MétaCan
Menu
Retour à la cohorte
Enregistrement W4404062064 · doi:10.1063/5.0219982

Permanent magnets with embedded phase changing material for electric motor thermal management

2024· article· en· W4404062064 sur OpenAlexafffund
Jean-Michel Lamarre, Maged Ibrahim, Roger Pelletier, Hossein Vatandoost, Fabrice Bernier

Notice bibliographique

RevueJournal of Applied Physics · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric Motor Design and Analysis
Établissements canadiensNational Research Council Canada
Organismes subventionnairesOffice of Energy Research and Development
Mots-clésMagnetThermal management of electronic devices and systemsElectric motorMaterials sciencePhase (matter)ThermalMechanical engineeringPhysicsEngineeringThermodynamics

Résumé

récupéré en direct d'OpenAlex

The magnetic performance of NdFeB permanent magnets rapidly decreases as their operation temperature increases. This limits the power output of electric motors as their internal temperature quickly increases with the power demand. This is particularly problematic for applications where high peak power is required for a short period of time, for example during automobile highway acceleration or during an airplane lift-off. With the advances in additive manufacturing, one can envision to fabricate more complex motor geometries and magnetic structures, without additional costs, allowing for enhanced functionalities such as better thermal management. In this context, this paper investigates the feasibility of using phase changing materials (PCMs) to mitigate the temperature rise in permanent magnets (PMs) fabricated by additive manufacturing. The potential of PCM and its relevance was validated by modeling the thermal response of an electric motor during a representative electric vehicle driving scenario. It was found that segmented magnets with embedded phase changing materials would allow to efficiently control temperature rise. To validate the simulation results, PM test pieces with and without embedded PCMs were fabricated using cold spray additive manufacturing and tested using a custom laser thermal cycling setup.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,785
Score d'incertitude au seuil0,506

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,006
Tête enseignante GPT0,214
Écart entre enseignants0,208 · 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

Citations3
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Applied PhysicsMême sujetElectric Motor Design and AnalysisTravaux en français237 207