MétaCan
Menu
Retour à la cohorte
Enregistrement W4403278718 · doi:10.1109/icem60801.2024.10700558

Topology Optimization of Coaxial Magnetic Gear based on Reluctance Network Analysis

2024· article· en· W4403278718 sur OpenAlexaff
Ming Fu Yin, Naidjate Mohammed, Nicolas Bracikowski, Antoine Pierquin, Didier Trichet

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueTopology Optimization in Engineering
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésMagnetic reluctanceCoaxialTopology (electrical circuits)Topology optimizationComputer scienceMagnetic gearReluctance motorPhysicsControl theory (sociology)Switched reluctance motorElectrical engineeringTorqueEngineeringFinite element methodStructural engineeringMagnetTelecommunicationsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Coaxial Magnetic Gear (CMG) can transmit torque between an input and an output shaft without mechanical contact. The pole pieces in the middle rotor play a role in flux modulation. The geometry of the pole pieces affects the torque transmission capabilities and is one of the most challenging and crucial aspects of CMG design. Benefiting from the development of topological optimization methods for designing magnetic devices, we investigate the optimal material distribution in the middle rotor of a CMG. The topology optimization aims to create a meaningful geometry with improved performance (increased volumetric torque density, reduced torque ripple). Finally, the optimized result suggests a curved shape along both side boundaries of pole pieces and small holes on the boundaries close to the inner rotor. The parameter and performance are evaluated by the Reluctance Network Analysis (RNA), which accounts for magnetic material nonlinearity.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,882
Score d'incertitude au seuil0,999

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)0,0020,000

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 Opus0,004
Tête enseignante GPT0,201
Écart entre enseignants0,196 · 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.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

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 sujetTopology Optimization in EngineeringTravaux en français237 207