MétaCan
Menu
Retour à la cohorte
Enregistrement W2953944029 · doi:10.1109/tia.2019.2925784

Design and Analysis of a Novel PM-Assisted Synchronous Reluctance Machine Topology With AlNiCo Magnets

2019· article· en· W2953944029 sur OpenAlexaff
Seyede Sara Maroufian, Pragasen Pillay

Notice bibliographique

RevueIEEE Transactions on Industry Applications · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric Motor Design and Analysis
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésAlnicoMagnetTorque densityMagnetic reluctanceTopology (electrical circuits)Permanent magnet synchronous generatorRotor (electric)Torque rippleMechanical engineeringTorqueReluctance motorPower (physics)Automotive engineeringPower factorElectrical engineeringEngineeringComputer scienceSwitched reluctance motorPhysicsDirect torque controlVoltage

Résumé

récupéré en direct d'OpenAlex

The absence of field excitation on the rotor of the synchronous reluctance machine, results in poor power factor and low power density when compared to permanent magnet synchronous machines. To mitigate these problems, permanent magnet-assisted synchronous reluctance machines were introduced. The inserted permanent magnet boosts the machine's power factor and enhances its power density. In this paper, a new topology for permanent magnet-assisted synchronous reluctance machines using low cost AlNiCo magnets is proposed. The results of the proposed design with various magnet dimensions using AlNiCo magnets are compared with a previously designed and prototyped synchronous reluctance machine. Simulations for the same magnet dimensions are also carried out using a rare earth magnet material to study the effect of magnet type on the machine's performance. A final design using AlNiCo magnets is chosen based on the gain in the power density, manufacturing cost, torque ripple, and the power factor improvement. A rotor prototype is manufactured based on the selected topology and tested under various operating conditions.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

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 savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,012
Tête enseignante GPT0,223
Écart entre enseignants0,211 · 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 source (Gemma direct ou Codex distillé), 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

Citations67
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

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