MétaCan
Menu
Retour à la cohorte
Enregistrement W3047797945 · doi:10.1109/itec48692.2020.9161619

An optimization Study for a Switched Reluctance Motor using Magnetic Equivalent Circuit and Space Mapping Techniques

2020· article· en· W3047797945 sur OpenAlexaff
Gayan Watthewaduge, Ehab Sayed, Mohamed H. Bakr, Ali Emadi, Berker Bilgin

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric Motor Design and Analysis
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésFinite element methodSpace mappingSwitched reluctance motorStatorMagnetic reluctanceTorqueRotor (electric)Equivalent circuitControl theory (sociology)Magnetic circuitComputer scienceReluctance motorElectronic engineeringEngineeringElectromagnetic coilVoltageAlgorithmPhysicsMagnetElectrical engineeringStructural engineering

Résumé

récupéré en direct d'OpenAlex

Finite Element Method (FEM) provides high accuracy in the design and analysis of electric machines. However, it requires high computational cost and considerable amount of time. Magnetic Equivalent Circuit (MEC) technique is a viable alternative to the FEM as it is faster and has less computational burden at the expense of lower accuracy. In this paper, a magnetic equivalent circuit (MEC) of an 8/6 switched reluctance motor (SRM) is developed. The MEC model is then utilized in a space mapping optimization loop. The space mapping technique compensates the calculation error of the optimized MEC model compared to a Finite Element (FE) model. This approach reduces the computational time as it limits the number of FE simulations. Two different optimization problems are considered. First, the MEC model is optimized to maximize the static torque profile of the considered SRM. Secondly, the model is optimized to achieve a specific torque. The stator and rotor pole arc angles are taken as the design parameters.

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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,919
Score d'incertitude au seuil0,507

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 Opus0,036
Tête enseignante GPT0,245
Écart entre enseignants0,209 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetElectric Motor Design and AnalysisTravaux en français237 207