FUNKCJONALNIE ZINTEGROWANY PRZYRZĄD DO POMIARU TEMPERATURY
##plugins.themes.bootstrap3.article.sidebar##
Numer Tom 14 Nr 4 (2024)
-
IDENTYFIKACJA SZTYWNEJ PRZESZKODY O DOWOLNYM KSZTAŁCIE OŚWIETLONEJ PŁASKĄ FALĄ AKUSTYCZNĄ PRZY UŻYCIU DANYCH Z BLISKIEGO POLA
Tomasz Rymarczyk, Jan Sikora5-9
-
OBRAZOWANIE OPARTE NA CZĘSTOTLIWOŚCI RADIOWEJ DO LOKALIZACJI WEWNĄTRZ POMIESZCZEŃ Z WYKORZYSTANIEM TECHNIK BEZPAMIĘCIOWYCH I TECHNOLOGII BEZPRZEWODOWEJ
Tammineni Shanmukha Prasanthi, Swarajya Madhuri Rayavarapu, Gottapu Sasibhushana Rao, Raj Kumar Goswami, Gottapu Santosh Kumar10-15
-
INTELIGENTNA TECHNOLOGIA DOPASOWYWANIA DLA ELASTYCZNYCH ANTEN
Olena Semenova, Andriy Semenov, Stefan Meulesteen, Natalia Kryvinska, Hanna Pastushenko16-22
-
RÓŻNICOWE MAPOWANIE MACIERZY MULLERA SKŁADNIKA POLIKRYSTALICZNEGO TKANEK BIOLOGICZNYCH NARZĄDÓW LUDZKICH
Andrei Padure, Oksana Bakun, Ivan Mikirin, Oleksandr Dubolazov, Iryna Soltys, Oleksandr Olar, Yuriy Ushenko, Oleksandr Ushenko, Irina Palii, Saule Kumargazhanova23-27
-
SELEKTOR POLARYZACJI NA FALOWODACH CZĘŚCIOWO WYPEŁNIONYCH DIELEKTRYKIEM
Vitaly Pochernyaev, Nataliia Syvkova, Mariia Mahomedova28-31
-
FUNKCJONALNIE ZINTEGROWANY PRZYRZĄD DO POMIARU TEMPERATURY
Les Hotra, Oksana Boyko, Igor Helzhynskyy, Hryhorii Barylo, Marharyta Rozhdestvenska, Halyna Lastivka32-37
-
BADANIA PROCESU KONTROLI OZONU Z WYKORZYSTANIEM CZUJNIKÓW ELEKTRONICZNYCH
Sunggat Marxuly, Askar Abdykadyrov, Katipa Chezhimbayeva, Nurzhigit Smailov38-45
-
OPTYMALIZACJA FARM WIATROWYCH: PORÓWNAWCZE ZWIĘKSZENIE WYDAJNOŚCI W WARUNKACH NISKIEJ PRĘDKOŚCI WIATRU
Mustafa Hussein Ibrahim, Muhammed A. Ibrahim, Salam Ibrahim Khather46-51
-
STEROWANIE MPPT SYSTEMU PV: ANALIZA PORÓWNAWCZA ALGORYTMÓW P&O, INCCOND, SMC I FLC
Khoukha Bouguerra, Samia Latreche, Hamza Khemlche, Mabrouk Khemliche52-62
-
15-POZIOMOWY ASYMETRYCZNY FALOWNIK WIELOPOZIOMOWY OPARTY NA TECHNOLOGII DSTATCOM POPRAWIAJĄCY JAKOŚĆ ZASILANIA
Panneerselvam Sundaramoorthi, Govindasamy Saravana Venkatesh63-70
-
SYMULACJA KOMPUTEROWA ZWARCIA TRANSFORMATORA NADPRZEWODNIKOWEGO
Leszek Jaroszyński71-74
-
STEROWANIE ZORIENTOWANE POLOWO DLA SILNIKÓW INDUKCYJNYCH OPARTE NA SZTUCZNEJ INTELIGENCJI
Elmehdi Benmalek, Marouane Rayyam, Ayoub Gege, Omar Ennasiri, Adil Ezzaidi75-81
-
BADANIE ZMIAN POZIOMU BEZPIECZEŃSTWA SIECI W OPARCIU O PODEJŚCIE KOGNITYWNE
Olha Saliieva, Yurii Yaremchuk82-85
-
WYKORZYSTANIE UCZENIA MASZYNOWEGO W SYSTEMACH WYKRYWANIA WŁAMANIA DO SIECI
Ahmad Sanmorino, Herri Setiawan, John Roni Coyanda86-89
-
WYKORZYSTANIE WEKTORÓW WSPIERAJĄCYCH DO ZBUDOWANIA OPARTEGO NA REGUŁACH SYSTEMU WYKRYWANIA ZŁOŚLIWYCH PROCESÓW W RUCHU SIECIOWYM ORGANIZACJI
Halyna Haidur, Sergii Gakhov, Dmytro Hamza90-96
-
WYODRĘBNIANIE PAR EMOCJA-PRZYCZYNA: METODOLOGIA OPARTA NA BiLSTM
