MétaCan
Menu
Retour à la cohorte
Enregistrement W2980810818 · doi:10.3390/en12203942

Human Body Heat Based Thermoelectric Harvester with Ultra-Low Input Power Management System for Wireless Sensors Powering

2019· article· en· W2980810818 sur OpenAlexaff
Chengshuo Xia, Daxing Zhang, Witold Pedrycz, Kangqi Fan, Yongxian Guo

Notice bibliographique

RevueEnergies · 2019
Typearticle
Langueen
DomaineMaterials Science
ThématiqueAdvanced Thermoelectric Materials and Devices
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNational Natural Science Foundation of ChinaLoughborough University
Mots-clésEnergy harvestingThermoelectric generatorElectrical engineeringWireless sensor networkPower managementElectricityMicrocontrollerSensor nodeEnergy storageElectric potential energyVoltagePower (physics)Thermoelectric effectWirelessAutomotive engineeringEngineeringComputer scienceTelecommunicationsWireless networkKey distribution in wireless sensor networksPhysics

Résumé

récupéré en direct d'OpenAlex

Energy harvesting (EH) technique has been proposed as a favorable solution for addressing the power supply exhaustion in a wireless sensor node and prolong the operating time for a wireless sensor network. Thermoelectric energy generator (TEG) is a valuable device converting the waste heat into electricity which can be collected and stored for electronics. In this paper, the thermal energy from human body is captured and converted to the low electrical energy by means of thermoelectric energy harvester. The aim of presented work is utilizing the converted electricity to power the related electronic device and to extend the working life of a sensor node. Considering the related characteristics of TEG used for human, a type of a novel power management system is designed and presented to harvest generated electricity. The proposed circuit is developed based on off-the-shelf commercial chips, LTC3108 and BQ25504. It can accept the lowest input voltage of 20 mV, which is more suitable for human thermoelectric energy harvesting. Through experiments, developed energy harvesting system can effectively power the sensor to intermittently transmit the data as well as perform the converted energy storage. Compared to the independent commercial chips applications and other microcontroller-based energy harvesting systems, the designed thermoelectric energy harvester system presents the advantages not only in high energy storage utilization rate but also the ultra-low input voltage characteristic. Since the heat from human body is harvested, therefore, the system can possibly be used to power the sensor placed on human body and has practical applications such as physiological parameter monitoring.

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: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

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 ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,005
Tête enseignante GPT0,214
Écart entre enseignants0,209 · 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

Citations28
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetAdvanced Thermoelectric Materials and DevicesTravaux en français237 207