MétaCan
Menu
Retour à la cohorte
Enregistrement W4415678418 · doi:10.1016/j.ymssp.2025.113555

Transducer configurations for enhanced power density in cylindrical electromagnetic vibration energy harvesters

2025· article· en· W4415678418 sur OpenAlexafffund
David Alexander Ells, Chris K. Mechefske, Yongjun Lai

Notice bibliographique

RevueMechanical Systems and Signal Processing · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueInnovative Energy Harvesting Technologies
Établissements canadiensQueen's University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésTransducerMagnetic flux leakageElectromagnetic coilMagnetVibrationMagnetic fluxMagnetic fieldPower densityMagnetic circuit

Résumé

récupéré en direct d'OpenAlex

• A systematic comparison of cylindrical electromagnetic VEH transducers is presented. • A novel fully enclosed back iron design is proposed to concentrate the magnetic flux. • Simulations show the novel transducer improves magnetic flux density by 74 percent. • The magnetic flux leakage is reduced by over 99 percent for the novel transducer. • Tests show a max power of 44.50 mW and 4.25m W/cm 3 power density in 1 g vibrations. Vibration energy harvesters (VEHs) convert the mechanical energy of vibrations into electrical energy and can power wireless sensor networks. However, there are challenges to overcome in the development of practical VEHs that include maximizing the converted energy and energy density. This work presents a systematic comparison of cylindrical electromagnetic VEH transducers and a novel transducer configuration to address these challenges. An enclosure and spring system was designed, and a basic single cylindrical magnet transducer was established as a baseline. Multiple transducers were developed to investigate the use of opposing magnets and back irons to concentrate the magnetic flux. A novel transducer was introduced that incorporates a fully enclosed back iron. The transducers were simulated, fabricated, and tested experimentally. Simulations showed that the novel transducer enhanced the magnetic flux density by 74 percent from 0.23 T to 0.40 T over the coil and reduced the magnetic flux leakage by over 99 percent from 0.15 T to 3.6 × 10 −5 T below the transducer. These results show that the novel transducer effectively channels the magnetic flux over the coil and nearly eliminates magnetic flux leakage. Experimental tests in vibrations of 60 Hz and 1 g RMS demonstrated a maximum power generation of 44.50 mW and a power density of 4.25 mW/cm 3 for the novel design, representing an improvement in power density of 103 percent over the basic transducer. This study demonstrates that opposing magnets and back irons can be used to enhance the power density of electromagnetic VEH transducers and improve the overall practicality of VEHs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
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 savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,009
Tête enseignante GPT0,223
Écart entre enseignants0,214 · 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 source (Gemma direct ou Codex distillé), 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

Citations3
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMechanical Systems and Signal ProcessingMême sujetInnovative Energy Harvesting TechnologiesTravaux en français237 207