MétaCan
Menu
Retour à la cohorte
Enregistrement W4303857056 · doi:10.3390/mi13101651

Comparative Study of Gravimetric Humidity Sensor Platforms Based on CMUT and QCM

2022· article· en· W4303857056 sur OpenAlexfundno aff
Zhou Zheng, Guodong Zhang, Xiaomin Wang, Xu Kong

Notice bibliographique

RevueMicromachines · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueGas Sensing Nanomaterials and Sensors
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of WaterlooNatural Science Foundation of Shandong ProvinceUniversity of TorontoStrongShandong University of Science and TechnologyShandong University
Mots-clésQuartz crystal microbalanceMaterials scienceGravimetric analysisHumidityUltrasonic sensorCapacitive sensingRelative humidityCapacitive micromachined ultrasonic transducersRepeatabilityGeophoneLinearitySensitivity (control systems)AcousticsElectrical engineeringComposite materialElectronic engineeringChemistryEngineeringPiezoelectricity

Résumé

récupéré en direct d'OpenAlex

Humidity sensors with comprehensive performance are of great interest for industrial and environmental applications. Most sensors, however, have to compromise on at least one characteristic such as sensitivity, response speed, and linearity. This paper reports a gravimetric humidity sensor based on a capacitive micromachined ultrasonic transducer (CMUT) with exceptional all-around performance, and presents a side-by-side comparative investigation of two types of gravimetric humidity sensors for a better understanding of their characteristics and sensing mechanisms. For these purposes, a circular CMUT and a quartz crystal microbalance (QCM) with a resonance frequency of 10 MHz were designed and fabricated. Poly(vinyl alcohol) (PVA) was employed as the humidity sensing layer for its hydrophilicity and ease of film formation. The electrical properties of the sensors, including the electrical input impedances and quality factors, were characterized by a vector network analyzer. The relative humidity (RH) sensing performance of the sensors was evaluated and compared from RH levels of 11% to 97%. Both sensors exhibited good repeatability and low hysteresis. The unique microscale resonant structure of the CMUT humidity sensor contributed to a high sensitivity of 2.01 kHz/%RH, short response and recovery times of 8 s and 3 s, respectively, and excellent linearity (R2 = 0.973), which were far superior to their QCM counterparts. The underlying mechanism was revealed and discussed.

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)0,001
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
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 Opus0,019
Tête enseignante GPT0,231
Écart entre enseignants0,213 · 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

Citations10
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMicromachinesMême sujetGas Sensing Nanomaterials and SensorsTravaux en français237 207