Vibrational Triboelectric Nanogenerator-Based Multinode Self-Powered Sensor Network for Machine Fault Detection

摩擦电效应 故障检测与隔离 断层(地质) 无线传感器网络 能量收集 振动 发射机 传感器节点 计算机科学 功率(物理) 工程类 电气工程 嵌入式系统 汽车工程 材料科学 实时计算 无线 无线传感器网络中的密钥分配 电信 无线网络 计算机网络 执行机构 地震学 复合材料 地质学 频道(广播) 物理 量子力学
作者
Wenjian Li,Yaoyao Liu,Shuwei Wang,Wei Li,Guoxu Liu,Junqing Zhao,Xiaohan Zhang,Chi Zhang
出处
期刊:IEEE-ASME Transactions on Mechatronics [Institute of Electrical and Electronics Engineers]
卷期号:25 (5): 2188-2196 被引量:45
标识
DOI:10.1109/tmech.2020.2993336
摘要

Physical parameter sensing largely benefits the lifetime and operational costs of machines and has been widely used for machine fault detection. Herein, in this article, we developed a multinode sensor network, which is fully self-powered by harvesting mechanical vibration energy, to establish a machine fault detection system. A multilayered vibrational triboelectric nanogenerator (V-TENG) was designed to scavenge energy from working machines. Triggered by a vibration motion with the frequency of 8 Hz, the V-TENG can generate an output with power density of 3.33 mW/m 3 . With a power management module, the microcontrol unit integrated with sensors and a wireless transmitter can be continuously powered by the V-TENG to construct a self-powered vibration sensor node (SVSN). A supporting vector machine algorithm-based machine fault detection system was then established through a three-SVSN network by acquiring acceleration and temperature data from the working machine. Based on the system, different working conditions of the machine were recognized with an accuracy of 83.6%. The TENG-based SVSN for machine fault detection has demonstrated wide prospects in production monitoring, intelligent manufacturing, and smart factory. Moreover, the proposed self-powered sensor network has great potential and wide application in the era of distributed Internet of Things, artificial intelligence, and big data.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
mmyhn应助梦白鸽采纳,获得20
刚刚
Ava应助junzilan采纳,获得10
1秒前
热心芷雪发布了新的文献求助10
2秒前
sbf发布了新的文献求助10
3秒前
4秒前
6秒前
qoq完成签到,获得积分10
6秒前
郑雅柔完成签到 ,获得积分10
7秒前
zjut12ty完成签到,获得积分10
9秒前
Zhengyiwu完成签到,获得积分10
10秒前
keke完成签到,获得积分10
10秒前
SciGPT应助qudie采纳,获得10
13秒前
seaya完成签到,获得积分10
13秒前
科研通AI2S应助wangayting采纳,获得10
14秒前
14秒前
王赤菽发布了新的文献求助10
15秒前
lbxlbxlbx完成签到 ,获得积分10
15秒前
梅痕公子完成签到,获得积分10
16秒前
科研通AI2S应助端庄的信封采纳,获得10
17秒前
18秒前
医研丁真完成签到,获得积分10
18秒前
一只胖球球完成签到,获得积分10
19秒前
20秒前
英俊的铭应助ymym采纳,获得10
20秒前
roger完成签到,获得积分10
20秒前
苦味酸发布了新的文献求助30
20秒前
21秒前
ahgjhns完成签到,获得积分10
21秒前
22秒前
zjut12ty关注了科研通微信公众号
22秒前
LXM发布了新的文献求助10
22秒前
晨青发布了新的文献求助10
23秒前
23秒前
shelly关注了科研通微信公众号
24秒前
25秒前
hhhh发布了新的文献求助10
25秒前
崔崔发布了新的文献求助10
25秒前
xiaofei666完成签到,获得积分10
26秒前
从容芮应助yy采纳,获得10
26秒前
26秒前
高分求助中
Sustainability in ’Tides Chemistry 1500
The ACS Guide to Scholarly Communication 1000
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Handbook of the Mammals of the World – Volume 3: Primates 805
Ethnicities: Media, Health, and Coping 800
Gerard de Lairesse : an artist between stage and studio 500
Digging and Dealing in Eighteenth-Century Rome 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3069526
求助须知:如何正确求助?哪些是违规求助? 2723409
关于积分的说明 7481777
捐赠科研通 2370508
什么是DOI,文献DOI怎么找? 1257007
科研通“疑难数据库(出版商)”最低求助积分说明 609800
版权声明 596852