MétaCan
Menu
Retour à la cohorte
Enregistrement W3153602584 · doi:10.1088/1361-665x/abf69e

Power density improvement based on investigation of initial relative position in an electromagnetic energy harvester with self-powered applications

2021· article· en· W3153602584 sur OpenAlexaff
Yan Peng, Dong Zhang, Jun Luo, Shaorong Xie, Huayan Pu, Zhongjie Li

Notice bibliographique

RevueSmart Materials and Structures · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueInnovative Energy Harvesting Technologies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésPower densityElectromagnetic coilPower (physics)PhysicsMaterials scienceComputer scienceNuclear magnetic resonanceThermodynamics

Résumé

récupéré en direct d'OpenAlex

Abstract In this paper, we originally report a breakthrough in the power density of a novel electromagnetic energy harvester to scavenge ambient low-frequency vibration energy. The harvester adopted a configuration of alternating south- and north-pole magnet array, which causes a step-change in magnetic flux density, contributing to high electromotive force output. Through analysis of the coil configuration and the initial relative position between coils and magnets, the harvester can take full advantage of the abrupt flux density change, which enhances its output power significantly. Experimental results adequately validated the simulation analysis regarding the correlation between the initial relative position and output power, and exhibited a high output performance. Namely, the maximum average power and power density the harvester yields are 44.8 mW and 1.6 mW c m − 3 , respectively, with the optimum resistance of 30 Ω at resonance under the excitation of 1 g. It took the harvester around 5 min to charge a button lithium battery up to 21%. Meanwhile, a LED array composed of 180 diodes was successfully lighted up, and a calculator was powered for around 630 s within a 20 s of charging period. This research shows great potential in the development of self-powered systems.

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: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

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

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 Opus0,005
Tête enseignante GPT0,209
Écart entre enseignants0,203 · 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

Citations36
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSmart Materials and StructuresMême sujetInnovative Energy Harvesting TechnologiesTravaux en français237 207