MétaCan
Menu
Retour à la cohorte
Enregistrement W2895155795 · doi:10.1109/lsens.2018.2874062

Topology: A Source of Nonlinearity in the MEMS Thermal Accelerometer

2018· article· en· W2895155795 sur OpenAlexafffund
Jamal Bahari, Carlo Menon

Notice bibliographique

RevueIEEE Sensors Letters · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced MEMS and NEMS Technologies
Établissements canadiensSimon Fraser University
Organismes subventionnairesCanadian Institutes of Health ResearchNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésLinearityAccelerometerAccelerationRotation (mathematics)PhysicsConcentricNonlinear systemSymmetry (geometry)Topology (electrical circuits)ThermalGravitational accelerationProof massNatural convectionMicroelectromechanical systemsGravitationMechanicsOpticsComputational physicsConvectionGeometryElectrical engineeringClassical mechanicsEngineeringOptoelectronicsMathematicsThermodynamics

Résumé

récupéré en direct d'OpenAlex

This article reports the effect of package and constituent geometries on the response linearity of a micromachined single-axis thermal accelerometer. To investigate this phenomenon, a packaged device is filled with a high-density gas inside a sealed chamber on a rotation stage, and its response is measured as its sensitive axis of acceleration is tilted relative to the Earth's gravitational acceleration g = 9.81 m/s2. Linearity of the response is examined compared to an analytical model describing natural convection between horizontal heated concentric cylinders. In a 360° turn, full-scale nonlinearities of 3.1% and 0.9% are measured in each half cycle. This asymmetrical performance is attributed to a lower level of geometrical symmetry in the packaged device. To compensate for the modulated response, a geometrical correction factor is introduced to the model, improving its performance prediction with a symmetrical full-scale linearity error of 0.5%.

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)0,002
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: aucune
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
Métarecherche0,0000,002
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 savante0,0000,001
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 Opus0,016
Tête enseignante GPT0,240
Écart entre enseignants0,223 · 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

Citations3
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Sensors LettersMême sujetAdvanced MEMS and NEMS TechnologiesTravaux en français237 207