MétaCan
Menu
Retour à la cohorte
Enregistrement W2922366618 · doi:10.1109/jsen.2019.2904025

Nonlinear Multi-Mode Wideband Piezoelectric MEMS Vibration Energy Harvester

2019· article· en· W2922366618 sur OpenAlexafffund
Seyedfakhreddin Nabavi, Lihong Zhang

Notice bibliographique

RevueIEEE Sensors Journal · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueInnovative Energy Harvesting Technologies
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMemorial University of NewfoundlandResearch and Development Corporation of Newfoundland and LabradorCanada Foundation for InnovationCMC Microsystems
Mots-clésBandwidth (computing)Nonlinear systemEnergy harvestingWidebandMicroelectromechanical systemsPiezoelectricityVoltageVibrationProof massPower densityComputer sciencePhysicsElectrical engineeringAcousticsElectronic engineeringEnergy (signal processing)Power (physics)EngineeringOptoelectronicsTelecommunications

Résumé

récupéré en direct d'OpenAlex

The conventional micro-electromechanical system (MEMS) energy harvesters can only generate voltage disadvantageously in a narrow bandwidth at higher frequencies. In this paper, we propose a piezoelectric MEMS harvester with the capability of vibrating in multi-degrees-of-freedom, whose operational bandwidth is enhanced by taking the advantage of both the multimodal and nonlinear mechanisms. The proposed harvester has a symmetric structure with a doubly-clamped configuration enclosing three proof masses in distinct locations. Thanks to the uniform mass distribution, the energy harvesting efficiency can be considerably enhanced. To determine the optimum geometry for the preferred nonlinear behavior, we propose an automated design and optimization methodology based on the genetic algorithm (GA). By using the micromachining process, our optimized harvester with a total volume of 4.1 mm3has been fabricated and measured. The prototype measurements demonstrate that our proposed piezoelectric MEMS harvester is able to generate voltage with a frequency bandwidth of 59 Hz, ranging from 227 to 286 Hz. When the device operates at its second-mode resonant frequency, the nonlinear behavior can be obtained with an extremely small magnitude of the base excitation (i.e., 0.2 m/s2). Its normalized power density (NPD) of 595.12 (μW·cm-3·m-2·s4) is found to be superior to any previously reported wideband aluminum nitride (AlN) piezoelectric MEMS harvesters in the literature.

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 seuil0,002

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 Opus0,014
Tête enseignante GPT0,232
Écart entre enseignants0,218 · 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

Citations69
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Sensors JournalMême sujetInnovative Energy Harvesting TechnologiesTravaux en français237 207