Dynamic Vibrational Analysis of a Traction Inverter Housing
Notice bibliographique
Résumé
One key aspect to be considered when designing an electric vehicle (EV) inverter is its dynamic response to vibrational loads. The source of these vibrational loads can be as simple as driving the vehicle, where the displacement of the suspension generates vibration that is transferred through the powertrain components, exciting the inverter. Additionally, with the increased adoption of integrated drives for EVs, the inverter is placed in close proximity to the motor or the gearbox, which can induce even more vibrations. Therefore, modal analysis is performed to extract the modal shapes and natural frequencies of the inverter. Ideally, an equipment should not be subjected to vibrations at its natural frequencies because that can lead to resonance, potentially causing a mechanical or operational failure. However, it is usually not possible to completely avoid the natural frequencies. In such cases, harmonic analysis is performed to understand the peak dynamic response of the inverter and ensure that it is within the operational limits. Nevertheless, only a few papers have discussed how to perform vibration analysis of traction inverters. Thus, this paper presents a brief overview of the fundamentals of mechanical vibrations, focusing on modal and harmonic analyses of a high-power traction inverter. Along with the vibration theory, simulation results carried out with ANSYS Mechanical are presented and used to assess the dynamic performance of the inverter under a wide range of vibration loads and excitation frequencies. The results indicate that the inverter is appropriate for in-vehicle operation and, although each inverter design presents different responses to vibrational loads, the results and assumptions adopted in this paper could serve as a reference for future work.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».