Optimizing magnetic performance of Fe–50Ni alloy for electric motor cores through LPBF: A study of as-built and heat-treated scenarios
Notice bibliographique
Résumé
This study aims to identify the optimal combination of process variables for laser powder bed fusion (LPBF) of electric motor (EM) cores using Fe–50Ni alloy. A thorough analysis of mechanical and magnetic properties, with a focus on its dynamic magnetic performance within 50–500 Hz frequency range, is presented. Optimized process parameters yielded relative densities above 99%. In the as-built condition, high hardness (twice that of conventionally processed alloy) and high ductility (>30% at rupture) were achieved. The as-built samples demonstrated magnetic properties below the requirements, but significant improvement was observed in the semi-static magnetic properties after heat treatment, with acceptable coercivity (44 A/m) and maximum permeability (∼104) attributed to a notable reduction in geometrically necessary dislocations (GNDs) density. Heat treatment did not significantly reduce the total loss at high flux densities or elevated testing frequencies because the energy loss in the as-built microstructure is lower than what is expected due to the activation of more domain walls resulting in a homogeneous distribution of eddy currents. The superior semi-static performance of the optimum sample is related to its texture, which was more oriented toward the easy axis of magnetization in this alloy (<111> direction). This research demonstrates the LPBF process's potential for manufacturing electric motor soft cores, providing acceptable surface integrity, roughness levels, and desired coercivity and permeability. However, the high total loss, specifically at elevated frequencies, highlights the need for additional capabilities of LPBF, such as fabricating multi-materials, to mitigate energy losses without resorting solely to heat treatment.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 ».