MétaCan
Menu
Retour à la cohorte
Enregistrement W4416183958 · doi:10.1109/ceidp61707.2025.11218329

A Testing Framework for Investigating Surface Arcing on High Voltage Insulation Systems for Electrified Aircraft Applications

2025· article· W4416183958 sur OpenAlexaff
Alhaytham Y. Alqudsi, Yazid Hadjadj, Refat Atef Ghunem, David McIntyre, Lakshmi Tharamal, Halil Ibrahim Uckol

Notice bibliographique

Revuenon disponible
Typearticle
Langue
DomaineEngineering
ThématiqueElectrical Fault Detection and Protection
Établissements canadiensNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésElectric arcVoltageTransformerHigh voltageElectrodeVoltage dropCurrent (fluid)Arc flash

Résumé

récupéré en direct d'OpenAlex

This paper investigates the surface arcing failures on high voltage insulation systems used in electrified aircraft applications, through a proposed testing framework. The framework facilitates the creation of surface arcing under controlled atmospheric pressure conditions, with a capability to test under either AC or DC voltage modes. A high frequency current transformer (HFCT) is also utilized to capture surface discharges (SD) prior to arcing as part of the test. At a given fixed electrode distance, the obtained results suggest earlier inception voltages for both the SD and arcing with decreasing pressures mimicking increasing altitudes. Moreover, the difference in the inception voltage between the SD and arcing diminishes with decreasing pressure, until the difference becomes negligible at pressures corresponding to 4 km above sea level, thereby suggesting an increased risk of using SD detection as means to foresee subsequent arcing. Further testing is conducted to compare between AC and DC arcing. Preliminary results suggest a higher drop for the arcing voltage for DC voltage mode as compared to AC with increasing altitude. These preliminary outcomes could potentially help develop a diagnostic method for arcing failures of insulation systems in electrified aircraft applications.

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)0,001
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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)0,0010,000

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 Opus0,027
Tête enseignante GPT0,283
Écart entre enseignants0,256 · 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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetElectrical Fault Detection and ProtectionTravaux en français237 207