelength-division multiplexingFabricationPhysicsComposite material

Résumé

récupéré en direct d'OpenAlex

Fiber Bragg gratings (FBGs) are useful components in fiber optic sensing systems, which can be highly multiplexed and distributed. In recent years, fabrication using ultrafast lasers has made these devices much more versatile and robust, but questions concerning their high-temperature performance remain. The wavelength resonance of an FBG is naturally sensitive to various parameters of its environment; in particular, changes in the temperature or strain of a fiber tend to induce observable shifts in the Bragg wavelength. Thus, FBGs can offer reliable sensing solutions, provided they are isolated from other influences and their wavelength responses remain well characterized. Nonetheless, it is important to be aware that the isothermal wavelength drift of unstrained FBGs has been previously observed. When this occurs, it can lead to measurement errors and a requirement for sensor recalibration. This study presents a comparison of long-term isothermal wavelength drifts observed at 600 °C, 800 °C, 900 °C and 1000 °C for large numbers of Type II FBGs in different kinds of single-mode fibers. The results provide guidance for the design of high-temperature sensing systems, both in terms of fiber selection and for estimating the maximum time before recalibration becomes necessary to maintain a specified accuracy.

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)
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 enseignants0,308
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,007
Tête enseignante GPT0,229
Écart entre enseignants0,222 · 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'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

Citations5
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSensorsMême sujetAdvanced Fiber Optic SensorsTravaux en français237 207