MétaCan
Menu
Retour à la cohorte
Enregistrement W2895616551 · doi:10.1109/tmag.2018.2837087

Parameter Determination of PMSM Using Coupled Electromagnetic and Thermal Model Incorporating Current Harmonics

2018· article· en· W2895616551 sur OpenAlexaff
Shruthi Mukundan, Himavarsha Dhulipati, Jimi Tjong, 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-clésHarmonicsCurrent (fluid)ThermalComputer sciencePhysicsControl theory (sociology)Voltage

Résumé

récupéré en direct d'OpenAlex

With advent in permanent magnet synchronous machine (PMSM) structure and inverter topologies, accurate parameter determination is of significance for high-performance control, analysis, and making critical decisions on inter-dependent design parameter variations for machine optimization. However, the machine parameters, including permanent magnet (PM) flux linkage and dq-axis inductances, vary during operation with machine nonlinearities such as magnetic saturation, temperature rise, and the introduction of spatial- and time-harmonic contents contributing toward inaccuracies during machine parameter determination. While classical dq-axis modeling fails to accommodate non-sinusoidal winding distributions and the effects of temperature rise, finite-element analysis (FEA) is computationally expensive and coupling of electromagnetic and thermal analysis including current harmonics becomes complex. Therefore, in this paper, a novel magnetic equivalent circuit model incorporating the effects of temperature rise and current harmonics has been developed for parameter determination of PMSMs. A lumped thermal model is implemented to determine the temperatures at each point of the machine. The proposed coupled electromagnetic and thermal model has been validated for various operating conditions of a fractional-slot distributed wound laboratory PMSM with FEA and experimental investigations.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,835
Score d'incertitude au seuil0,634

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 Opus0,022
Tête enseignante GPT0,241
Écart entre enseignants0,219 · 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'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

Citations22
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

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