MétaCan
Menu
Retour à la cohorte
Enregistrement W4389766429 · doi:10.1109/tia.2023.3343315

Experimental Characterization and Modeling of a YASA P400 Axial Flux PM Traction Machine for Performance Analysis of a Chevy Bolt EV

2023· article· en· W4389766429 sur OpenAlexaff
Alexander Allca-Pekarovic, Phillip J. Kollmeyer, Alexander Forsyth, Ali Emadi

Notice bibliographique

RevueIEEE Transactions on Industry Applications · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric Motor Design and Analysis
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésTraction (geology)Characterization (materials science)Materials scienceFlux (metallurgy)Mechanical engineeringNuclear engineeringEngineeringForensic engineeringAutomotive engineeringMetallurgyNanotechnology

Résumé

récupéré en direct d'OpenAlex

This paper investigates off-the shelf performance traction machine, a yokeless and segmented armature (YASA) axial flux surface permanent magnet machine, model P400HC from YASA Motors. A series of manual measurements and automated dynamometer tests were performed at various conditions. From these tests parameters are determined including friction and windage torque, phase resistance, permanent magnet flux linkage, and inductance. The efficiency, phase current, phase voltage, and power factor of the machine was measured over a wide torque, speed, and dc bus voltage range up to around the maximum ratings given by the manufacturer. A range of d-q current values were tested, showing that the machine is slightly salient since maximum torque is achieved when including a small amount of d-axis current. A Chevrolet Bolt electric vehicle (EV) was modeled with the YASA Motors machine and the stock Bolt EV machine. Over four different vehicle drive cycles, the YASA Motors machine was shown to be considerably more lossy than the Bolt EV machine, thereby achieving 4% to 6% less range. The higher loss of the YASA Motors machine likely has several causes, including higher phase resistance, significant friction, windage, and no-load iron losses, and the fact that Bolt EV machine was heavily optimized for an EV application while the YASA Motors machine was optimized to be a highly power dense more general-purpose machine.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,590
Score d'incertitude au seuil0,572

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
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)0,0000,000

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 Opus0,024
Tête enseignante GPT0,257
Écart entre enseignants0,233 · 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.

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

Citations22
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Industry ApplicationsMême sujetElectric Motor Design and AnalysisTravaux en français237 207