MétaCan
Menu
Retour à la cohorte
Enregistrement W2991591646 · doi:10.1109/ecce.2019.8913250

Non–Dominated Sorting Genetic Algorithm Based Investigation of Optimal Odd Slot Numbers for Stator Shifted Fractional–Slot Wound PMSMs

2019· article· en· W2991591646 sur OpenAlexaff
Shruthi Mukundan, Himavarsha Dhulipati, Eshaan Ghosh, Guodong Feng, Jimi Tjong, Narayan C. Kar

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric Motor Design and Analysis
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésStatorCogging torqueElectromagnetic coilSortingTorqueMagnetControl theory (sociology)Reduction (mathematics)Computer scienceTopology (electrical circuits)Total harmonic distortionHarmonicGenetic algorithmMathematicsAlgorithmMathematical optimizationPhysicsEngineeringAcousticsVoltageElectrical engineeringGeometry

Résumé

récupéré en direct d'OpenAlex

Stator slot shifting is widely implemented in fractional-slot wound permanent magnet synchronous machines for reduction of high spatial harmonic contents resulting in improved efficiency and flux-weakening performance. Existing method involves using twice the number of stator slots present thereby resulting in a winding topology with a coil pitch of 2. However, in this process, many slot-pole combinations, especially with odd slot numbers are neglected. Therefore, this paper proposes a procedure for stator slot shifting for n-phase fractional-slot wound machines considering all feasible slot-pole combinations. The slot-plot combinations are analyzed for performance attributes including winding factor, total harmonic distortion, minimum cogging torque and maximum torque per unit winding losses. Further, a non-dominated sorting genetic algorithm is used for optimal slot-pole selection for each phase number. The resultant machine performance characteristics of a sample best design candidate is verified using experimental data and finite element analysis.

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: Empirique
Score de désaccord entre enseignants0,537
Score d'incertitude au seuil0,750

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 Opus0,007
Tête enseignante GPT0,211
Écart entre enseignants0,204 · 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

Citations3
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetElectric Motor Design and AnalysisTravaux en français237 207