亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Machine-Learning Approach to Determine Surface Quality on a Reactor Pressure Vessel (RPV) Steel

人工神经网络 表面粗糙度 机械加工 人工智能 计算机科学 机器学习 工程类 材料科学 机械工程 复合材料
作者
James Marcus Griffin,Jino Mathew,Antal Gasparics,Gábor Vértesy,Inge Uytdenhouwen,Rachid Chaouadi,Michael E. Fitzpatrick
出处
期刊:Applied sciences [Multidisciplinary Digital Publishing Institute]
卷期号:12 (8): 3721-3721 被引量:7
标识
DOI:10.3390/app12083721
摘要

Surface quality measures such as roughness, and especially its uncertain character, affect most magnetic non-destructive testing methods and limits their performance in terms of an achievable signal-to-noise ratio and reliability. This paper is primarily focused on an experimental study targeting nuclear reactor materials manufactured from the milling process with various machining parameters to produce varying surface quality conditions to mimic the varying material surface qualities of in-field conditions. From energising a local area electromagnetically, a receiver coil is used to obtain the emitted Barkhausen noise, from which the condition of the material surface can be inspected. Investigations were carried out with the support of machine-learning algorithms, such as Neural Networks (NN) and Classification and Regression Trees (CART), to identify the differences in surface quality. Another challenge often faced is undertaking an analysis with limited experimental data. Other non-destructive methods such as Magnetic Adaptive Testing (MAT) were used to provide data imputation for missing data using other intelligent algorithms. For data reinforcement, data augmentation was used. With more data the problem of ‘the curse of data dimensionality’ is addressed. It demonstrated how both data imputation and augmentation can improve measurement datasets.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
anniver732发布了新的文献求助10
刚刚
anniver732发布了新的文献求助10
刚刚
anniver732发布了新的文献求助10
刚刚
十四发布了新的文献求助10
1秒前
迷人宛亦发布了新的文献求助10
2秒前
3秒前
sailor发布了新的文献求助10
4秒前
molihuakai的应助被科研通管家采纳,获得10
5秒前
嘻嘻哈哈的应助被科研通管家采纳,获得10
5秒前
嘻嘻哈哈的应助被科研通管家采纳,获得10
5秒前
null的应助被科研通管家采纳,获得10
5秒前
嘻嘻哈哈的应助被科研通管家采纳,获得10
5秒前
嘻嘻哈哈的应助被科研通管家采纳,获得10
5秒前
嘻嘻哈哈的应助被科研通管家采纳,获得10
6秒前
天天快乐的应助被科研通管家采纳,获得10
6秒前
嘻嘻哈哈的应助被科研通管家采纳,获得10
6秒前
嘻嘻哈哈的应助被科研通管家采纳,获得10
6秒前
14秒前
sailor完成签到,获得积分10
17秒前
可爱的函函的应助被DRJ采纳,获得10
21秒前
踏实的又夏完成签到 ,获得积分10
21秒前
共享精神的应助被sailor采纳,获得10
23秒前
34秒前
40秒前
涛1118发布了新的文献求助10
41秒前
笑哈哈完成签到,获得积分10
41秒前
单纯的天抒完成签到,获得积分10
44秒前
45秒前
dalang完成签到 ,获得积分10
47秒前
顾矜的应助被DRJ采纳,获得10
47秒前
caca完成签到,获得积分0
49秒前
anew_tape发布了新的文献求助10
50秒前
Yyusx完成签到 ,获得积分10
53秒前
傲娇曼岚完成签到,获得积分10
1分钟前
1分钟前
十四完成签到,获得积分10
1分钟前
1分钟前
舒心的以莲完成签到,获得积分10
1分钟前
Cherie77发布了新的文献求助10
1分钟前
小蘑菇的应助被DRJ采纳,获得10
1分钟前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1700
The World Atlas of Wine 9th edition 1000
奈特基础组织学:配套组织病理学(第4版)(Netter's Essential Histology With Correlated Histopathology) 800
John McDowells Bildungstheorie 800
八旗制度の研究 600
Hidden Empire of Finance: How Wall Street Profits from Our Cities and Fuels Global Inequality 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8165968
求助须知:如何正确求助?哪些是违规求助? 9559396
关于积分的说明 21749984
捐赠科研通 7756746
什么是DOI,文献DOI怎么找? 3429092
关于科研通互助平台的介绍 2553386
邀请新用户注册赠送积分活动 2473667