Raga Madhuri Chandra, Giri Venkata Sai Tej Neelaiahgari, Satya Sumanth Vanapalli97-103
-
UDOSKONALENIE α-PARAMETERYZOWANEJ METODY PRZEKSZTAŁCENIA RÓŻNICZKOWEGO Z OPTYMALIZATOREM DANDELION DO ROZWIĄZYWANIA RÓWNAŃ RÓŻNICZKOWYCH ZWYCZAJNYCH
Mustafa Raed Najeeb, Omar Saber Qasim104-108
-
METODA ADAPTACYJNEGO KODOWANIA STATYSTYCZNEGO Z UWZGLĘDNIENIEM CECHY STRUKTURALNE OBRAZÓW WIDEO
Volodymyr Barannik, Dmytro Havrylov, Serhii Pantas, Yurii Tsimura, Tatayna Belikova, Rimma Viedienieva, Vasyl Kryshtal109-114
-
OPTYMALIZACJA PROGNOZOWANIA SZEREGÓW CZASOWYCH: WYKORZYSTANIE MODELI UCZENIA MASZYNOWEGO W CELU ZWIĘKSZENIA DOKŁADNOŚCI PREDYKCYJNEJ
Waldemar Wójcik, Assem Shayakhmetova, Ardak Akhmetova, Assel Abdildayeva, Galymzhan Nurtugan115-120
-
SYNCHRONIZACJA ZARZĄDZANIA STEROWANEGO ZDARZENIAMI PODCZAS GROMADZENIA DANYCH
Valeriy Kuzminykh, Oleksandr Koval, Yevhen Havrylko, Beibei Xu, Iryna Yepifanova, Shiwei Zhu, Nataliia Bieliaieva, Bakhyt Yeraliyeva121-129
-
UKŁAD INTERFEJSU A WYDAJNOŚĆ PRZYSWAJANIA INFORMACJI W PROCESIE UCZENIA SIĘ
Julia Zachwatowicz, Oliwia Zioło, Mariusz Dzieńkowski130-135
-
ZAUTOMATYZOWANY SYSTEM ZARZĄDZANIA WODĄ Z PROGNOZOWANIEM ZAPOTRZEBOWANIA OPARTYM NA SZTUCZNEJ INTELIGENCJI
Arman Mohammad Nakib136-140
-
SCHEMATY UML SYSTEMU ZARZĄDZANIA STANOWISKAMI UTRZYMANIA
Lyudmila Samchuk, Yuliia Povstiana141-145
-
PRZEWIDYWANIE WAGI DEFEKTU KODU NA PODSTAWIE UCZENIA ZESPOŁOWEGO
Ghada Mohammad Tahir Aldabbagh, Safwan Omar Hasoon146-153
-
NIEDROGA RZECZYWISTOŚĆ ROZSZERZONA W CHIRURGII KRĘGOSŁUPA: BADANIE EMPIRYCZNE DOTYCZĄCE POPRAWY WIZUALIZACJI I DOKŁADNOŚCI CHIRURGICZNEJ
Iqra Aslam, Muhammad Jasim Saeed, Zarmina Jahangir, Kanza Zafar, Muhammad Awais Sattar154-163
Archiwum
-
Tom 16 Nr 2
2026-06-30 27
-
Tom 16 Nr 1
2026-03-30 27
-
Tom 15 Nr 4
2025-12-20 27
-
Tom 15 Nr 3
2025-09-30 24
-
Tom 15 Nr 2
2025-06-27 24
-
Tom 15 Nr 1
2025-03-31 26
-
Tom 14 Nr 4
2024-12-21 25
-
Tom 14 Nr 3
2024-09-30 24
-
Tom 14 Nr 2
2024-06-30 24
-
Tom 14 Nr 1
2024-03-31 23
-
Tom 13 Nr 4
2023-12-20 24
-
Tom 13 Nr 3
2023-09-30 25
-
Tom 13 Nr 2
2023-06-30 14
-
Tom 13 Nr 1
2023-03-31 12
-
Tom 12 Nr 4
2022-12-30 16
-
Tom 12 Nr 3
2022-09-30 15
-
Tom 12 Nr 2
2022-06-30 16
-
Tom 12 Nr 1
2022-03-31 9
##plugins.themes.bootstrap3.article.main##
Authors
Abstrakt
W artykule przedstawiono sposób realizacji funkcjonalnie zintegrowanego przyrządu do pomiaru temperatury, który pozwala na kontrolowane nagrzewanie pierwotnego przetwornika temperatury, pomiar temperatury nagrzewania, a także pomiar temperatury i różnicy temperatur próbki badanej i referencyjnej. Prędkość nagrzewania jest regulowana poprzez wybór częstotliwości i czasu trwania impulsów sterujących. Do pomiaru temperatury i różnicy temperatur proponuje