MétaCan
Menu
Retour à la cohorte
Enregistrement W4387695307 · doi:10.1049/elp2.12380

Investigation of the impact of rotor shaping on the torque and radial force harmonics of a V‐shape interior permanent magnet synchronous machine

2023· article· en· W4387695307 sur OpenAlexaff
Moien Masoumi, Alex Tsao, Charitha Abeyrathne, Ashish Kumar Sahu, Berker Bilgin

Notice bibliographique

RevueIET Electric Power Applications · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric Motor Design and Analysis
Établissements canadiensMcMaster UniversityMcMaster University Medical Centre
Organismes subventionnairesnon disponible
Mots-clésCogging torqueHarmonicsTorque rippleCounter-electromotive forceTorqueRotor (electric)Control theory (sociology)MagnetStall torqueHarmonic analysisDirect torque controlEngineeringComputer sciencePhysicsInduction motorMechanical engineeringElectromagnetic coilVoltageElectrical engineeringElectronic engineering

Résumé

récupéré en direct d'OpenAlex

Abstract This paper introduces a technique aimed at improving the performance of an interior permanent magnet synchronous machine (IPMSM) by reducing torque ripple and radial force harmonics. Unlike conventional IPMSMs, the proposed method employs a variable airgap length that is defined by a mathematical function. Two distinct rotor shapes are investigated to determine the most efficient design. Finite Element Analysis is employed to assess both the electromagnetic and mechanical attributes of the proposed motors. It compares the results for three operating points of the shaped motor with those of a conventional one. The investigation delves into the influence of rotor geometry on key output parameters, including Back Electromotive Force (back‐EMF) harmonics, average torque, cogging torque, torque ripple, efficiency, power factor, and radial force harmonics. The findings indicate that optimising rotor shape can significantly enhance IPMSM performance by reducing torque ripples and radial force harmonics, while simultaneously increasing average torque and efficiency at different operating points.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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)0,0010,000

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 Opus0,013
Tête enseignante GPT0,229
Écart entre enseignants0,216 · 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

Citations7
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIET Electric Power ApplicationsMême sujetElectric Motor Design and AnalysisTravaux en français237 207