Design and Manufacture of a Wall Pressed Type In-Pipe Inspection Robot (IPIR) for Oil Industry
Notice bibliographique
Résumé
The need for efficient transportation of natural resources with viable methods has created a strong demand for effective pipeline infrastructure systems.With long operation cycles, these pipelines are susceptible to defects throughout their network, compromising their overall operational integrity.Therefore, defect detection and maintenance of these pipeline networks is of vital importance.Within this perspective, in this study an eight-legged wheeled wall-pressed type In-Pipe Inspection Robot (IPIR) tailored to operate inside complex pipeline networks with 10''-12'' varying diameters was designed and manufactured.The robot has the capability to navigate in junctions and to climb vertically.It consists of front and rear side components (identical to each other and placed in symmetrical orientation), each with 4 belt driven wheels are placed at the end of legs.A single electric motor is used at each side at only one leg and generated motion is transferred to other legs using bevel gears.A universal joint is employed to allow freedom for the IPIR during turns and junctions whereas mechanical springs are fitted throughout each pair of opposite legs.With mechanical springs ensures adaptability to different size diameters, stability inside the pipe and adequate normal force for the traction.The CAD model of the robot was designed at SolidWorks software using "Pitsco Tetrix" robotics components.Structural mechanics check was performed for the most critical component (leg beams).Electronics hardware was installed for controlling the DC electric motors with Arduino Mega 2560 R3 processor.HC-SR04 Ultrasonic and DHT11 sensors were employed in order to get proximity and temperature readings.The robot was tested for 10' '-12'' diameter pipelines.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».