5G-enabled, battery-less smart skins for self-monitoring megastructures and digital twin applications
Notice bibliographique
Résumé
Abstract With the current development of the 5G infrastructure, there presents a unique opportunity for the deployment of battery-less mmWave reflect-array-based sensors. These fully-passive devices benefit from having a larger detectability than alternative battery-less solutions to create self-monitoring megastructures. The presented ’smart’ skin sensor uses a Van-Atta array design enabling ubiquitous local strain monitoring for the structural health monitoring of composite materials featuring wide interrogation angles. Proof-of-concept prototypes of these ’smart’ skin millimeter-wave identification tags, that can be mounted on or embedded within common materials used in wind turbine blades, present a highly-detectable radar cross-section of -33.75dBsm and -35.00dBsm for mounted and embedded sensors respectively. Both sensors display a minimum resolution of 202µ-strain even at 40◦ off-axis enabling interrogation of the fully-passive sensor at oblique angles of incidence. When interrogated from a proof-of-concept reader, the fully-passive, sticker-like mmID enables local strain monitoring of both carbon fiber and glass fiber composite materials. The sensors display a repeatable and recoverable response over 0 to 3000µ-strain and a sensitivity of 7.55kHz/µ-strain and 7.92kHz/µ-strain for mounted and embedded sensors, respectively. Thus, the presented 5G-enabled battery-less sensor presents massive potential for the development of ubiquitous Digital Twinning of composite materials in future smart cities architectures.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».