MétaCan
Menu
Retour à la cohorte
Enregistrement W4321380571 · doi:10.1109/tia.2023.3246962

Design of an Iron Loss Tester for the Evaluation of Assembled Stator Cores of Electric Machines

2023· article· en· W4321380571 sur OpenAlexafffund
Bassam S. Abdel-Mageed, Maged Hamada Ibrahim, Jaydeep Bhalala, Pragasen Pillay

Notice bibliographique

RevueIEEE Transactions on Industry Applications · 2023
Typearticle
Langueen
DomaineMaterials Science
ThématiqueMagnetic Properties and Applications
Établissements canadiensConcordia University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaConcordia University
Mots-clésStatorElectromagnetic coilMagnetic coreMaterials scienceToroidElectrical steelMechanical engineeringStandard deviationEngineeringElectric machineExcitationAutomotive engineeringElectrical engineeringPhysicsMathematics

Résumé

récupéré en direct d'OpenAlex

The manufacturing processes of an electric machine can lead to a deviation between predicted and actual iron losses. This work presents an iron loss tester for measuring the iron losses produced by an assembled stator core including the effects of manufacturing and actual flux distribution. The tester is designed with accessible excitation and measurement windings with a toroidal configuration enabling a high degree of flexibility in emulating various flux distributions in AC electric machines. A prototype of the proposed tester is built and the experimental results of a manufactured stator are obtained under different pole configurations showing the magnetization characteristics in different regions of the tester/stator along with the total measured iron loss (IL). A noticeable deviation between experimental and FE simulation results is present at high frequencies. As the saturation level in steel laminations is reduced, the deviation in total IL is increased. Finally, the specific IL obtained through the tester is compared against standard Epstein frame results. Importing the experimental IL data obtained through the tester to the FE model led to a close match between simulation and experimental results.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,087
Tête enseignante GPT0,339
Écart entre enseignants0,253 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations2
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Industry ApplicationsMême sujetMagnetic Properties and ApplicationsTravaux en français237 207