MétaCan
Menu
Retour à la cohorte
Enregistrement W2161705781 · doi:10.2514/6.2012-1665

Modeling and Analysis of Piezoelectric Energy Harvesting from Helicopter Blades

2012· article· en· W2161705781 sur OpenAlexaff
Wander Gustavo Rocha Vieira, Fred Nitzsche, Carlos De Marqui

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueInnovative Energy Harvesting Technologies
Établissements canadiensCarleton University
Organismes subventionnairesFundação de Amparo à Pesquisa do Estado de Minas GeraisConselho Nacional de Desenvolvimento Científico e Tecnológico
Mots-clésEnergy harvestingPiezoelectricityEnergy (signal processing)Computer scienceEnergy analysisEngineeringAerospace engineeringAcousticsElectrical engineeringPhysics

Résumé

récupéré en direct d'OpenAlex

Converting aeroelastic vibrations into electricity for low-power generation has received growing attention over the past few years. Helicopter blades with embedded piezoelectric elements can provide electrical energy to power small electronic components. In this paper, the non-linear modeling and analysis of a composite cantilevered helicopter blade with embedded piezoceramics is presented for energy harvesting. A resistive load is considered in the electrical domain of the problem (generator circuit) in order to quantify the electrical power output. The shunt damping effect due to the resistive dissipation is also investigated. The non-linear electromechanical model of a rotating beam with embedded piezoceramics is derived based on the Variational-Asymptotic Method (VAM). The coupled non-linear rotary system is solved in the time-domain. A generalized-� integration method is used to guarantee numerical stability, adding numerical damping at high frequencies. The results are verified against numerical and experimental results reported in the literature. The electromechanical behavior of the coupled rotating blade is investigated for increasing rotating speeds (stiffening effect) and also for different electrical boundary conditions.

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: Empirique
Score de désaccord entre enseignants0,315
Score d'incertitude au seuil0,492

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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 Opus0,018
Tête enseignante GPT0,213
Écart entre enseignants0,196 · 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

Citations3
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetInnovative Energy Harvesting TechnologiesTravaux en français237 207