MétaCan
Menu
Retour à la cohorte
Enregistrement W3109229450 · doi:10.1109/icem49940.2020.9270882

An Overview of PM Synchronous Machine Design Solutions for Enhanced Traction Performance

2020· article· en· W3109229450 sur OpenAlexaff
Buddhika De Silva Guruwatta Vidanalage, Shruthi Mukundan, Wenlong Li, Narayan C. Kar

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric Motor Design and Analysis
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésDesign for manufacturabilityPropulsionAutomotive engineeringTorque densityTorqueTraction (geology)Torque ripplePower densityElectrically powered spacecraft propulsionTraction motorComputer scienceSynchronous motorPower (physics)EngineeringMagnetMechanical engineeringElectrical engineeringDirect torque controlAerospace engineeringInduction motor

Résumé

récupéré en direct d'OpenAlex

High power density, high efficiency, wide constant power speed range, lower torque ripple, and manufacturability are the major concerns of future electrical machines for electric vehicle (EV) propulsion applications. Towards this, permanent magnet synchronous machines (PMSMs) are the most relevant candidate for EVs mainly due to their high power/torque density, wide constant power speed range, compact size and higher efficiency than their counterpart induction machines. However, the focus of automakers on phasing out vehicles powered solely by internal combustion engines necessitates further improvement of the performance of EV traction machines. This paper highlights four critical design areas which significantly impact on the performance of PMSMs for EV propulsion application: i) new materials and their feasibility in manufacturing; ii) innovative topologies/structural design solutions; iii) design approaches for efficient thermal management; and iv) optimized design approaches, and provides insights to each area based on recent research and development recorded in the literature.

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 enseignants0,975
Score d'incertitude au seuil0,302

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 Opus0,056
Tête enseignante GPT0,262
Écart entre enseignants0,206 · 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

Citations11
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetElectric Motor Design and AnalysisTravaux en français237 207