MétaCan
Menu
Retour à la cohorte
Enregistrement W2566272256 · doi:10.1088/1742-6596/773/1/012065

Flexible energy harvesting from hard piezoelectric beams

2016· article· en· W2566272256 sur OpenAlexaff
Aidin Delnavaz, Jérémie Voix

Notice bibliographique

RevueJournal of Physics Conference Series · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueInnovative Energy Harvesting Technologies
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesnon disponible
Mots-clésMultiphysicsEnergy harvestingFinite element methodPiezoelectricityPressingElectric potential energyMechanical energyMechanical engineeringFlexibility (engineering)Generator (circuit theory)Energy (signal processing)CapacitorMaterials scienceAcousticsCeramicUnimorphEnergy transformationEngineeringElectrical engineeringStructural engineeringVoltageComposite materialPower (physics)Physics

Résumé

récupéré en direct d'OpenAlex

This paper presents design, multiphysics finite element modeling and experimental validation of a new miniaturized PZT generator that integrates a bulk piezoelectric ceramic onto a flexible platform for energy harvesting from the human body pressing force. In spite of its flexibility, the mechanical structure of the proposed device is simple to fabricate and efficient for the energy conversion. The finite element model involves both mechanical and piezoelectric parts of the device coupled with the electrical circuit model. The energy harvester prototype was fabricated and tested under the low frequency periodic pressing force during 10 seconds. The experimental results show that several nano joules of electrical energy is stored in a capacitor that is quite significant given the size of the device. The finite element model is validated by observing a good agreement between experimental and simulation results. the validated model could be used for optimizing the device for energy harvesting from earcanal deformations.

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)0,000
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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0010,000

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 Opus0,025
Tête enseignante GPT0,211
Écart entre enseignants0,186 · 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

Citations1
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Physics Conference SeriesMême sujetInnovative Energy Harvesting TechnologiesTravaux en français237 207