MétaCan
Menu
Retour à la cohorte
Enregistrement W4391603081 · doi:10.5539/apr.v16n1p20

Dual-Sided Rotor Design for Performance Boost of Synchronous Reluctance Motors in Electric Vehicles

2024· article· en· W4391603081 sur OpenAlexvenueno aff
Luis Teia

Notice bibliographique

RevueApplied Physics Research · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric Motor Design and Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRotor (electric)Magnetic reluctanceDual (grammatical number)Computer scienceReluctance motorAutomotive engineeringSwitched reluctance motorControl theory (sociology)Electrical engineeringMagnetArtificial intelligenceEngineering

Résumé

récupéré en direct d'OpenAlex

Increasing environmental awareness is pushing the design of electic motors to favor none rare-earth solutions (i.e., without permanent magnets), and one such example is the SyncRM 2 (or concentrated-coiled SRM2) being proposed for the electric hybrid automobile Toyota Yaris. Following on an already established line of research on this topic, this article proposes a new design that re-assigns most of the magnetic material in the stator to the rotor—resulting in the Dual-sided SyncRM (a variant of the SRM2). The detrimental effect (caused by the extra gap) of slightly reducing the aligned inductance is overwhelmingly outweighed by the beneficial effect of drastically reducing the unaligned inductance. Extensive back-to-back FEMM analysis was conducted, where the recomputed SRM2 matches previous research, providing confidence to the favorable predictions of the Dual-sided SyncRM. Both performances are compared, with the venue being available for download on an open-source database. A realistic photo-rendered three-dimensional model is displayed and also available. An important outcome is the Dual-sided SyncRM torque (and power) increased by 29% (with respect to the SRM2), achieving a saliency ratio of 10 and an efficiency boost to 91% (at the rated operational speed of 1200rpm).

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)0,001
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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,616
Score d'incertitude au seuil0,683

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
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 Opus0,038
Tête enseignante GPT0,290
Écart entre enseignants0,253 · 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'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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied Physics ResearchMême sujetElectric Motor Design and AnalysisTravaux en français237 207