MétaCan
Menu
Retour à la cohorte
Enregistrement W2982651810 · doi:10.1088/1757-899x/654/1/012002

Investigation of Aluminium and Copper Wound PMSM for Direct–drive Electric Vehicle Application

2019· article· en· W2982651810 sur OpenAlexaff
Himavarsha Dhulipati, Shruthi Mukundan, Lucas Chauvin, Christina Riczu, Afsaneh Edrisy, Mark Kozdras, Jennifer Bauman, Saeid Habibi, Jimi Tjong, Narayan C. Kar

Notice bibliographique

RevueIOP Conference Series Materials Science and Engineering · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric Motor Design and Analysis
Établissements canadiensNatural Resources CanadaMcMaster UniversityUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésTorque densityElectromagnetic coilTorqueAutomotive engineeringAluminiumDriving cycleCopper lossMagnetElectric vehicleCopperMaterials scienceMechanical engineeringEngineeringControl theory (sociology)Computer scienceElectrical engineeringPhysicsMetallurgyPower (physics)

Résumé

récupéré en direct d'OpenAlex

Abstract This paper investigates aluminium and copper windings for a permanent magnet synchronous machine (PMSM) developed for direct–drive electric vehicle (EV) application. Previously, studies have been conducted on comparison of these windings in terms of thermal and electrical conductivity, cost and mass density. However, the impact of these windings on the machine’s performance in terms of efficiency and torque has not been analysed. In this paper, for the same machine volume and geometry, a comparative analysis of PMSMs with copper and aluminium windings has been performed in terms of efficiency, torque, weight, operating speed range, ohmic losses and temperatures. Furthermore, as these machines are developed for direct–drive EV application, drive–cycle-based analysis was conducted for urban and highway cycles for a 2013 Ford Focus vehicle dynamics model. For these drive cycles, analysis in terms of torque speed characteristics and maximum energy density efficiency for both the machines has been performed.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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)0,0010,000

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 GPT0,191
Écart entre enseignants0,181 · 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'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

Citations10
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIOP Conference Series Materials Science and EngineeringMême sujetElectric Motor Design and AnalysisTravaux en français237 207