Vibration-based energy harvesting in large-scale civil infrastructure: a comprehensive outlook of current technologies and future prospects
Notice bibliographique
Résumé
Vibration-based energy harvesting (VEH) is a highly sought-after technology that attracts tremendous attention in various engineering applications to meet energy demands. Researchers have published numerous papers discussing various VEH devices utilizing different scavenging methodologies. However, a detailed and comprehensive insight into how this technology could be used in diverse large-scale smart civil infrastructure is lacking. To meet this need, this paper comprehensively reviews VEH techniques in the last decade within civil infrastructure, a critical domain for generating clean, sustainable energy. The review evaluates the deployment of VEH across a diverse range of large-scale infrastructure that consistently encounters vibrations, such as bridges, buildings, wind turbines, railways, tunnels, roads, and pavements. The literature is systematically classified into thematic case studies, employing diverse VEH methodologies, including piezoelectric (PE), electromagnetic (EM), and triboelectric (TE) transduction approaches. This review focuses explicitly on single energy harvesting (EH), where only one energy source and one transduction mechanism are used and does not include hybrid EH mechanisms. This review distinguishes itself by examining a broad spectrum of civil infrastructure, thus highlighting its novelty and expanding beyond previous reviews that focused on a single infrastructure type. Moreover, the paper identifies gaps and limitations in the current landscape over the last 10 years and articulates future research directions, culminating in key conclusions that advance the field of VEH in smart civil engineering applications.
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 | 0,001 | 0,001 |
| 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 ».