Impact of Soft Magnetic Composite Materials for Traction Applications
Notice bibliographique
Résumé
This paper focuses on analyzing the impact of the magnetic properties of Soft Magnetic Composites (SMC) on the performance of electric motors for traction applications. A sensitivity analysis is done to select the parameters for the SMC stator. This paper presents a comparison of the SMC stator with a laminated stator design which is designed to fit into the same frame. The core loss of an SMC material is tested using a toroidal measurement setup. State-of-the-art Honda Accord motor is benchmarked with laminated and SMC stator to prove the advantages of SMC material at higher frequencies. Three different SMC materials are compared for the same machine specification. Eddy current loss density is plotted using 3D FEA analysis for all three different materials. Efficiency maps are presented for the three designs for a maximum speed range of 10000 rpm. Higher pole designs such as 24-slot/16-pole and 36-slot/30-pole has been designed and analyzed with laminated stator and SMC stator design to prove the effectiveness of the SMC material at elevated frequencies. The SMC stator is designed with a 3D flux carrying capability to improve the torque density by eliminating the end winding. The tooth body length of SMC stator is varied from 36 mm to 56 mm to analyze the performance of the motor. Nodal force and mechanical stress is calculated for the final SMC stator design with and without fillet. The manufacturing steps of the SMC stator is presented for the final design. Finally, the experimental results are presented with FEA results for the SMC 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 | 0,001 |
| 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 ».