MétaCan
Menu
Retour à la cohorte
Enregistrement W2013786640 · doi:10.1115/imece2002-33602

Simulation of MEMS Piezoelectric Micropump for Biomedical Applications

2002· article· en· W2013786640 sur OpenAlexaff
Walied A. Moussa, Ulises F. Gonza ́lez

Notice bibliographique

RevueAdvances in Bioengineering · 2002
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrofluidic and Capillary Electrophoresis Applications
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMicropumpFinite element methodMicroelectromechanical systemsDiaphragm (acoustics)PiezoelectricityMechanical engineeringVoltageMicrofluidicsHingeEngineeringElectronic engineeringComputer scienceAcousticsMaterials scienceStructural engineeringElectrical engineeringNanotechnology

Résumé

récupéré en direct d'OpenAlex

In this study, we demonstrate the usefulness of Finite Element Analysis (FEA) and simulation techniques in the design of MEMS micropumps. Such pumps provide for the handling of milliliter-scaled fluid volumes desired in many lab-on-a-chip chemical and biomedical applications. This work is focused on a micropump driven by the piezoelectric effect, which in turn invokes the dominant resonance behavior. Because the design of the device is the emphasis of this study, the model was originated in CAD and includes the fme-scale geometric details commonly encountered in a wide variety of micropumps. The model considered in this study is a rectangular micropump with a piezoelectrically actuated diaphragm on its top and two valves on its bottom. The mechanical efficiency of the pump hinges on using resonance to generate sufficient motion of the diaphragm. Mechanical Event Simulation (MES) commercial software from ALGOR was utilized to simulate this motion, and thus provide a method for optimizing the design. The results show that consideration needs to be given to the voltage-driving frequency because of its effect on the pump performance and the stress levels within it.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,943
Score d'incertitude au seuil0,513

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,008
Tête enseignante GPT0,231
Écart entre enseignants0,224 · 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'étudeSimulation ou modélisation
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

Citations8
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in BioengineeringMême sujetMicrofluidic and Capillary Electrophoresis ApplicationsTravaux en français237 207