MétaCan
Menu
Retour à la cohorte
Enregistrement W2037387144 · doi:10.1109/tec.2014.2361258

A Novel Algorithm for Estimating Refurbished Three-Phase Induction Motors Efficiency Using Only No-Load Tests

2014· article· en· W2037387144 sur OpenAlexafffund
Maher Al-Badri, Pragasen Pillay, Pierre Angers

Notice bibliographique

RevueIEEE Transactions on Energy Conversion · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric Motor Design and Analysis
Établissements canadiensHydro-QuébecConcordia University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaConcordia UniversityCentre for Energy Advancement through Technological InnovationBC HydroManitoba HydroU.S. Department of Energy
Mots-clésInduction motorDynamometerRotor (electric)Electric motorControl engineeringControl theory (sociology)EngineeringComputer scienceAutomotive engineeringVoltageMechanical engineeringElectrical engineeringControl (management)

Résumé

récupéré en direct d'OpenAlex

Induction motors fail due to many reasons, and many are rewound two or more times during their lifetimes. It is generally assumed that a rewound motor is not as efficient as the original motor. Precise estimation of efficiency of a refurbished motor or any existing motor is crucial in industries for energy savings, auditing, and management. Full-load and partial-load efficiency can be measured by using the dynamometer. This paper presents a novel technique for estimating refurbished induction motors' full-load and partial-load efficiencies from only no-load tests. The technique can be applied in any electric motor workshop and eliminates the need for the dynamometer procedure. It also eliminates the need for the locked-rotor test. Experimental and field results of testing eight induction motors are presented, and the degree of accuracy is shown by comparing the estimated efficiencies against the measured values. To provide the necessary credits to the proposed technique, an error analysis is conducted to investigate the level of uncertainty through testing three induction motors, and the results of uncertainty of the direct measurements and no-load measurements using the proposed technique are presented.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,237
Écart entre enseignants0,221 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations55
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Energy ConversionMême sujetElectric Motor Design and AnalysisTravaux en français237 207