się stosowanie prądów pomiarowych o różnej polaryzacji, co pozwoliło uprościć ogólną konstrukcję urządzenia. Badano metody linearyzacji funkcji przetwarzania pierwotnego przetwornika temperatury bazującego na tworzeniu prądów kompensacyjnych w określonych zakresach pomiarowych. Przeprowadzone badania wykazały, że błąd pomiaru temperatury nie przekracza odpowiednio 0,11°C i 0,005°C w trybie kontrolowanego nagrzewania i w trybie pomiaru temperatury. Błąd pomiaru temperatury próbki badanej i referencyjnej oraz błąd pomiaru różnicy temperatur nie przekracza odpowiednio ±0,003°C i 0,001°C.
Słowa kluczowe:
Bibliografia
[1] Azadi Kenari S. et al.: Thermal Flow Meter with Integrated Thermal Conductivity Sensor. Micromachines 14(7), 2023, 1280.
[2] Babak V., Kovtun S., Dekusha O.: Information-measuring technologies in the metrological support of heat flux measurements. CEUR Workshop Proceedings 2608, 2020, 379–393.
[3] Barylo G. I. et al.: Signal transducer of functionally integrated thermomagnetic sensors. Visnyk NTUU KPI 76, 2019, 63–71.
[4] Bianchi L. et al.: Thermophysical and mechanical properties of biological tissues as a function of temperature: A systematic literature review. International Journal of Hyperthermia 39(1), 2022, 297–340.
[5] Boyko O. et al.: Functionally integrated sensors of thermal quantities based on optocoupler. Proceeding of SPIE 10808, 2018, 306–311.
[6] Boyko O., Holyaka R., Hotra Z.: Functionally integrated sensors on magnetic and thermal methods combination basis. 14th International Conference on Advanced Trends in Radioelecrtronics, Telecommunications and Computer Engineering (TCSET). 2018, 697–701.
[7] Boyko O., Hotra O.: Improvement of dynamic characteristics of thermoresistive transducers with controlled heating. Przegląd Elektrotechniczny 5, 2019, 110–113
[8] Boyko O. V., Hotra Z. Y.: Analysis and research of methods of linearization of the transfer function of precision semiconductor temperature sensors. Physics and Chemistry of Solid State 21(4), 2020, 737–742.
[9] Braissant O. et al.: Biomedical use of isothermal microcalorimeters. Sensors 10(10), 2010, 9369–9383.
[10] Braissant O. et al.: Use of Isothermal Microcalorimetry to Monitor Microbial Activities. FEMS Microbiol. Lett 303, 2010, 1–8.
[11] Conway A. et al.: Accuracy and precision of zero-heat-flux temperature measurements with the 3M™ Bair Hugger™ Temperature Monitoring System: a systematic review and meta-analysis. Journal of Clinical Monitoring and Computing 35, 2021, 39–49.
[12] Dekusha O. et al.: Information-Measuring Technologies in the Metrological Support of Thermal Conductivity Determination by Heat Flow Meter Apparatus. Systems, Decision and Control in Energy I Springer, Cham. 2020, 217–230.
