MétaCan
Menu
Retour à la cohorte
Enregistrement W4390953698 · doi:10.20944/preprints202401.1164.v1

Thermo-Mechanical Rotor Fatigue of an Interior Permanent Magnet Synchronous Motor

2024· preprint· en· W4390953698 sur OpenAlexafffund
Ashish Kumar Sahu, Reemon Z. Haddad, Dhafar Al-Ani, Berker Bilgin

Notice bibliographique

RevuePreprints.org · 2024
Typepreprint
Langueen
DomaineEngineering
ThématiqueElectric Motor Design and Analysis
Établissements canadiensMcMaster University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésRotor (electric)TorqueAutomotive engineeringPower (physics)Control theory (sociology)Reliability (semiconductor)Materials scienceComputer scienceMechanical engineeringStructural engineeringEngineeringPhysicsControl (management)

Résumé

récupéré en direct d'OpenAlex

Interior permanent magnet motors (IPMSMs) are extensively used as traction motors today because of their exceptional torque and power density, and wide constant power operating range. Under real-world usage, an IPMSM rotor undergoes varying electromagnetic, thermal, and mechanical loads. Under such conditions, fatigue life-based design criteria should be utilized over stress-based design criteria to ensure the structural integrity of the rotor. Moreover, the driving dynamics can change the rotor temperature continuously, which affects the electromagnetic, mechanical, and fatigue properties of rotor material. This paper proposes a robust thermo-mechanical rotor fatigue simulation workflow considering the significant loads acting on an IPMSM rotor and the temperature variation throughout a drive cycle. It discusses an accelerated fatigue life estimation approach based on peak valley extraction to reduce the simulation time significantly for stress and fatigue analysis. Then, it presents a method for stress-life curve generation for a variable loading. It also presents a sensitivity study with a median S-N curve, and a 90%-reliability 95%-confidence (R90C95) S-N curve.

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 candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,582
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,053
Tête enseignante GPT0,298
Écart entre enseignants0,245 · 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'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

Citations4
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePreprints.orgMême sujetElectric Motor Design and AnalysisTravaux en français237 207