MétaCan
Menu
Retour à la cohorte

Pressure Sensing Using Electrostatic Capacitance

2006· article· en· W2109452902 sur OpenAlexaff
Noriko Bamba, N. Endo, Tôru Takagi, Tatsuo Fukami

Notice bibliographique

RevueKey engineering materials · 2006
Typearticle
Langueen
DomaineComputer Science
ThématiqueSensor Technology and Measurement Systems
Établissements canadiensMD Precision (Canada)
Organismes subventionnairesnon disponible
Mots-clésMaterials sciencePolingPermittivityRelative permittivityPiezoelectricityCeramicCapacitanceFerroelectricityPressure sensorDielectricComposite materialDopingOptoelectronicsMechanical engineeringElectrodeEngineering

Résumé

récupéré en direct d'OpenAlex

Piezoelectric ceramic pressure sensors have been attracted great interest due to their simple and miniature structure compared with conventional sensors such as strain gauge sensor. A new type of static pressure sensor by using a change of permittivity upon applied mechanical pressure has been studied in this work. BaTiO3 ceramics with/without a small amount of Mn were used as sensing materials and the effect of poling treatment on their sensor performance was investigated. An anti-ferroelectric material, NaNbO3, was also examined. All materials could detect the change of pressure through the frequency shift of CR oscillator. Change of permittivity of non-doped BaTiO3 and Mn doped BaTiO3 without poling treatment were larger than that of PZT used as a reference, that is, BaTiO3 ceramics had higher-pressure sensitivity. BaTiO3 and relative materials, however, needed transit time to reach the steady state, while NaNbO3 was independent to the time. Conclusively, it seems that BaTiO3 and relative materials without poling treatment and the anti-ferroelectric material, NaNbO3, become possible candidates as a pressure sensor using permittivity change.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,011
Tête enseignante GPT0,192
Écart entre enseignants0,181 · 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 source (Gemma direct ou Codex distillé), 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

Citations3
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueKey engineering materialsMême sujetSensor Technology and Measurement SystemsTravaux en français237 207