MétaCan
Menu
Retour à la cohorte
Enregistrement W4383031853 · doi:10.11591/ijra.v12i3.pp248-261

Designing and implementing a multi-function board to increase the operation time of mobile robots using solar panels

2023· article· en· W4383031853 sur OpenAlexaff
Ali Jebelli, Arezoo Mahabadi

Notice bibliographique

RevueIAES International Journal of Robotics and Automation (IJRA) · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueIoT-based Smart Home Systems
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésBattery (electricity)RobotAutomotive engineeringCharge controllerController (irrigation)Mobile robotDuration (music)Power (physics)Solar energyComputer scienceElectrical engineeringSimulationBattery capacityEngineeringArtificial intelligencePhysics

Résumé

récupéré en direct d'OpenAlex

Today, the use of mobile robots and autonomous vehicles has increased due to their use in various industries, and their performance and duration of operation largely depend on the amount of energy consumed and their batteries. One of the ways to increase the operation time of robots is the use of solar panels that can charge their batteries while moving, but the amount of energy received from solar panels reduces their efficiency due to factors affecting them, such as the angle of the sun, weather conditions, and their use in mobile robots alone is not recommended. In this research, we introduce an electric circuit with very low losses to increase the received power of solar panels and increase their efficiency, which is able to supply the power of the robot through solar panels when the sunlight and the angle of radiation are suitable and charge the batteries through the maximum power point controller (MPPC), and by reducing the amount of energy received from the panels by changing the energy source to the battery, the duration of the system’s dependence on the battery has decreased, which increases the duration of the mobile robots.

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)0,001
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 enseignants0,395
Score d'incertitude au seuil0,350

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,018
Tête enseignante GPT0,269
Écart entre enseignants0,251 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIAES International Journal of Robotics and Automation (IJRA)Même sujetIoT-based Smart Home SystemsTravaux en français237 207