MétaCan
Menu
Retour à la cohorte
Enregistrement W1519265832 · doi:10.1109/ccece.2015.7129090

Simulation and optical measurement of MEMS thermal actuator sub-micron displacements in air and water

2015· article· en· W1519265832 sur OpenAlexaff
Bruno Barazani, Stephan Warnat, Ted Hubbard

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced MEMS and NEMS Technologies
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésActuatorDisplacement (psychology)Materials scienceMicroelectromechanical systemsFinite element methodThermalTemperature measurementChevron (anatomy)Fast Fourier transformOpticsMechanicsAcousticsMechanical engineeringStructural engineeringEngineeringOptoelectronicsElectrical engineeringPhysicsThermodynamicsComputer scienceGeology

Résumé

récupéré en direct d'OpenAlex

The aim of this study is to simulate and measure sub-micron motion of a chevron type MEMS thermal actuator in air and water. Finite element analysis (FEA) of the physical system provided predictions of the actuator temperature increase and displacement in both media. Simulations indicate that for 6V the maximum temperature on the chevron actuator arm is 335 °C in air and 35 °C in water. In water the temperature increase is confined to the vicinity of the heat source: 30 μm from the actuator center the temperature increase is smaller than 0.5 °C. FEA predicts a chevron displacement of 0.98 μm in air and 49 nm in water at 6 V. Experimental measurements of displacements were performed using an FFT image analysis algorithm with sub-micron precision. Experimental results show a displacement of 1.11 ± 0.01 μm in air and 67 ± 17 nm in water for 6V. The agreement between simulated and measured results validates the accuracy of the computational model used in this study. From the experimental data, the performance of the thermal actuator in water is about 6% of its performance in air. The study indicates the feasibility of using thermal actuators to perform cell tests in aqueous media.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,163

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0000,000

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 Opus0,026
Tête enseignante GPT0,245
Écart entre enseignants0,219 · 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 tête enseignante, 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

Citations12
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced MEMS and NEMS TechnologiesTravaux en français237 207