Cantilevered Piezoelectric Micro Generator Design Issues and Application to the Mining Locomotive
Notice bibliographique
Résumé
This paper will present a complete discussion in recent design strategies for harvesting vibration energy using piezoelectric cantilever transducers. The interest in this primary energy source is due to its presence in non-negligible quantities in most of the engines used in the industrial process. Previous work has shown that it is possible to harvest significant amounts of energy capable of supplying a wireless sensor (WS) node. However, in most research, only one step of the energy conversion and utilization chain is studied. Starting from the definition of the different design issues for a piezoelectric micro generator (PMG), the leading optimization solutions will be reviewed in this paper. Based on the findings, the quantification of the data transmission range of wireless sensor nodes powered by a PMG is proposed to support the objectives envisioned by Industry 4.0. The vibration characteristics taken from mining locomotives that have not yet been treated previously are used to illustrate the improvement of the various optimization solutions. Through our objectives, this work offers a comprehensive discussion on the use of vibrational energy by wireless sensors, bringing together the fields of mechanics, electrical, electronics, and wireless communications. The theoretical basis for each design stage is provided through the design equations. Based on actual measurements of ambient vibration, it is demonstrated, considering an optimal design of the PMG, that a WS could transmit data beyond 1 km for physical phenomena to be controlled every 7 min.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».