MétaCan
Menu
Retour à la cohorte
Enregistrement W4306148012 · doi:10.1109/icem51905.2022.9910639

Impact of Soft Magnetic Composite Material for Traction Applications using 3D FEA

2022· article· en· W4306148012 sur OpenAlexaff
Mohanraj Muthusamy, Bassam S. Abdel-Mageed, Pragasen Pillay

Notice bibliographique

Revue2022 International Conference on Electrical Machines (ICEM) · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric Motor Design and Analysis
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésStatorMagnetEddy currentMaterials scienceFinite element methodTraction (geology)TorqueCopper lossTorque densityCore (optical fiber)Mechanical engineeringMagnetic fluxComposite materialStructural engineeringMagnetic fieldEngineeringElectrical engineeringPhysics

Résumé

récupéré en direct d'OpenAlex

This paper focuses on analyzing the impact of Soft Magnetic Composites (SMC) for traction applications. Three different SMC materials are compared for the same machine specification. Eddy current loss density is plotted using a 3D FEA analysis for all three different materials. The magnet and copper losses are plotted along with the total iron losses. Efficiency maps are presented for the three designs for a maximum speed range of 10000 rpm. This paper also presents a comparison of the SMC stator with the laminated stator design which is designed to fit into the same frame. In all the cases the SMC stator is designed with 60% copper fill factor, whereas the laminated stator is designed with 40% copper fill factor. The SMC stator is designed with a 3D flux carrying capability to improve the torque density by eliminating the end winding. The core loss of an SMC material is tested using a toroidal measurement setup.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,904
Score d'incertitude au seuil0,999

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)0,0020,000

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 Opus0,023
Tête enseignante GPT0,292
Écart entre enseignants0,269 · 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

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2022 International Conference on Electrical Machines (ICEM)Même sujetElectric Motor Design and AnalysisTravaux en français237 207