MétaCan
Menu
Retour à la cohorte
Enregistrement W4409051257 · doi:10.1038/s41598-025-91198-3

A damage zone detection method in concrete hydraulic structures based on multi-frequency ultrasonic characteristics

2025· article· en· W4409051257 sur OpenAlexaff
Jinchao Wang, Ming Chen, Houcheng Liu

Notice bibliographique

RevueScientific Reports · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueGeophysical Methods and Applications
Établissements canadiensGeomechanica (Canada)
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésUltrasonic sensorComputer scienceAcousticsPhysics

Résumé

récupéré en direct d'OpenAlex

To avoid severe threats to the safety of people's lives and property caused by the ultimate collapsing of damaged concrete hydraulic structures and to overcome the technical bottleneck related to the low precision level of conventional acoustic non-destructive testing methods in distinguishing between different structural characteristics of damaged areas, this article focuses on the shortcomings in accuracy and detection capability of current acoustic technologies for damage detection in concrete structures. Different damaged areas of concrete structures exhibit distinct characteristics of frequency acoustic signals, and these multi-frequency ultrasonic characteristics were studied in this research to improve the detection method of damaged areas in concrete hydraulic structures. First, a damage area detection model that can synchronously reflect the non-smooth surface and multi-layer structural characteristics of the damaged area was established based on the real-state characteristics of concrete damage areas, providing a theoretical basis for the fine detection of the internal characteristics of concrete structures. Subsequently, an acoustic response feature function for the damaged area was constructed based on the multi-frequency information of acoustic signals, constituting an acoustic response feature extraction method that can effectively distinguish among multiple reflected echo signals. At the same time, by introducing the concept of the damage area recognition feature quantity, a structural damage area recognition method was formed to effectively distinguish between non-damaged and damaged areas in concrete structures, altogether encircling a complete set of the hydraulic concrete structure damage area detection technology system. Finally, the feasibility and superiority of the proposed method were verified through local and global testing experiments. The results indicated that the method proposed in this paper can improve the accuracy and efficiency of detecting damaged areas in concrete structures. The theoretical error was below 10%. The proposed method exhibited stronger adaptability, providing more effective and accurate diagnostic methods for assessing the current state of damaged areas in concrete structures in practice.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,011
Tête enseignante GPT0,279
Écart entre enseignants0,268 · 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

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetGeophysical Methods and ApplicationsTravaux en français237 207