Self‐Powered In Situ Sensing for Planetary Gearbox via Floating Freestanding‐Layer Mode Triboelectric Nanogenerator
Notice bibliographique
Résumé
Abstract Planetary gearboxes, a critical component in industrial transmission systems, present significant challenges for condition‐monitoring technologies owing to their complex motion characteristics. Traditional monitoring methods are often susceptible to environmental noise interference and rely on external power supply systems, complicating maintenance and increasing costs. This study presents an in situ sensing system for planetary gearboxes using a floating freestanding‐layer‐mode triboelectric nanogenerator (FF‐TENG) integrated on the side of planet gear. By utilizing the inherent axial micromotion characteristics during operation, the system employs a floating‐electrode structure with adaptive gap adjustment to prevent contact wear between the electrode and the dielectric layer, which significantly enhances system durability. Key parameters are systematically analyzed to examine the FF‐TENG's output characteristics and working mechanism. The FF‐TENG exhibited outstanding speed‐monitoring capabilities across diverse rotational speeds. Furthermore, a local maximum mean discrepancy improved transformer encoder model is designed. The model achieved 98.4% accuracy in fault diagnosis across different rotational speeds and fault modes. Then, FF‐TENG is applied to the planetary gearbox of a robotic arm, realizing in situ sensing of its motion behavior. This research introduces a self‐powered in situ sensing system for planetary gearboxes using TENG, providing a new approach for rotating machinery in situ sensing.
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 ».