Wireless Microwave Sensor Network Using Split Ring Resonators for Ice Monitoring Applications
Notice bibliographique
Résumé
Miniaturization of microwave sensor nodes contributes to the development of portable interconnected networks, expanding microwave sensors applications to distributed real-time monitoring and detection systems. This paper presents, for the first time, a portable and wireless microwave sensor network (WMSN) designed for ice monitoring applications. The network includes three sensor nodes that are wirelessly connected to a short-range central hub or server via WiFi technology for data transmission and communication. Each node within the WMSN is composed of a microwave resonator sensor and a readout circuit to monitor the ice formation in the designated area of the microwave resonator and to send the sensor data to the server. The microwave sensor is implemented using three split-ring resonator tags coupled to a transmission line, and operating at a frequency between 2.5 GHz and 3 GHz. The readout circuit is capable of inherently exciting the microwave sensor with a microwave signal at a finite number of frequencies. Then, the received signals from the resonators are converted to DC voltages to be transmitted to the server. The WMSN has been successfully tested over a temperature range of -40∘C to 20∘C and a frequency range of 1.75 GHz to 2.8 GHz at 16 discrete frequency points with a step size of 70 MHz. Measured results demonstrate that the WMSN can differentiate between ice, water, dust, and air, eliminating the need for a vector network analyzer. This feature makes the proposed WMSN attractive for industrial applications including roadways, aircraft, and wind turbines.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».