Notice bibliographique
Résumé
Faults with the internal elements of rotating equipment are notoriously difficult to diagnose while the equipment is in service, and so maintainers often have to rely on indirect assessment based on changes in performance and vibrations. A novel approach to visualizing faults with rotating components is presented based on penetrating electromagnetic radiation and image construction. The basic concept of operations is to generate photons from a collimated source that is relocatable so as to illuminate the rotating component in a piecewise fashion along its radius, preferably but not necessarily parallel to the axis of rotation. Subimage acquisition captures stationary parts through which photons pass as well as part of the rotating component. Registration of rotating sub-images is then done as the machine rotates at quasi-steady-state speed to construct the complete image. Widefield high-resolution Fourier ptychographic tomography is employed to stitch together variably illumined low-resolution sub-images in Fourier space to improve resolution and reduce vignetting effects and other artifacts (such as shadowing due to the stationary components). Image acquisition rate and source power can be adjusted to reduce smearing of the parts that are rotating. From the final image, artifact feature extraction is then used to create fault primitives from which fault detection and identification can be done. A proof-of-concept system is presented with experimental characterization using idealized geometries (black line segments and polygons, gray-scale images). A path to practical implementation using x-ray sources and robotic detector positioning is described.
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 | 0,000 |
| 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 ».