Sintered Lamellar Soft Magnetic Composites: Shaping and Magnetic Properties
Notice bibliographique
Résumé
Sintered lamellar soft magnetic composite (SL-SMC) is a promising material for power frequency applications and for all types of electric motors, including induction motors. Alumina coated Fe-3%Si particles cut from steel sheets offer both the advantages of standard laminated steel products, and of soft magnetic composites (SMC). As SMC’s, this material can be shaped using standard near-net shape powder metallurgy (P/M) techniques, which represents a big advantage over coated laminated steel assemblies. Indeed, the P/M process, as compared to laminated steel assemblies, gives access to better design and improved motor assembling techniques, at lower production costs, by limiting machining and stamping. The unique structure of the SL-SMC offers better DC magnetic properties than standard SMC’s, allowing them to cover a larger range of applications. However, there still remains work to be done in developing this new technology to its full potential, using low cost industrial techniques. This paper is divided into two main parts. The first is dedicated towards assessing the possibility of producing SL-SMC parts using an automatic industrial compaction press. The impact of two different lubrication systems, admixed solid lubricants and die wall lubrication, on the density and green strength of the motor parts, will be determined. Also, the process capability will be evaluated on the basis of “part to part” stability. The second section of this study will determine the impact of different processing parameters on the mechanical and magnetic properties of the Fe-3%Si alloy. Results show that by carefully controlling heat treatment, very high maximum induction, low magnetic loss and good mechanical property, can all be reached in fabricated parts.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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) | 0,000 | 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 tête enseignante, 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 ».