MétaCan
Menu
Retour à la cohorte
Enregistrement W2795196907 · doi:10.5539/jmsr.v7n2p26

Modeling, Simulation and Optimization of Piezoelectric Bimorph Transducer for Broadband Vibration Energy Harvesting in Multi-Beam and Trapezoidal Approach

2018· article· en· W2795196907 sur OpenAlexvenueno aff
Nan Chen, Vishwas Bedekar

Notice bibliographique

RevueJournal of Materials Science Research · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueInnovative Energy Harvesting Technologies
Établissements canadiensnon disponible
Organismes subventionnairesMiddle Tennessee State University
Mots-clésMultiphysicsMaterials scienceAcousticsBroadbandBandwidth (computing)Energy harvestingTransducerBimorphCantileverPower densityPiezoelectricityBeam (structure)VibrationPower (physics)Finite element methodOpticsStructural engineeringComputer sciencePhysicsEngineeringTelecommunicationsComposite material

Résumé

récupéré en direct d'OpenAlex

The objective of the research is to design a broadband energy harvester device through the multi-beam approach and non-linear trapezoidal geometry approach. The performance of the composite piezoelectric PZT-PZN polycrystalline ceramic material is simulated using COMSOL Multiphysics, and results are compared using series configuration of a composite bimorph energy harvester which vibrates at its 1st fundamental frequency. We chose a five cantilever multibeam harvester to demonstrate that individual fundamental modes of the beams can achieve a broader frequency band and generate power. Authors also show that composite trapezoidal beam design leads to high power density broadband frequency response. The multibeam approach resulted in broader bandwidth of 18 Hz while generating a power density of 0.0913 mW/cm3 whereas the trapezoidal shape generated 2.3 – 2.5 mW/cm3 with a bandwidth of 4 to 6 Hz. Authors believe that these results could help design broadband energy harvesters to enhance power density as well as bandwidth.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

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 recherche0,0010,000
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 Opus0,102
Tête enseignante GPT0,351
Écart entre enseignants0,249 · 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'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

Citations8
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Materials Science ResearchMême sujetInnovative Energy Harvesting TechnologiesTravaux en français237 207