Adagrad Algorithm based Optimal Slot-pole Selection for Reduced Inductance Harmonics in Concentrated Wound Multiphase PMSM
Notice bibliographique
Résumé
Fractional slot concentrated windings (FSCW) permanent magnet synchronous machines (PMSM) have high content of space harmonics in the magnetomotive force (MMF) due to which the harmonic inductance is much larger than the magnetizing inductance [1]. These inductance harmonics lead to high torque ripple and low power factor. In case of FSCW, the coils are full pitched and cannot be chorded like in distributed windings to reduce inductance harmonics and also a suitable rotor structure have small impact on reduction of these harmonics. However, the space harmonic content in the FSCW PMSM vary significantly with the choice of slot-pole combination. Thus, the inductance harmonics can be modeled and minimized using an optimal choice of machine phases (m), stator slot numbers (S) and rotor poles (P). State of the art: [2] has presented the selection of slot, pole and phase numbers for reducing harmonic leakage inductance specifically for single layer CW PMSM. In [3], a detailed procedure for slot-pole selection based on inductances for single and double layer windings are provided. However, these are restricted for odd phase numbers and the selection process is time consuming. In this paper, the impact of winding layers, phase belt, slots, poles, and phase numbers on inductance harmonics has been studied. Further, an Adapative gradient (Adagrad) algorithm based approach is implemented to optimally select these parameters with little prior knowledge about the structural data.
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) | 0,001 | 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 ».