MétaCan
Menu
Retour à la cohorte
Enregistrement W4317653571 · doi:10.1177/1045389x221151064

Validation and optimization of two models for the magnetic restoring forces using a multi-stable piezoelectric energy harvester

2023· article· en· W4317653571 sur OpenAlexafffund
Haining Li, Kefu Liu, Jian Deng, Bing Li

Notice bibliographique

RevueJournal of Intelligent Material Systems and Structures · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueInnovative Energy Harvesting Technologies
Établissements canadiensLakehead University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMagnetCantileverControl theory (sociology)Sensitivity (control systems)Parametric statisticsStability (learning theory)Beam (structure)Point (geometry)VibrationDipolePopulationGenetic algorithmPiezoelectricityPhysicsEngineeringAcousticsComputer scienceMechanical engineeringStructural engineeringMathematicsElectronic engineeringMathematical optimization

Résumé

récupéré en direct d'OpenAlex

This article presents a tunable multi-stable piezoelectric energy harvester. The apparatus consists of a stationary magnet and a cantilever beam whose free end is attached by an assembly of two cylindrical magnets that can be moved along the beam and a small cylindrical magnet that is fixed at the beam tip. By varying two parameters, the system can assume three stability states: tri-stable, bi-stable, and mono-stable, respectively. The developed apparatus is used to validate two models for the magnetic restoring force: the equivalent magnetic point dipole approach and the equivalent magnetic 2-point dipole approach. The study focuses on comparing the accuracy of the two models for a wide range of the tuning parameters. The restoring forces of the apparatus are determined dynamically and compared with their analytical counterparts based on each of the models. To improve the model accuracy, a model optimization is carried out by using the multi-population genetic algorithm. With the optimum models, the parametric sensitivity of each of the models is investigated. The stability state region is generated by using the optimum second model.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,490
Score d'incertitude au seuil0,280

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 Opus0,045
Tête enseignante GPT0,266
Écart entre enseignants0,221 · 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'étudeSimulation ou modélisation
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

Citations2
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Intelligent Material Systems and StructuresMême sujetInnovative Energy Harvesting TechnologiesTravaux en français237 207