Multiphysics performance of surrogate models on skewed pole surface-mounted permanent magnet motors
Notice bibliographique
Résumé
Purpose Evaluating the multiphysics performance of an electric motor can be a computationally intensive process, especially where several complex subsystems of the motor are coupled together. For example, evaluating acoustic noise requires the coupling of the electromagnetic, structural and acoustic models of the electric motor. Where skewed poles are considered in the design, the problem becomes a purely three-dimensional (3D) multiphysics problem, which could increase the computational burden astronomically. This study, therefore, aims to introduce surrogate models in the design process to reduce the computational cost associated with solving such 3D-coupled multiphysics problems. Design/methodology/approach The procedure involves using the finite element (FE) method to generate a database of several skewed rotor pole surface-mounted permanent magnet synchronous motors and their corresponding electromagnetic, structural and acoustic performances. Then, a surrogate model is fitted to the data to generate mapping functions that could be used in place of the time-consuming FE simulations. Findings It was established that the surrogate models showed promising results in predicting the multiphysics performance of skewed pole surface-mounted permanent magnet motors. As such, such models could be used to handle the skewing aspects, which has always been a major design challenge due to the scarcity of simulation tools with stepwise skewing capability. Originality/value The main contribution involves the use of surrogate models to replace FE simulations during the design cycle of skewed pole surface-mounted permanent magnet motors without compromising the integrity of the electromagnetic, structural, and acoustic results of the motor.
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 ».