MétaCan
Menu
Retour à la cohorte
Enregistrement W4386472580 · doi:10.1109/iemdc55163.2023.10238855

Optimal Design, Simulation, and Sensitivity Analysis of a C-Shaped Axial Flux Switched Reluctance Motor

2023· article· en· W4386472580 sur OpenAlexaff
Maryam Sepehrinour, Ali Kalantarikhalilabad, Afshin Rezaei‐Zare, Alireza Siadatan

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric Motor Design and Analysis
Établissements canadiensBrock University
Organismes subventionnairesnon disponible
Mots-clésSwitched reluctance motorControl theory (sociology)Rotor (electric)Sensitivity (control systems)StatorElectromagnetic coilTorqueFinite element methodOptimal designPower (physics)Induction motorTorque densityComputer scienceEngineeringPhysicsStructural engineeringMechanical engineeringElectronic engineeringElectrical engineeringVoltage

Résumé

récupéré en direct d'OpenAlex

This study presents the optimal design, simulation, and sensitivity analysis of a C-Shaped Axial Flux Switched Reluctance Motor (CS-AFSRM). The proposed design includes cuboid rotors and C-shaped stators, so it is called C-core. First, the electromagnetic design of the proposed axial flux motor is evaluated based on the rated values and related relationships. Accordingly, the dimensional parameters of the motor, such as the outer diameter of the motor, the dimensions of the C-core, the number of turns of the coil, and the rotor dimensions, are calculated. Then, to optimize the motor, the genetic algorithm (GA) optimization with an objective function to improve the output power is used. Subsequently, the motor is simulated and evaluated using the finite element method, and some motor characteristics, such as flux density and torque, are determined. Finally, the motor sensitivity analysis is performed. In this case, some initial parameter values of the rotor and stator are varied over a certain time interval to select the optimal state. The comparison of the final proposed design with the original one indicates the better performance of the proposed design.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,020
Tête enseignante GPT0,243
Écart entre enseignants0,224 · 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'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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetElectric Motor Design and AnalysisTravaux en français237 207