MétaCan
Menu
Retour à la cohorte
Enregistrement W1982814984 · doi:10.1063/1.4896668

High-efficiency passive full wave rectification for electromagnetic harvesters

2014· article· en· W1982814984 sur OpenAlexaff
Mehmet Yılmaz, Bassam A. Tunkar, Sangtak Park, Karim El-Rayes, M. A. Mahmoud, Eihab Abdel‐Rahman, Mustafa Yavuz

Notice bibliographique

RevueJournal of Applied Physics · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueInnovative Energy Harvesting Technologies
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésElectrical engineeringRectifier (neural networks)MOSFETSchottky diodeDiodeRectificationEnergy harvestingVoltageCapacitorRectennaEnergy conversion efficiencyPower semiconductor deviceEngineeringElectronic engineeringPower (physics)Computer sciencePhysicsTransistor

Résumé

récupéré en direct d'OpenAlex

We compare the performance of four types of full-wave bridge rectifiers designed for electromagnetic energy harvesters based on silicon diodes, Schottky diodes, passive MOSFETs, and active MOSFETs. Simulation and experimental results show that MOSFET-type rectifiers are more efficient than diode-type rectifiers, reaching voltage and power efficiency of 99% for ideal voltage source with input amplitudes larger than 800 mV. Since active MOSFETs require extra components and an external DC power supply, we conclude that passive MOSFETs are superior for micro-power energy harvesting systems. We demonstrate passive MOSFET rectifiers implemented using discrete, off-shelf components and show that they outperform all electromagnetic harvester rectifiers hitherto reported obtaining a power efficiency of 95%. Furthermore, we show that passive MOSFET rectifiers do not affect the center frequency, harvesting bandwidth, or optimal resistance of electromagnetic harvesters. We demonstrate a complete power management module by adding a capacitor to the rectifier output terminal. We found that this configuration changed the optimal resistive load from 40 Ω to 55 Ω and decreased output power efficiency to 86%.

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 enseignants0,366
Score d'incertitude au seuil0,512

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 Opus0,012
Tête enseignante GPT0,202
Écart entre enseignants0,190 · 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

Citations17
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Applied PhysicsMême sujetInnovative Energy Harvesting TechnologiesTravaux en français237 207