MétaCan
Menu
Retour à la cohorte
Enregistrement W4400945776 · doi:10.1109/itec60657.2024.10598841

Low Resistance Heat Paths Application to Electric Machines Rotor Cooling

2024· article· en· W4400945776 sur OpenAlexafffund
Islam Zaher, Maaz Khalid, Mohamed Abdalmagid, Giorgio Pietrini, Mikhail Goykhman, Ali Emadi

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueTribology and Lubrication Engineering
Établissements canadiensMcMaster University
Organismes subventionnairesMitacs
Mots-clésRotor (electric)Computer scienceThermal resistanceAutomotive engineeringMaterials scienceElectrical engineeringMechanical engineeringMechanicsEngineeringPhysicsHeat transfer

Résumé

récupéré en direct d'OpenAlex

Thermal non-uniformities in electric machines manifested as local hotspots and high temperature gradients, pose significant risks to machine safety, leading to heightened thermal stresses and an increased likelihood of component failures. In this research, a newly developed 150 kW high-speed machine exhibited significant thermal imbalances, leading to hot spots near bearing seats. To mitigate these challenges, the paper proposes the use of integrated low-resistance heat paths in the steel rotor, replacing traditional void entities with lightweight, highly conductive materials such as aluminum or copper. Computational Fluid Dynamics (CFD) simulations demonstrate the effectiveness of an aluminum insert, resulting in a significant 47°C reduction in maximum shaft temperature and improved thermal uniformity. Structural analysis guides the optimization of fit parameters, defining a transition fit for maximum stress within yield strength. This comprehensive approach offers a strategic solution for enhancing rotor thermal management in high-speed electrical machines.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,968
Score d'incertitude au seuil0,403

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,003
Tête enseignante GPT0,202
Écart entre enseignants0,199 · 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'étudeSimulation ou modélisation
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'admission2
Résumé présentoui

Explorer davantage

Même sujetTribology and Lubrication EngineeringTravaux en français237 207