MétaCan
Menu
Retour à la cohorte
Enregistrement W4409605164 · doi:10.61091/jcmcc127b-286

Simulation and optimization of vibration noise of Fe-based soft magnetic composite core reactor based on the finite element method

2025· article· en· W4409605164 sur OpenAlexvenueno aff

Notice bibliographique

RevueJournal of Combinatorial Mathematics and Combinatorial Computing · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueMetallurgy and Material Forming
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFinite element methodComposite numberCore (optical fiber)VibrationAcousticsNoise (video)Structural engineeringMaterials scienceMechanical engineeringComputer scienceComposite materialPhysicsEngineering

Résumé

récupéré en direct d'OpenAlex

Fe-based soft magnetic composites have important applications in reactor core manufacturing due to their superior magnetic properties.In this paper, the vibration noise characteristics of the reactor with core made of this material are investigated and simulated and optimized by finite element method.First, a three-dimensional finite element model of the reactor is established to analyze the electromagnetic force distribution and vibration displacement velocity, and then the accuracy of the finite element analysis model is verified by combining the simulation experimental data.On this basis, the oxidation time parameters of the Fe-based soft magnetic composite material are adjusted, and the optimal parameters are selected to improve the vibration of the reactor, so as to achieve the purpose of improving the working condition of the reactor.The results show that the magnetic loss and other properties of the material have an important influence on the core vibration, and the reasonable optimization of the composite material structure parameters can reduce the vibration amplitude of the reactor and effectively suppress the noise.This study provides a theoretical basis for the design and optimization of this type of reactor.

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)0,001
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,684
Score d'incertitude au seuil0,581

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,014
Tête enseignante GPT0,254
Écart entre enseignants0,240 · 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'étudeSimulation ou modélisation
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Combinatorial Mathematics and Combinatorial ComputingMême sujetMetallurgy and Material FormingTravaux en français237 207