Energy Harvesting Microelectromechanical System for Condition Monitoring Based on Piezoelectric Transducer Ring
Notice bibliographique
Résumé
For complex mechanical transmission equipment, shaft bearings are usually enclosed together with the shaft in the internal space of the housing to maintain good sealing and reliability. However, it is difficult to monitor the status of the shaft bearing through external sensors on the housing, while internal sensors face challenges in energy supply and data transmission. Therefore, a piezoelectric transducer ring-based energy harvesting microelectromechanical system (PTR-EH-MEMS) is proposed for the condition monitoring of shaft bearings. Specifically, the piezoelectric transducer ring is designed to convert mechanical vibrations into electrical energy, which simultaneously acts as a self-powered monitoring sensor through energy harvesting. In addition, the MEMS is embedded for piezoelectric data processing and condition monitoring of the shaft bearings. To verify the proposed PTR-EH-MEMS, an experimental investigation is implemented under different conditions. The experimental results demonstrate that the system can achieve the maximum DC output of 0.8 V and the root mean square power of 43.979 μW within 128 s, which can effectively identify early-stage bearing faults frequency through a self-powered mode. By combining energy harvesting with condition monitoring capability, the PTR-EH-MEMS offers a compact and sustainable approach for predictive maintenance in rotating machinery, reducing the reliance on external power sources and enhancing the reliability of industrial systems.
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 | 0,000 |
| 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 ».