MétaCan
Menu
Retour à la cohorte
Enregistrement W2806511576 · doi:10.1109/tmag.2018.2836182

Multi-Sensor Fusion-Based Permanent Magnet Demagnetization Detection in Permanent Magnet Synchronous Machines

2018· article· en· W2806511576 sur OpenAlexaff
Min Zhu, Wensong Hu, Narayan C. Kar

Notice bibliographique

RevueIEEE Transactions on Magnetics · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric Motor Design and Analysis
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésMagnetDemagnetizing fieldElectropermanent magnetMaterials scienceNuclear magnetic resonancePermanent magnet synchronous generatorComputer scienceElectrical engineeringPhysicsMagnetic fieldMagnetizationEngineering

Résumé

récupéré en direct d'OpenAlex

When permanent magnet (PM) demagnetization in a PM synchronous machine (PMSM) occurs, the demagnetization characteristic information is usually coupled with other characteristics of the PMSM which may demonstrate similar features. Therefore, it is difficult to accurately detect the demagnetization by monitoring only one parameter. This paper explores the use of multi-sensor information, namely, acoustic noise and torque, for demagnetization detection through the information fusion technique. The acoustic noise and torque information are processed and analyzed using wavelet transforms for filtering and extracting features. Bayesian network-based multi-sensor information fusion is then proposed to detect the demagnetization ratio from the extracted features. The proposed approach is experimentally verified on a laboratory PMSM and compared with single-sensor dection methods.

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 candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,740
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
Bibliométrie0,0010,001
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 Opus0,009
Tête enseignante GPT0,216
Écart entre enseignants0,207 · 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'étudeSimulation ou modélisation
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

Citations25
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

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