Improving the accuracy of time-harmonic FE simulations in induction heating applications
Notice bibliographique
Résumé
Purpose Surface heat treatment by induction heating (10-100 kHz) requires precise prediction and control of the depth of the induced phase transformation. This paper aims at identifying common issues with the measurement and modeling of magnetic properties used in induction heating simulations, and it proposes ways to improve the situation. Design/methodology/approach In particular, it is demonstrated how intrinsic magnetic properties (i.e. the B-H curve) of a sample can change during the magnetic characterization process itself, due to involuntary annealing of the sample. Then, for a B-H curve that is supposed perfectly known, a comparison is performed between multiple models, each one representing the magnetic properties of steel in time-harmonic (TH) finite element method simulations. Finally, a new model called “power-equivalent model” is proposed. This model provides the best possible accuracy for a known nonlinear and hysteretic B-H curve used in TH simulations. Findings By carefully following the guidelines identified in this paper, reduction of errors in the range of 5-10 per cent can be achieved, both at the experimental and modeling levels. The new “power-equivalent model” proposed is also expected to be more generic than existing models. Originality/value This paper highlights common pitfalls in the measurement and modeling of magnetic properties, and suggests ways to improve the situation.
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 ».