MétaCan
Menu
Retour à la cohorte
Enregistrement W2958366727 · doi:10.14288/1.0378695

Soft capacitive sensors for proximity, touch, pressure and shear measurements

2019· article· en· W2958366727 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevuecIRcle (University of British Columbia) · 2019
Typearticle
Langueen
DomaineComputer Science
ThématiqueSensor Technology and Measurement Systems
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésCapacitive sensingPressure sensorAcousticsShear (geology)Proximity sensorMaterials scienceComputer scienceElectrical engineeringEngineeringMechanical engineeringPhysicsComposite material

Résumé

récupéré en direct d'OpenAlex

Sensors are devices that convert a physical stimulus into an electrical signal. Mechanical stimuli such as touch, pressure, strain and shear are very important for a plethora of applications. A lot of these application areas, including consumer electronics, sports, health care and robotics, require the sensor to be soft, stretchable and even transparent. In this thesis we demonstrate three capacitive sensors that are each an evolution of the preceding version. The first sensor is a flexible, transparent, proximity and touch sensor based on mutual capacitance technology - the conventional technology used in most touch-screen devices. The novelty in this research is the sensor’s ability to operate while being deformed. This is important for applications where the device is expected to experience a bend or stretch while being interacted with such as in a wearable device and smart clothing. The second sensor in this thesis adds the ability to detect pressure and strain to enable its use in further applications. The sensor uses both mutual capacitance and overlap capacitance to detect the range of stimuli mentioned. The dielectric has cylindrical air gaps that enhance the pressure sensitivity. A 4 X 4 array structure is implemented that demonstrates the detection and differentiation of the different stimuli. However, for artificial skin applications, the ability to sense shear is extremely valuable, for example for helping robots grasp objects. The third sensor developed in this thesis is able to detect proximity and light touch similar to the previous iteration, but with 10X increase in pressure sensitivity (1.3% change in capacitance per kPa applied pressure, compared to 0.13% change for the second sensor) and the ability to detect localized shear (2.2% change in capacitance per kPa of shear stress). The novelty is a patterned dielectric architecture with pillars and sliding supports that enable the top surface of the sensor to slide and buckle like real skin and therefore enable the detection of localized shear. All the sensors use readily available materials (silicone, carbon black and/or polyacrylamide), along with conventional molding and bonding techniques and should be easy to produce in large quantities at low cost.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,724
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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 savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,019
Tête enseignante GPT0,186
Écart entre enseignants0,166 · 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