DESIGN OPTIMIZATION AND ANALYSIS OF AFPM SYNCHRONOUS MACHINE INCORPORATING POWER DENSITY, THERMAL ANALYSIS, AND BACK-EMF THD
Notice bibliographique
Résumé
This paper presents the design and analysis of an inside-out axial-flux permanent-magnet (AFPM) synchronous machine optimized by genetic algorithm (GA) based sizing equation, finite element analysis (FEA) and finite volume analysis (FVA).The preliminary design is a 2-pole-pair slotted TORUS AFPM machine.The designed motor comprises sinusoidal back-EMF waveforms, maximum power density and the best heat removal.The GA is used to optimize the dimensions of the machine in order to achieve the highest power density.Electromagnetic field analysis of the candidate machines from GA with various dimensions is then put through FEA in order to obtain various motor characteristics.Based on the results from GA and FEA, new candidates are introduced and then put through FVA for thermal behavior evaluation of the designed motors.Techniques like modifying the winding configuration and skewing the permanent magnets are also investigated to attain the most sinusoidal back-EMF waveform and reduced cogging torque.The performance of the designed 1 kW, 3-phase, 50 Hz, 4-pole AFPM synchronous machine is tested in simulation using FEA software.It is found that the simulation results fully agree with the designed technical specifications.It is also found from FVA results that the motor temperature reaches
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».