Analysis of Cogging Torque in a Series Hybrid Variable Flux Machine for EV Using Lumped Magnetic Circuit
Notice bibliographique
Résumé
One of the major problems in the series hybrid variable flux machine (SVFM) is cogging torque. This article tries to compute cogging torque in a 36-slot 6-pole SVFM where the higher coercive force N48SH magnet is in series with the lower coercive force AlNiCo9 magnet. A lumped magnetic circuit for the SVFM including magnetic saturation is proposed and the analytical equations are developed to compute the air-gap flux density in an equivalent slot-less machine. The parameters of the lumped magnetic circuit are computed based on the magnetic flux lines in a slot-less machine obtained using the finite-element analysis (FEA) method. The air-gap flux density in the slot-less six-pole SVFM is calculated using the developed lumped magnetic circuit model at different magnetization levels of the AlNiCo9 magnet. The error between the analytical and FEA results of air-gap flux density is less than 4% at lower magnetization levels. Thus, the lumped magnetic circuit can be validated. The relative air-gap permeance function for the SVFM with the series magnets (N48SH and AlNiCo9) is defined. By utilizing the air-gap flux density in an equivalent slot-less machine and the relative air-gap permeance function, the cogging torque of the 36-slot 6-pole SVFM is computed and compared to the analytical and experimental results at different magnetization levels of the AlNiCo9 magnet. The results show that the computed cogging torque of the 36-slot 6-pole SVFM follows the FEA and experimental results at different magnetization levels of AlNiCo9 magnet. The back electromotive force, power factor, efficiency, and electromagnetic torque are analyzed including magnetic saturation in FEA and compared with analytically computed results at different magnetization levels of AlNiCo9 magnet.
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 | 0,001 | 0,003 |
| 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 ».