In-Ear Energy Harvesting: Harvester Design and Validation (Part II)
Notice bibliographique
Résumé
The mechanical deformation of the ear canal induced by the temporomandibular joint movement constitutes a promising source of energy to power in-ear devices (hearing aids, communication earpieces, etc.). The large morphological variability of the human ear canal and its intrinsic dynamic characteristics—with displacement frequencies below 1.5 Hz with an average volume variation of 60 mm3—motivate the development of non-conventional dedicated energy harvesting methods. This paper demonstrates the concept and design of a modular hydraulic–piezoelectric self-actuated frequency up-conversion micromachine for energy harvesting. The mechanical energy is conveyed using a liquid-filled custom fitted earplug, which can be considered as a hydraulic pump. A hydraulic circuit composed of a pressure amplifier, two driven valves and two check valves allows to drive two micro-pistons. These micro-pistons actuate a bistable oscillator associated to a piezoelectric transducer allowing the low frequency mechanical excitation to be efficiently converted into electric energy through frequency-up conversion. The two integrated passively driven valves are based on tube buckling and allow the pistons to act alternatively on the oscillator to generate a backward and forward run for two jaw movements. A complete theoretical multiphysics model of the machine has been established for the design and evaluation of the potential of the proposed approach. Global analytical and refined FEM approaches have been combined to integrate the fluid and mechanical behaviors. Based on simulation and preliminary experimental data, the harvested energy is expected to be 8 µJ for one jaw closing, with a theoretical 40% end-to-end conversion efficiency.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».