MétaCan
Menu
Retour à la cohorte
Enregistrement W4413908625 · doi:10.3390/en18174624

Implementing Wireless Charging System for Semi-Autonomous Agricultural Robots

2025· article· en· W4413908625 sur OpenAlexafffund
Abdoulaye Bodian, Alben Cardenas, Dina Ouardani, Jaber Ouakrim, Afef Bennani-Ben Abdelghani

Notice bibliographique

RevueEnergies · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueWireless Power Transfer Systems
Établissements canadiensUniversité du Québec à Trois-Rivières
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMitacsMinistère des relations internationales et de la FrancophonieCMC Microsystems
Mots-clésRobotWirelessAgricultureComputer scienceEngineeringElectrical engineeringTelecommunicationsArtificial intelligenceGeography

Résumé

récupéré en direct d'OpenAlex

The modernization of agriculture can help humanity address major challenges such as population growth, climate change, and labor shortages. Semi-autonomous agricultural robots offer clear advantages in automating tasks and improving efficiency. However, in open-field conditions, their autonomy is limited by the size and weight of onboard batteries. Wireless charging is a promising solution to overcome this limitation. This work proposes a methodology for the design, modeling, and experimental validation of a wireless power transfer (WPT) system for battery recharging of agricultural robots. A brief review of WPT technologies is provided, followed by key design considerations, co-simulation, and testing results. The proposed WPT system uses a resonant inductive power transfer topology with series–series (SS) compensation, a high-frequency inverter (85 kHz), and optimized spiral planar coils, enabling medium-range operation under agricultural conditions. The main contribution lies in the first experimental assessment of WPT performance under real agricultural environmental factors such as soil moisture and water presence, combined with electromagnetic safety evaluation and robust component selection for harsh conditions. Results highlight both the potential and limitations of this approach, demonstrating its feasibility and paving the way for future integration with intelligent alignment and adaptive control strategies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,535
Score d'incertitude au seuil0,861

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,210
Écart entre enseignants0,204 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetWireless Power Transfer SystemsTravaux en français237 207