MétaCan
Menu
Retour à la cohorte
Enregistrement W2080054179 · doi:10.1109/jsen.2012.2225043

Strain Transfer Analysis of Surface-Bonded MEMS Strain Sensors

2012· article· en· W2080054179 sur OpenAlexaff
Maziar Moradi, Siva Sivoththaman

Notice bibliographique

RevueIEEE Sensors Journal · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced MEMS and NEMS Technologies
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceFinite element methodStrain gaugeAdhesiveMicroelectromechanical systemsTrenchSensitivity (control systems)Deep reactive-ion etchingStrain (injury)Layer (electronics)Etching (microfabrication)Composite materialOptoelectronicsElectronic engineeringStructural engineeringReactive-ion etchingEngineering

Résumé

récupéré en direct d'OpenAlex

The transmission of strain fields in adhesively bonded MEMS strain sensors is analyzed. In strain sensors that are attached to host structures using adhesive layers such as epoxy, complete strain transfer to the sensor is hindered due to the influence of the adhesive layer on the transfer. This paper presents an analytical model, validated by finite element method simulation, to provide insight and accurate formulation for strain transfer mechanism for bonded sensors. A shear-lag parameter has been introduced to account for the component geometry and properties. The model is capable of predicting the strain transmission ratio through a sensor gauge factor, and it clearly establishes the effects of the flexibility, length, and thickness of the adhesive layer and MEMS sensor substrate. Finally, modifications to sensor substrates, by the implementation of micromachined tapered edges and trench etching, are proposed in order to increase the strain transmission ratio. It has been found, for the selected case study, that the sensor sensitivity could be enhanced by up to 30%. This work on bonding analysis is applicable for performance prediction and calibration in sensor systems design.

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 enseignants0,243
Score d'incertitude au seuil0,919

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,020
Tête enseignante GPT0,250
Écart entre enseignants0,230 · 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

Citations32
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Sensors JournalMême sujetAdvanced MEMS and NEMS TechnologiesTravaux en français237 207