Survey of energy harvesting and energy scavenging approaches for<i>on-site</i>powering of wireless sensor- and microinstrument-networks
Notice bibliographique
Résumé
Energy (or power) harvesting can be defined as the gathering and either storing or immediately using energy “freely” available in a local environment. Examples include harvesting energy from obvious sources such as photon-fluxes (e.g., solar), or wind or water waves, or from unusual sources such as naturally occurring pH differences. Energy scavenging can be defined as gathering and storing or immediately re-using energy that has been discarded, for instance, waste heat from air conditioning units, from in-door lights or from everyday actions such as walking or from body-heat. Although the power levels that can be harvested or scavenged are typically low (e.g., from nWatt/cm<sup>2</sup> to mWatt/cm<sup>2</sup>), the key motivation is to harvest or to scavenge energy for a wide variety of applications. Example applications include powering devices in remote weather stations, or wireless Bluetooth headsets, or wearable computing devices or for sensor networks for health and bio-medical applications. Beyond sensors and sensor networks, there is a need to power compete systems, such as portable and energy-autonomous chemical analysis microinstruments for use <i>on-site</i>. A portable microinstrument is one that offers the same functionality as a large one but one that has at least one critical component in the micrometer regime. This paper surveys continuous or discontinuous energy harvesting and energy scavenging approaches (with particular emphasis on sensor and microinstrument networks) and it discusses current trends. It also briefly explores potential future directions, for example, for nature-inspired (e.g., photosynthesis), for human-power driven (e.g., for biomedical applications, or for wearable sensor networks) or for nanotechnology-enabled energy harvesting and energy scavenging approaches.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».