Design and Optimization of Piezoelectric MEMS Vibration Energy Harvesters Based on Genetic Algorithm
Notice bibliographique
Résumé
Low-power electronic applications are normally powered by batteries, which have to deal with stringent lifetime and size constraints. To enhance operational autonomy, energy harvesting from ambient vibration by microelectromechanical systems (MEMS) has been identified as a vivid solution to this universal problem. This paper proposes an automated design and optimization methodology with minimum human efforts for MEMS-based piezoelectric energy harvesters. The analytic equations for estimating the harvested voltage by the unimorph piezoelectric energy harvesters are presented with their accuracy validated by using the finite element method (FEM) simulation and prototype measurement. Thanks to their high accuracy, we use these analytic equations as fitness functions of genetic algorithm (GA), an evolutionary computation method for optimization problems by mimicking biological evolution. Our experimental results show that the GA is capable of optimizing multiple physical parameters of piezoelectric energy harvesters to considerably enhance the output voltage. This harvesting efficiency improvement is also desirably coupled with physical size reduction as preferred for the MEMS design process. To demonstrate capability of the proposed optimization method, we have also included a commercial optimization product (i.e., COMSOL optimization module) in our comparison study. The experiments show that our proposed GA-based optimization methodology offers higher effectiveness in the magnitude improvement of harvested voltage along with less runtime compared with the other optimization approaches. Furthermore, the effects of geometry optimization on mechanical and electrical properties (e.g., resonant frequency, stiffness, and internal impedance) are also studied and an effective solution to producing maximum power from unimorph piezoelectric harvesters is proposed.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,001 | 0,000 |
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.
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 ».