감지기
지붕에 고정된 태양광 또는 광전지(PV) 전지는 햇빛을 전기로 변환합니다. 이 기술을 실내에 도입하면 건물의 에너지 효율성을 더욱 높일 수 있고 화재 경보기, 카메라, 온도 센서와 같은 무선 스마트 기술의 에너지를 공급할 수 있습니다.
실내에서 빛을 포착하기 위한 간단한 접근 방식이 개발되었습니다. 연구원들은 서로 다른 재료로 만들어진 소형 모듈형 PV 장치의 실내 충전 능력을 테스트한 다음 실리콘으로 구성된 가장 효율이 낮은 모듈을 무선 온도 센서에 연결했습니다. 결과는 LED의 빛만 흡수하는 실리콘 모듈이 작동 시 소비되는 센서보다 더 많은 전력을 공급한다는 것을 보여줍니다. 이는 조명이 켜져 있는 동안 기기가 계속 작동할 수 있음을 의미하므로 누군가가 수동으로 배터리를 교체하거나 충전할 필요가 없습니다.
대부분의 건물은 낮 동안 태양과 인공 광원을 혼합하여 조명을 받습니다. 황혼에 후자는 장치에 에너지를 계속 공급할 수 있습니다. 그러나 LED와 같은 일반적인 실내 광원의 빛은 태양에서 방출되는 더 넓은 대역보다 더 좁은 스펙트럼에 걸쳐 있으며 일부 태양 전지 재료는 다른 것보다 이러한 파장을 더 잘 포착합니다.
몇 가지 다른 재료가 어떻게 쌓이게 될지 정확히 알아보기 위해 연구팀은 백색 LED 조명에 맞춰진 두 가지 재료인 갈륨 인듐 인화물(GaInP), 갈륨 비소(GaAs) 및 효율성은 떨어지지만 실리콘으로 만들어진 PV 미니 모듈을 테스트했습니다. 더 저렴하고 평범한 재료. 연구원들은 외부 광원을 차단하기 위해 불투명한 블랙 박스 내부에 수납된 백색 LED 아래에 센티미터 너비의 모듈을 배치했습니다. LED는 실험 기간 동안 조명이 밝은 방의 조도 수준에 필적하는 1000룩스의 고정된 강도로 빛을 생성했습니다. 실리콘 및 GaAs PV 모듈의 경우 실내 조명에 몸을 담그는 것이 햇빛보다 효율성이 떨어지는 것으로 판명되었지만 GaInP 모듈은 햇빛보다 LED 아래에서 훨씬 더 나은 성능을 보였습니다. GaInP 및 GaAs 모듈은 모두 실내에서 실리콘을 크게 앞질렀으며, 실리콘의 9.3% 전력 변환 효율과 비교하여 LED 조명의 23.1% 및 14.1%를 전력으로 변환했습니다.
모듈이 반쯤 충전된 4.18볼트 배터리를 채우는 데 걸리는 시간을 측정한 충전 테스트에서 순위는 동일했으며 실리콘은 하루 반 이상 차이로 마지막에 나왔습니다. 팀은 실리콘 모듈이 상위 경쟁업체에 비해 성능이 낮음에도 불구하고 수요가 낮은 IoT(사물 인터넷) 장치를 실행하기에 충분한 전력을 생성할 수 있는지 알아보는 데 관심이 있었습니다.
실험을 위해 선택한 IoT 장치는 실리콘 PV 모듈에 연결된 온도 센서로 LED 아래에 다시 한 번 배치되었습니다. 센서를 켜자 연구원들은 실리콘 모듈만으로 전원이 공급되는 근처의 컴퓨터에 무선으로 온도 판독값을 공급할 수 있음을 발견했습니다. 2시간 후 블랙박스의 불을 껐고 센서는 계속 작동했고 배터리는 충전하는 데 걸리는 속도의 절반으로 소모되었습니다.
연구원들의 발견은 실외 PV 모듈의 이미 유비쿼터스 재료가 저용량 배터리를 사용하는 실내 장치용으로 용도를 변경할 수 있음을 시사합니다. 결과는 특히 24시간 조명이 켜져 있는 상업용 건물에 적용할 수 있습니다.
감지기
스마트 홈 공간은 현재 더 나은 용어가 없기 때문에 약간 엉망입니다. 집에 추가하고 싶은 깔끔한 새 장치가 있지만 이미 소유하고 있는 장치 간의 호환성 패치워크에서 장치가 어디에 위치하는지 파악하려면 설명서를 주의 깊게 살펴보아야 합니다. 기기가 호환 가능한 것으로 나열되면 설정해야 합니다. 여기에는 종종 다른 제조업체의 앱을 다운로드하고 여러 구성 단계를 거친 다음 해당 제조업체의 클라우드 백엔드를 원하는 에코시스템에 연결하는 작업이 포함됩니다. Google 홈, Amazon Alexa, Apple Homekit , 등. 또한
스핀오프 는 성공적으로 상용화된 NASA 기술을 다루는 NASA의 연례 간행물입니다. 이 상업화는 건강 및 의학, 소비재, 운송, 공공 안전, 컴퓨터 기술 및 환경 자원 분야의 제품 및 서비스 개발에 기여했습니다. . 새로운 스마트 안경은 NASA에서 발명한 기술을 사용하여 사용자의 뇌파를 측정하고 사용자가 얼마나 주의를 기울이고 있는지 알려줍니다. 이 기술은 뇌파를 감지하고 사용자에게 자신의 뇌 활동에 대한 판독값을 보여주는 뉴로피드백을 기반으로 합니다. 연습을 통해 제어하는 방법을 배울 수 있습니다. 1990년대에 NAS