Computationally Efficient Surrogate-Based Magneto-Fluid-Thermal Numerical Coupling Approach for a Water-Cooled IPM Traction Motor
Notice bibliographique
Résumé
This paper proposes a computationally-efficient electromagnetic (EM)-computational fluid dynamics (CFD) coupling approach for a water-cooled Interior Permanent Magnet (IPM) motor. The numerical simulation of multiple fluids and their interaction with solid parts can be challenging. The proposed approach relies on the heat transfer coefficient (HTC) decomposition of different fluids/coolants inside the machine to generate an HTC look-up table (LUT) as a function of the coolant inlet flow rate. The HTC-LUT is then utilized as a surrogate model for the stationary coolant to decouple the fluid-to-fluid interaction and, hence, expedite the iterative approach. This reduces the computational time by almost two-thirds as compared to the multiple fluid approach while preserving the fidelity of the model. Additionally, the proposed approach formulates the correlation between the rotor speed, coolant flow rate, convective heat transfer coefficients, and the temperature rise, particularly for hot-spot locations in the end-windings. This approach uses a two-dimensional EM model coupled with a three-dimensional fractional CFD model. Thus, it reduces the computational cost and retains the model simplicity. The viability of the proposed coupling approach is also validated through lumped parameter thermal network (LPTN) analytical approach. The results from both approaches under different cooling conditions, flow rates, and current densities are in a good agreement.
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 | 0,000 |
| 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) | 0,000 | 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 ».