Vibration frequency measurement by DNA-shaped metamaterial array
Notice bibliographique
Résumé
Detecting the vibration frequency is a fundamental task of vibration testing. Constrained by the working principle relying on the electrical signal, the current vibration measurement techniques are either expensive, time-consuming, not portable, or susceptible to electromagnetic interference. This research proposes a novel vision-based vibration frequency measurement technique by introducing a mechanical metamaterial array. The array is consisting of a certain number of DNA-shaped metamaterials. Due to the flexible design of metamaterials, the design parameters of different DNA metamaterials can be adjusted to achieve their distinct vibration patterns under certain excitation frequencies, especially the different rotating angles. As a result, when the metamaterial array is attached to a vibrating object, the vibration frequency from the target can be estimated by comparing the vibration patterns of different individual metamaterials. The design of the DNA-shaped metamaterial is first optimized by finite element analysis (FEA) to achieve a significant rotation angle during vibration. Selective laser sintering (SLS) 3D printing is used to create finalized DNA-shaped metamaterials that are subsequently assembled into array structures. The persistence of vision technology is utilized to provide a clear view of the rotational motions. Frequency visualization is achieved through time-lapse photography experiments along with a new data processing algorism to resolve the frequency from rotating motions of the metamaterials array. The simulation and experiment results demonstrate the feasibility and efficiency of the proposed methodology for rapid, noncontact, wireless detection of the vibration frequency of an object.
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 ».