Multiobjective Shape Optimization of Segmented Pole Permanent-Magnet Synchronous Machines With Improved Torque Characteristics
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Magnet segmentation is an effective and simple technique for cogging torque reduction in high power permanent-magnet (PM) synchronous machines; however, it deteriorates air gap flux density and decreases the output torque. Therefore, a multiobjective optimization framework is necessary for cogging torque minimization, and to diminish its adverse effect on the output torque in segmented-pole permanent-magnet synchronous machines (PMSMs). This can be fulfilled by proper selection of widths and displacements of the magnet segments. Finite-element analysis (FEA) is an accurate method for this purpose. However, it is very time consuming where finding optimal configuration needs a lot of simulations. Thus, an analytical based design optimization is very useful and eases the design process. In this paper, a novel semianalytical model for cogging torque computation in PMSMs is proposed. Based on the proposed model, a multiobjective optimization framework is developed. The particle swarm optimization (PSO) method is applied to find the optimum machine design. To show the effectiveness of the proposed method, two prototype segmented magnet PMSMs with two and three PM blocks per pole are optimized respectively. Performance characteristics are compared to the initial machine design and segmented PMSMs with design parameters chosen according to previous analytical models and initial uniform pole machines using FEA.
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.
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) | 0,001 | 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 découle