MétaCan
Menu
Retour à la cohorte
Enregistrement W4412885759 · doi:10.1088/1361-6501/adf134

Development and testing of calibration device for differential pressure hydrostatic leveling based on liquid-level rise and fall method

2025· article· en· W4412885759 sur OpenAlexaff
Jianjun Cui, Kai Chen, Pinhong Yang, Yixv Wang, Lu Liu, Lu Peng, Y Zhang, Xianhuan Luo

Notice bibliographique

RevueMeasurement Science and Technology · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueFlow Measurement and Analysis
Établissements canadiensMinistry of Transportation of Ontario
Organismes subventionnairesnon disponible
Mots-clésCalibrationDifferential pressureHydrostatic equilibriumDifferential (mechanical device)Hydrostatic pressureMechanicsMaterials scienceHydrostatic testEnvironmental scienceComputer scienceGeologyMathematicsPhysicsThermodynamicsComposite materialStatistics

Résumé

récupéré en direct d'OpenAlex

Abstract In view of the current situation that it is difficult to achieve high-precision calibration for the widely used hydrostatic leveling in engineering construction and structural monitoring, a calibration method by controlling the liquid-level rise and fall is proposed. Firstly, a calibration device for hydrostatic leveling composed of a vertical displacement stage, a micrometer resolution grating ruler, etc. is developed. Secondly, the liquid-level monitoring and compensation method and system are analyzed and constructed. The high-precision calibration experiment of the differential pressure hydrostatic leveling is designed, and the uncertainty evaluation method for the calibration of the hydrostatic leveling is given. The experimental results show that within a 3 m range, the measurement uncertainty of the calibration device is U = 0.064 mm ( k = 2), providing a key calibration technology for the hydrostatic leveling to achieve high-precision measurement.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,591
Score d'incertitude au seuil0,471

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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 Opus0,060
Tête enseignante GPT0,267
Écart entre enseignants0,207 · 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.

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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMeasurement Science and TechnologyMême sujetFlow Measurement and AnalysisTravaux en français237 207