MétaCan
Menu
Retour à la cohorte
Enregistrement W6990393703

Detection and Characterization of Flaws in Stainless Steel by the Laser-Ultrasonic Synthetic Aperture Focusing Technique

2004· article· en· W6990393703 sur OpenAlexvenueno aff

Notice bibliographique

RevueNPARC · 2004
Typearticle
Langueen
DomaineEngineering
ThématiqueUltrasonics and Acoustic Wave Propagation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWeldingUltrasonic sensorDiscontinuity (linguistics)Classification of discontinuitiesLaserCorrosionShear wavesInterferometry
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The performance of a laser ultrasonic system applied to the detection and characterization of stress corrosion cracks and welding discontinuities in stainless steel is reported. A 50 mJ long pulse laser coupled with a confocal Fabry-Perot interferometer and the synthetic aperture focusing technique are used to enhance weak discontinuity related signals. First, stainless steel plates containing stress corrosion cracks with widths of less than 0.03 mm (1.2 × 10-3 in.) and depths ranging from 0.5 to 5 mm (0.02 to 0.2 in.) are tested. Both longitudinal and shear waves are used in synthetic aperture focusing technique processing to detect and characterize these cracks from the surface opposite cracking. Images at the breaking surface reconstructed by shear waves provide very detailed structures of branched tight cracks, which are comparable to results obtained by liquid penetrant testing. This excellent imaging is linked to the presence of crosslike features appearing in B-scans that are interpreted and explained. Secondly, a welded stainless steel plate is tested and various weld discontinuities with sizes of about 1 mm (0.04 in.) are detected. Although the material strongly attenuates ultrasound in this case, laser ultrasonics combined with the synthetic aperture focusing technique successfully detects, locates and sizes these discontinuities. These results are compared with those obtained by X-ray computed tomography.

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: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · 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
Bibliométrie0,0000,000
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)0,0010,000

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 Opus0,004
Tête enseignante GPT0,177
Écart entre enseignants0,173 · 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
GenreMéthodes

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
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNPARCMême sujetUltrasonics and Acoustic Wave PropagationTravaux en français237 207