MétaCan
Menu
Retour à la cohorte
Enregistrement W2514009634 · doi:10.1109/tec.2016.2600178

Double Segmented Rotor Switched Reluctance Machine With Shared Stator Back-Iron for Magnetic Flux Passage

2016· article· en· W2514009634 sur OpenAlexafffund
Guo Teng, N. Schofield, Ali Emadi

Notice bibliographique

RevueIEEE Transactions on Energy Conversion · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric Motor Design and Analysis
Établissements canadiensMcMaster University
Organismes subventionnairesCanada Excellence Research Chairs, Government of CanadaNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésSwitched reluctance motorPowertrainRotor (electric)Magnetic reluctanceStatorReluctance motorMagnetEngineeringElectric machineComputer scienceAutomotive engineeringControl theory (sociology)TorqueMechanical engineeringPhysics

Résumé

récupéré en direct d'OpenAlex

There is much interest in double rotor electric machines due to their versatile configurations and performance characteristics arising from the flexibility of having a pair of rotors. Double rotor machines show promising application prospects in advanced hybrid electric vehicle powertrains due to the requirement of dual electromechanical ports in such systems. Integrating these powertrain systems with double rotor machines not only brings design freedom in component layout, but also reduces the number of parts and thus improves compactness. The switched reluctance family of double rotor machines offers unique characteristics in terms of simple structure and no permanent magnets and thus is a strong candidate for such applications. By introducing the segmented rotor design to double rotor switched reluctance machines, a unique design with shared stator back-iron is made possible, achieving increased machine compactness. This paper discusses the design, analysis, and experimental validation of a double segmented rotor switched reluctance machine and compares the design against a target double rotor SRM specification.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,983
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
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 Opus0,007
Tête enseignante GPT0,185
Écart entre enseignants0,177 · 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 tête enseignante, pas un consensus.

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

Citations26
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

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