MétaCan
Menu
Retour à la cohorte
Enregistrement W4409334941 · doi:10.3390/lubricants13040175

Experimental Study: Bearing Degradation Caused by Electrical Currents and Voltages at Low Speeds

2025· article· en· W4409334941 sur OpenAlexafffund
Zifan Li, Ran Cai, Xueyuan Nie

Notice bibliographique

RevueLubricants · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueElectromagnetic Compatibility and Noise Suppression
Établissements canadiensUniversity of Windsor
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésDegradation (telecommunications)Materials scienceBearing (navigation)VoltageElectrical engineeringEngineering physicsEnvironmental scienceNuclear engineeringEngineeringComputer science

Résumé

récupéré en direct d'OpenAlex

In electric vehicles (EVs), bearings in traction motors are increasingly prone to electrical damage under operational currents and voltages, leading to accelerated wear and reduced lifespan. This study examines the extent of bearing damage under low-speed, electrically charged conditions to understand wear behavior at boundary lubrication better. Bearings were driven at low speed by a motor, with inner and outer rings connected to a pulsed power supply’s positive and negative terminals, simulating real-world shaft voltage conditions. The applied electrical parameters included voltages from 5 V to 240 V and frequencies of 10 kHz, leading to voltages at the bearing peaking between 0.1 and 12 V measured by an oscilloscope and multimeter. The tested bearings were disassembled, and scanning electron microscopy (SEM) was used to assess the damage associated with varying electrical stresses. The results revealed distinct wear patterns and degradation effects when the shaft current and peak voltage reached 2.5 A and 12 V, emphasizing the critical need for protective strategies. Future work will focus on evaluating the impact of higher rotational speeds and controlled power supply conditions to analyze the effects of increased power supply settings and compare outcomes to low-speed scenarios.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,009
Tête enseignante GPT0,251
Écart entre enseignants0,242 · 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 source (Gemma direct ou Codex distillé), 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

Citations4
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLubricantsMême sujetElectromagnetic Compatibility and Noise SuppressionTravaux en français237 207