PMG: Numerical Model of a Fault Tolerant Permanent Magnet Generator for High RPM Applications
Bibliographic record
Abstract
L'industrie aéronautique fait face aujourd'hui à de nombreux défis.Ces défis, tant sur les plans environnemental qu'économique et social, ont forcé l'industrie à se tourner vers de nouvelles façons de faire et de penser.C'est dans ce contexte qu'est né le concept de l'avion plus électrique (aussi appelé dans la littérature More Electrical Aircraft -MEA).Ce concept vise à augmenter la contribution de l'énergie électrique au sein des aéronefs en comparaison avec les sources d'énergie plus traditionnelles telles que l'énergie hydraulique ou mécanique.Afin de pouvoir supporter cette demande croissante en énergie, la génération d'électricité à bord des appareils doit aussi subir une réingénierie.C'est donc en support au MEA que le moteur plus électrique (aussi appelé dans la littérature More Electrical Engine -MEE) a vu le jour.C'est précisément dans le cadre des moteurs plus électriques que le présent projet s'inscrit.Ce projet, réalisé en partenariat avec Pratt & Whitney Canada, se veut une première approche à la modélisation électrique de cette nouvelle génération de générateurs destinés aux aéronefs.Les principaux objectifs de ce projet sont d'étudier le fonctionnement du NAEM (New Architecture Electromagnetic Machine) et de bâtir un modèle simplifié de ce générateur sous EMTP-RV capable de reproduire le comportement du NAEM en régime permanent.Ce mémoire contient les résultats obtenus dans le cadre d'un premier projet de modélisation du générateur développé par Pratt & Whitney Canada (New Architecture Electromagnetic Machine -NAEM) sous un logiciel de simulation électrique.Le modèle construit par Pratt & Whitney Canada sous MagNet, un logiciel de simulation par éléments finis, a été utilisé comme référence dans le cadre de ce projet.Il a été possible de développer un modèle électrique qui calque bien le comportement du modèle magnétique de référence pour des conditions d'opération en régime permanent.Quelques pistes de solutions techniques sont abordées dans la discussion afin de dresser une liste sommaire des travaux à considérer pour la poursuite du projet.v
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".