Parametric variability is inevitable in actual energy harvesters and can define crucial aspects of the system performance, especially in susceptible systems to small perturbations. In this way, this work aims to identify the most critical parameters in the dynamics of (a)symmetric bistable energy harvesters with nonlinear piezoelectric coupling, considering the variability of their physical and excitation parameters. For this purpose, a global sensitivity analysis based on the Sobol' indices is performed by an orthogonal decomposition in terms of conditional variances to access the dependence of the recovered power concerning the harvester parameters. This technique quantifies the variance concerning each parameter individually and jointly regarding the total variation of the model. The results indicate that the frequency and amplitude of excitation, asymmetric bias angle, and piezoelectric coupling at the electrical domain are the most influential parameters that affect the mean power harvested. It has also been shown that the order of importance of the parameters can change from stable conditions. In possession of this, a better understanding of the system under analysis is obtained, identifying vital parameters that rule the change of dynamic behavior and constituting a powerful tool in the robust design and prediction of nonlinear harvesters.


翻译:在实际能源采集器中,参数的可变性是不可避免的,可以界定系统性能的关键方面,特别是在容易受小扰动影响的系统中。这样,这项工作旨在确定(a) 具有非线性派式电动组合的对称双向能源采集器的动态中最关键的参数,同时考虑到其物理和引力参数的可变性。为此,根据Sobol指数进行的全球敏感性分析,以获得回收能力对收割器参数的依赖性有条件差异的分解方式进行。这一技术量化了每个参数在模型整体变异方面的个别和共同差异。结果显示,在电气领域,振动、不对称偏差角度和波形电动组合的频率和振幅是影响平均收割电量的最有影响力的参数。还表明,参数的重要性顺序可以从稳定的条件变化。拥有这种分析系统后,可以更好地了解所分析的系统,确定关键参数,以决定动态行为的变化,并在非线式收割量器的稳健设计和预测中形成强有力的工具。

0
下载
关闭预览

相关内容

【干货书】机器学习Primer,122页pdf
专知会员服务
106+阅读 · 2020年10月5日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
152+阅读 · 2019年10月12日
MIT新书《强化学习与最优控制》
专知会员服务
275+阅读 · 2019年10月9日
最新BERT相关论文清单,BERT-related Papers
专知会员服务
52+阅读 · 2019年9月29日
意识是一种数学模式
CreateAMind
3+阅读 · 2019年6月24日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
【SIGIR2018】五篇对抗训练文章
专知
12+阅读 · 2018年7月9日
【推荐】深度学习情感分析综述
机器学习研究会
58+阅读 · 2018年1月26日
人工智能 | 国际会议/SCI期刊约稿信息9条
Call4Papers
3+阅读 · 2018年1月12日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
0+阅读 · 2021年9月10日
Generating Fact Checking Explanations
Arxiv
9+阅读 · 2020年4月13日
Arxiv
4+阅读 · 2018年1月15日
VIP会员
相关资讯
意识是一种数学模式
CreateAMind
3+阅读 · 2019年6月24日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
【SIGIR2018】五篇对抗训练文章
专知
12+阅读 · 2018年7月9日
【推荐】深度学习情感分析综述
机器学习研究会
58+阅读 · 2018年1月26日
人工智能 | 国际会议/SCI期刊约稿信息9条
Call4Papers
3+阅读 · 2018年1月12日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员