[13] Farkas G.: Temperature-Dependent Electrical Characteristics of Semiconductor Devices. Theory and Practice of Thermal Transient Testing of Electronic Components 2023, 139–169.
[14] Feng J. et al.: Droplet-based differential microcalorimeter for real-time energy balance monitoring. Sensors and Actuators B: Chemical, 312, 2020, 127967.
[15] Gros S. J. et al.: Personalized treatment response assessment for rare childhood tumors using microcalorimetry–exemplified by use of carbonic anhydrase IX and aquaporin 1 inhibitors. International journal of molecular sciences 20(20), 2019, 4984.
[16] Hotra O., Boyko O., Zyska T.: Improvement of the operation rate of medical temperature measuring devices. Proc. SPIE 92914, 2014, 92910A.
[17] Hotra O., Boyko O.: Analogue linearization of transfer function of resistive temperature transducers. Proc. SPIE 9662, 2015, 966247.
[18] Hotra O., Boyko O.: Compensation bridge circuit with temperature-dependent voltage divider. Przegląd Elektrotechniczny 4a, 2012, 169–171.
[19] Hotra O., Dekusha O., Kovtun S.: Analysis of the Characteristics of Bimetallic and Semiconductor Heat Flux Sensors for In-Situ Measurements of Envelope Element Thermal Resistance. Measurement 2021, 109713.
[20] Khaw M. K., Mohd-Yasin F., Nguyen N. T.: Microcalorimeter: Design considerations, materials and examples. Microelectronic Engineering, 158, 2016, 107–117.
[21] Kuril A. K.: Differential scanning calorimetry: a powerful and versatile tool for analyzing proteins and peptides. J Pharm Res Int 36(7), 2024, 179–187.
[22] Kuttner H. et al.: Microminiaturized thermistor arrays for temperature gradient, flow and perfusion measurements. Sensors and Actuators A: Physical 27(1-3), 1991, 641–645.
[23] Lubbers B. et al.: Microfabricated calorimeters for thermometric enzyme linked immunosorbent assay in one-Nanoliter droplets. Biomedical Microdevices 21, 2019, 1–7.
[24] Lundén O. P., Paldanius T.: Linearization of BJTs with logarithmic predistortion. IEEE Radio and Wireless Symposium (RWS) 2019, 1–3.
[25] Magoń A., Pyda M.: Apparent heat capacity measurements and thermodynamic functions of d(−)-fructose by standard and temperature-modulated calorimetry. The Journal of Chemical Thermodynamics 56, 2013, 67–82.
[26] Martins E. et al.: Skin byproducts of reinhardtius hippoglossoides (Greenland Halibut) as ecosustainable source of marine collagen. Applied Sciences 12(21), 2022, 11282.
[27] Ni S. et al.: A SiN microcalorimeter and a non-contact precision method of temperature calibration J. Microel. Syst. 29(5), 2020, 1103–1105.
[28] Pertijs M. A., Makinwa K. A., Huijsing J. H.: A CMOS smart temperature sensor with a 3σ inaccuracy of ±0.1C from -55C to 125C. IEEE Journal of Solid-State Circuits 40(12), 2005.
[29] Pollock D. D.: Thermocouples: theory and properties. Routledge 2018.
[30] Sundararajan S. et al.: BJT Based Translinear Implementation of an Evolutionary Optimised Non-Linear Function for Sensor Linearisation. IETE Journal of Research 70(6), 2023, 5905–5918.
[31] Wang F., Han Y., Gu N.: Cell temperature measurement for biometabolism monitoring ACS Sens. 6(2), 2020, 290–302.
[32] Wang Y. et al.: Recent advances of microcalorimetry for studying cellular metabolic heat. TrAC Trends in Analytical Chemistry 143, 2021, 116353.
[33] Zaporozhets A. et al.: Information Measurement System for Thermal Conductivity Studying. Advanced Energy Technologies and Systems I. Studies in Systems, Decision and Control 395, 2022.
[34] Zhu H. et al.: The development of ultrasensitive microcalorimeters for bioanalysis and energy balance monitoring. Fundamental Research 4(6), 2023, 1625–1638.
##plugins.themes.bootstrap3.article.details##
Abstract views: 556
Downloads: 334

