Surrogate-Based Multi-Objective Optimization of Flux-Focusing Halbach Coaxial Magnetic Gear
Notice bibliographique
Résumé
Due to their contact-free and low-maintenance features, magnetic gears (MGs) have been increasingly investigated to amplify the torque of electric motors in electric vehicles (EVs). In order to meet the requirements of propelling EVs, it is essential to design an MG with a high torque density. In this paper, a novel flux-focusing Halbach coaxial MG (FFH-CMG) is proposed, which combines the advantages of flux focusing and Halbach permanent magnet (PM) arrays. The proposed structure has a higher torque performance and greater efficiency than conventional structures. A multi-objective design optimization based on a surrogate model is implemented to achieve the maximum volumetric torque density (VTD), torque-per-PM volume (TPMV), and efficiency, as well as the minimum torque ripple, in the proposed FFH-CMG. The employed optimization approach has a higher accuracy and is less time-consuming compared to the conventional optimization methods based on direct finite-element analysis (FEA). The performance of the proposed FFH-CMG is then investigated through 2D-FEA. According to the simulation results, the optimized FFH-CMG can achieve a VTD of 411 kNm/m3, and a TPMV of 830 kNm/m3, which are significantly larger than those of the existing MGs and make the proposed FFH-CMG very suitable for EV applications.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».