MétaCan
Menu
Retour à la cohorte
Enregistrement W2982347125 · doi:10.1088/1757-899x/654/1/012004

Performance Analysis of Non–Oriented Electrical Steel with Optimum Texture for High–Speed Traction Motors

2019· article· en· W2982347125 sur OpenAlexaff
Shruthi Mukundan, Mehdi Mehdi, Himavarsha Dhulipati, Lucas Chauvin, Afsaneh Edrisy, Youliang He, Jimi Tjong, Narayan C. Kar

Notice bibliographique

RevueIOP Conference Series Materials Science and Engineering · 2019
Typearticle
Langueen
DomaineMaterials Science
ThématiqueMagnetic Properties and Applications
Établissements canadiensNatural Resources CanadaUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésMicrostructureElectrical steelMaterials scienceFinite element methodAnnealing (glass)Traction (geology)Mechanical engineeringElectric motorMetallurgyStructural engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract The magnetic properties of non–oriented electrical steel (NOES) vary significantly with respect to the microstructure and crystallographic texture of the final steel sheets, which, in turn, are highly dependent upon the thermomechanical processing parameters used during hot rolling, cold rolling and annealing. This paper performs an exploratory performance analysis of NOES for use in high–speed traction motors, emphasizing the importance of obtaining an appropriate crystallographic texture to achieve the desired magnetic properties by controlling the annealing temperature and holding time. A 3.2% Si NOES annealed at 860°C for 24 hours after hot rolling can result in reduced core losses after cold rolling and final annealing. This material was chosen for the performance analysis of a laboratory scale high–speed, high–power traction motor (45 kW, 10,000 rpm) using finite element analysis (FEA). The motor using the NOES is compared to that using a commercially available grain–oriented electrical steel (GOES) to highlight the feasibility and advantages of NOES for high–speed motor applications. In addition, the motor performance using the NOES is compared to that using commercial NOES to understand the scope of improvement obtained by optimizing the microstructure and texture of the steel sheet.

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 enseignants0,094
Score d'incertitude au seuil0,479

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,007
Tête enseignante GPT0,200
Écart entre enseignants0,193 · 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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIOP Conference Series Materials Science and EngineeringMême sujetMagnetic Properties and ApplicationsTravaux en français237 207