MétaCan
Menu
Retour à la cohorte

Investigations on Winding Modeling Techniques for Electrical Stress Analysis in VSI-Fed Traction Electric Machines

2019· article· en· W3022221624 sur OpenAlexaff
Ashutosh Patel, Chunyan Lai, K. Lakshmi Varaha Iyer, Gerd Schlager, Narayan C. Kar

Notice bibliographique

Revue2019 IEEE Transportation Electrification Conference (ITEC-India) · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric Motor Design and Analysis
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésElectromagnetic coilTraction (geology)Voltage source inverterStress (linguistics)VoltageTraction motorComputer scienceEngineeringInverterElectrical engineeringMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Traction motors are exposed to high dv/dt pulses when driven by a voltage source inverter (VSI). Due to this type of voltage excitation, machine's winding insulation system experiences additional dielectric stress, which can result in premature insulation failure in the machine windings. To analyze this electrical stress, various modeling techniques have been presented to model the machine windings, which can predict the voltage and current distributions among coils and turns of the windings. In this paper, different modeling techniques are investigated. Comparative analysis and results from case studies of the selected modeling techniques are presented.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,627
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,005
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,019
Tête enseignante GPT0,250
Écart entre enseignants0,231 · 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.

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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2019 IEEE Transportation Electrification Conference (ITEC-India)Même sujetElectric Motor Design and AnalysisTravaux en français237 207