MétaCan
Menu
Retour à la cohorte
Enregistrement W2404015472 · doi:10.1109/tia.2016.2569400

The Effect of Two- and Three-Level Inverters on the Core Loss of a Synchronous Reluctance Machine (SynRM)

2016· article· en· W2404015472 sur OpenAlexaff
Lesedi Masisi, Maged Ibrahim, John Wanjiku, Akrem Mohamed Aljehaimi, Pragasen Pillay

Notice bibliographique

RevueIEEE Transactions on Industry Applications · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric Motor Design and Analysis
Établissements canadiensConcordia University
Organismes subventionnairesArthritis National Research Foundation
Mots-clésMagnetic reluctanceControl theory (sociology)TorqueSynchronous motorCore (optical fiber)Reluctance motorComputer scienceEngineeringControl engineeringSwitched reluctance motorRotor (electric)Electrical engineeringControl (management)PhysicsTelecommunications

Résumé

récupéré en direct d'OpenAlex

The paper shows the reduction of core losses by using a three-level inverter over a two-level inverter for the same dc-bus voltage and switching frequency. A synchronous reluctance machine stator-core toroid was used in the analysis. Hence, the analysis is realistic as it accounts for mechanical effects through the stator core, and the distorted supply of the line-to-line inverter voltage supplies. The paper also shows the limitations of using finite element-derived excitation; hence, the toroid was directly supplied by the inverter. The reduction of core losses by use of a three-level inverter is significant at very high flux densities and frequencies; approximately 60% lower core losses. Therefore, it can reduce the cooling burden especially in the hard to cool teeth, increase the service life, and allow increased output. The latter is because the output of the three-level fundamental voltage is higher for the same dc-bus and switching frequency at lower machine losses.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,228
Écart entre enseignants0,212 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations27
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Industry ApplicationsMême sujetElectric Motor Design and AnalysisTravaux en français237 207