MétaCan
Menu
Retour à la cohorte
Enregistrement W3131911782 · doi:10.1115/imece2020-23938

Hydrokinetic Vortex Induced Vibration (VIV) Energy Harvester

2020· article· en· W3131911782 sur OpenAlexaff
Xiaoyu Zhou, Vesselina Roussinova, Vesselin Stoilov

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueInnovative Energy Harvesting Technologies
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésBluffVibrationVortex-induced vibrationAcousticsAmplitudeTransducerEnergy harvestingVortexCylinderMechanicsPhysicsEnergy (signal processing)Power (physics)Flow (mathematics)Vortex sheddingMaterials scienceEngineeringReynolds numberMechanical engineeringTurbulenceOptics

Résumé

récupéré en direct d'OpenAlex

Abstract This paper investigates the performance of vortex-induced vibration (VIV) energy harvester in low-speed water flow. The proposed VIV harvester is extracting hydrokinetic energy from the flowing current and transferring it into mechanical vibrations. The vibrations are further converted into electrical energy using the piezoelectric transducer to supply the modern demand for energy-consumption. To meet the demand, the single harvester is analyzed to determine the suitable geometry for the bluff body that is sensitive to the low-speed flow. Furthermore, the converter must be able to harvest vibrations of varying amplitudes and frequencies. To maximize the power output, different array configurations of multiple bluff bodies are examined. A single positively buoyant elastically mounted cylinder is tested experimentally and at a low flow speed of 0.3 m/s, it can harvest vibrations with an average frequency of 1.8 Hz and peak to peak amplitude of 1.5d, where d is the diameter of the bluff body. It was found that for an array consisting of ten bluff bodies, the average frequency and peak to peak amplitude increases to 2.09Hz and 1.54d, respectively.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,342
Score d'incertitude au seuil0,592

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 Opus0,024
Tête enseignante GPT0,190
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

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'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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetInnovative Energy Harvesting TechnologiesTravaux en français237 207