Lower Limb-Driven Energy Harvester: Modeling, Design, and Performance Evaluation
Notice bibliographique
Résumé
Biomechanical energy harvesters (BMEHs) have shown that useable amounts of electricity can be generated from daily movement. Where access to an electrical power grid is limited, BMEHs are a viable alternative to accommodate energy requirements for portable electronics. In this paper, we present the detailed design and dynamic model of a lower limb-driven energy harvester that predicts the device output and the load on the user. Comparing with existing harvester models, the novelty of the proposed model is that it incorporates the energy required for useful electricity generation, stored inertial energy, and both mechanical and electrical losses within the device. The model is validated with the lower limb-driven energy harvester in 12 unique configurations with a combination of four different motor and three different electrical resistance combinations (3.5 Ω, 7 Ω, and 12 Ω). A case study shows that the device can generate between 3.6 and 15.5 W with an efficiency between 39.8% and 72.5%. The model was able to predict the harvester output peak voltage within 5.6 ± 3.2% error and the peak force it exerts on the user within 9.9 ± 3.4% error over a range of parameter values. The model will help to identify configurations to achieve a high harvester efficiency and provide a better understanding of how parameters affect both the timing and magnitude of the load felt by the user.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».