MétaCan
Menu
Retour à la cohorte
Enregistrement W4303856594 · doi:10.3390/mi13101676

Recent Advances in MEMS-Based 3D Hemispherical Resonator Gyroscope (HRG)—A Sensor of Choice

2022· review· en· W4303856594 sur OpenAlexaff
Ahmad Rahbar Ranji, Vijayakanthan Damodaran, Kevin Li, Zilang Chen, Shahpour Alirezaee, Mohammed Jalal Ahamed

Notice bibliographique

RevueMicromachines · 2022
Typereview
Langueen
DomaineEngineering
ThématiqueAdvanced MEMS and NEMS Technologies
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésMicroscale chemistryGyroscopeFabricationMicrofabricationMicroelectromechanical systemsResonatorMaterials scienceNanotechnologyOptoelectronicsAerospace engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

Macro-scale, hemispherical-shaped resonating gyroscopes are used in high-precision motion and navigation applications. In these gyroscopes, a 3D wine-glass, hemispherical-shaped resonating structure is used as the main sensing element. Motivated by the success of macroscale hemispherical shape gyroscopes, many microscale hemispherical-shaped resonators have been produced due to the rapid advancement in semiconductor-based microfabrication technologies. The dynamic performance of hemispherical resonators depends on the degree of symmetry, uniformity of thickness, and surface smoothness, which, in turn, depend on the type of materials and fabrication methods. The main aim of this review paper is to summarize the materials, characterization and fabrication methods reported in the literature for the fabrication of microscale hemispherical resonator gyroscopes (µHRGs). The theory behind the development of HRGs is described and advancements in the fabrication of microscale HRGs through various semiconductor-based fabrication techniques are outlined. The integration of electrodes with the hemispherical structure for electrical transduction using other materials and fabrication methods is also presented. A comparison of different materials and methods of fabrication from the point of view of device characteristics and dynamic performance is discussed. This review can help researchers in their future research and engineers to select the materials and methods for µHRG development.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 GPT0,312
Écart entre enseignants0,288 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations48
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMicromachinesMême sujetAdvanced MEMS and NEMS TechnologiesTravaux en français237 207