A Flexible Thermal/Solar Energy Harvesting System with Hysteretic Control and Maximum Power Point Tracking Regulation for IoT Devices
Notice bibliographique
Résumé
This paper presents the design of an integrated low-power management system that interfaces with ambient energy harvesters to enable self-powering, battery-less Internet of Things (IoT) devices. The proposed architecture uses hysteretic control to regulate the voltage of the energy source at its Maximum Power Point (MPP) and to provide a constant 1.8 V output voltage to the load via a boost converter. To extract maximum energy from the source under various environmental conditions, a Fractional Open-Circuit-Voltage (FOCV) based Maximum Power Point Tracking (MPPT) scheme is developed, which enables the harvester to achieve high end-to-end efficiency at low input voltages. The proposed control scheme works for a wide range of equivalent source resistance of the energy transducer and achieves$250 \mu \mathrm{s}$MPPT transient time response. The complete circuit is designed, optimized, and simulated using a 22 nm fully depleted silicon-on-insulator (FDSOI) technology using models of a thermoelectric generator (TEG) and a photovoltaic (PV) cell. The proposed harvester achieves a peak efficiency of 91.4 % with a TEG open circuit voltage range of 60–500 mV and a peak efficiency of 95.7 % with a PV cell under irradiance level from 30$\mathrm{W}/\mathrm{m}^{2}$to 1000$\mathrm{W}/\mathrm{m}^{2}$.
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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».