MétaCan
Menu
Retour à la cohorte
Enregistrement W2767905583 · doi:10.1109/tmag.2017.2760800

The Role of Temperature-Dependent Material Properties in Optimizing the Design of Permanent Magnet Motors

2017· article· en· W2767905583 sur OpenAlexaff
Vahid Ghorbanian, Sajid Hussain, Sara Hamidizadeh, Richard R. Chromik, David A. Lowther

Notice bibliographique

RevueIEEE Transactions on Magnetics · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric Motor Design and Analysis
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésMagnetTorque rippleInverterTotal harmonic distortionMaterial propertiesRippleMaterials scienceHarmonicsMechanical engineeringPower (physics)HarmonicFinite element methodTorqueComputer scienceAutomotive engineeringInduction motorElectrical engineeringDirect torque controlAcousticsVoltagePhysicsEngineeringStructural engineeringComposite material

Résumé

récupéré en direct d'OpenAlex

The effects of temperature-dependent material properties, including those of silicon steel and permanent magnet (PM) materials, on the design process of inverter-fed PM motors are investigated in this paper. The magnetization curves of these materials are measured experimentally at different temperatures and are imported into a finite-element package. Then, a statistical study of an integrated motor-drive system consisting of an interior PM motor connected to a space vector modulated inverter is performed by assigning four different temperatures and building a design space of various objectives including the integrated system efficiency, speed limits, motor startup quality, torque ripple, total harmonic distortion, and power factor as the geometrical dimensions are varied. The results reveal that incorporating the realistic material properties into the design process is essential. Moreover, different motor-drive performances have totally different variation rates as the material properties are changed. Finally, a set of optimal designs at different temperatures is proposed to show the effect of changing material properties.

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 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 enseignants0,261
Score d'incertitude au seuil0,312

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)0,0000,000

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 Opus0,011
Tête enseignante GPT0,194
Écart entre enseignants0,183 · 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.

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

Citations30
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

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