MétaCan
Menu
Retour à la cohorte
Enregistrement W3091694319 · doi:10.1109/icarm49381.2020.9195283

Study of Soft Force and Displacement Sensor Based on Dielectric Elastomer

2020· article· en· W3091694319 sur OpenAlexaff
Peng Huang, Jundong Wu, Wenjun Ye, Yawu Wang

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueDielectric materials and actuators
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésDisplacement (psychology)Soft sensorStiffnessElastomerDielectricDielectric elastomersNonlinear systemRobotCoupling (piping)Measure (data warehouse)Materials scienceMechanical engineeringComputer scienceAcousticsStructural engineeringEngineeringArtificial intelligencePhysicsComposite materialOptoelectronics

Résumé

récupéré en direct d'OpenAlex

With the desirable physical performances of high strain and low stiffness, a novel soft sensor based on the dielectric elastomer (DE) material shows great potential in the wearable devices and soft robots. Since the DE material has the complex nonlinear characteristics and the electromechanical coupling, most early works only devoted to the sensor structure design. However, the studies on the mathematical modeling of the DE sensor (DES) are insufficient. In this paper, a mathematical model of the soft sensor based on the DE material is built to describe its sensing property. Because the DES is used to measure the displacement and force simultaneously, it can serve as a soft force and displacement sensor (SFDS). Based on the experimental data, the differential evolution algorithm is employed to identify the undetermined parameters of the developed mathematical model of the SFDS. The result of model validation demonstrates the effectiveness of the model.

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 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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,430
Score d'incertitude au seuil0,281

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 savante0,0000,000
Science ouverte0,0000,000
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 Opus0,009
Tête enseignante GPT0,200
Écart entre enseignants0,191 · 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 tête enseignante, 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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetDielectric materials and actuatorsTravaux en français237 207