Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 5

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  siatka reluktancyjna
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
PL
W artykule przedstawiono metodę siatki reluktancyjnej opracowaną z myślą o trójwymiarowych obliczeniach pola magnetycznego w maszynach z magnesami trwałymi naklejonymi na powierzchnię wirnika. Rozpatrzono układy z magnesami o zmiennym wektorze namagnesowania i układ odwzorowujący magnes o sinusoidalnym kształcie. Wykonano badania symulacyjne wpływu kształtu magnesu oraz magnetyzacji typu Halbach na pulsacje momentu elektromagnetycznego.
EN
In the paper the reluctance network method for 3-D magnetic field calculation in permanent magnet machines is discussed. The motors with arc surface-mounted permanent magnets are considered. The calculations have been performed for the motors of different distribution of magnetization vector and sinusoidal shaped arc magnets. The influence of magnet shape and Halbach magnetization on torque ripple is investigated.
PL
W artykule przedstawiono wyniki badań wpływu rozkładu wektora namagnesowania na moment zaczepowy silnika z magnesami trwałymi naklejonymi na powierzchnię wirnika. Moment wyznaczono na podstawie rozwiązań równań oczkowych siatki reluktancyjnej. Siatkę reluktancyjną utworzono na podstawie funkcji interpolacyjnych elementów krawędziowych i ściankowych. Rozpatrzono układy z magnesami trwałymi odpowiadającymi strukturze Halbacha. Zbadano wpływ kształtu magnesu oraz magnetyzacji typu Halbach na moment zaczepowy.
EN
In the paper the effect of distribution of magnetization vector on cogging torque in permanent magnet machines is discussed. The motors with arc surface-mounted permanent magnets are considered. Cogging torque has been calculated using reluctance network method. Reluctance network is formed using the interpolation function of edge and facet elements. The influence of magnet shape and Halbach magnetization on cogging torque is investigated.
3
Content available remote Siatkowa reprezentacja polowych form opisu momentu elektromagnetycznego
PL
W pracy przedstawiono równoważne metody sieci magnetycznych (reluktancyjnych i permeancyjnych) stosowanych do analizy maszyn elektrycznych. Szczególną uwagę zwrócono na procedury obliczania momentu elektromagnetycznego. Wyjściowe postacie wzorów opisujących moment elektromagnetyczny wyznaczono na podstawie zmian energii (koenergii) magnetycznej. Uzyskane wzory są numeryczną reprezentacją całki z tensora naprężeń. Przedstawiono przykładowe wyniki obliczeń momentu zaczepowego.
EN
The paper considers the methods of equivalent magnetic networks that are used in the analysis of electrical machine performance. Both the permeance and reluctance networks are discussed. Attention is paid to the algorithms of electromagnetic torque calculation. The virtual work principle is applied. The principle is adapted to the discrete network models. As a result the network representations of Maxwell’s stress formula are proposed. The formulas are applied in the calculations of cogging torque.
PL
W artykule przedstawiono wyniki badań wpływu rozkładu wektora namagnesowania na moment zaczepowy silnika z magnesami trwałymi naklejonymi na powierzchnię wirnika. Moment wyznaczono na podstawie rozwiązań równań oczkowych siatki reluktancyjnej. Siatkę reluktancyjna utworzono na podstawie funkcji interpolacyjnych elementów krawędziowych i ściankowych. Rozpatrzono układy z magnesami trwałymi odpowiadającymi strukturze Halbacha. Zbadano wpływ kształtu magnesu oraz magnetyzacji typu Halbach na moment zaczepowy. Otrzymane wyniki obliczeń porównano z wynikami dla układu o promieniowo namagnesowanych magnesach. Opracowano sztuczną sieć neuronową do aproksymacji charakterystyk momentu. Do trenowania sztucznej sieci neuronowej zastosowano algorytm Levenberg-Marquardt. Wyniki obliczeń pokazują, że poprzez właściwy dobór wymiarów, kształtu i namagnesowania magnesów można znacząco zredukować pulsacje momentu.
EN
In the paper the effect of distribution of magnetization vector on cogging torque in permanent magnet machines is discussed. The motors with arc surface-mounted permanent magnets are considered. The cogging torque has been calculated using reluctance network method. Reluctance network is formed using the interpolation functions of edge and facet element. The influence of magnet shape and Halbach magnetization on cogging torque is investigated. The elaborated artificial neural network has been applied to approximate cogging torque - angle characteristics. The Levenberg-Marquardt algorithm has been used to train the artificial neural network. The calculation results show that correctly selected distribution of magnetization vector can reduce the torque pulsation.
PL
W artykule przedstawiono zastosowanie sztucznej sieci neuronowej do aproksymacji przebiegu momentu silnika magnetoelektrycznego. Moment obliczono na podstawie rozwiązań równań pola magnetycznego metodą elementów krawędziowych. Układ równań metody elementów krawędziowych odpowiada równaniom siatki reluktancyjnej. Zastosowano nowe ujęcie metody elementów krawędziowych, w którym wielkości wektorowe opisuje się za pomocą funkcji interpolacyjnych elementów krawędziowych i ściankowych. Do obliczenia momentu zastosowano wielomian interpolacyjny Lagrange'a oparty na danych dla trzech położeń wirnika. Uzyskane przebiegi momentu elektromagnetycznego wykorzystano do uczenia i testowania sztucznej sieci neuronowej. Zbadano skuteczność wybranych czterech algorytmów uczenia sieci neuronowej. Wytrenowaną sieć neuronową wykorzystano do aproksymacji przebiegu momentu elektromagnetycznego dla różnych szerokości magnesu.
EN
In the paper the approximation of electromagnetic torque waveforms using artificial neural network is presented. The waveforms of torque have been calculated on the basis of magnetic field distribution obtained by edge element method. In order to calculate the waveforms the Lagrange polynomial has been used for three rotor positions. Next, the waveforms were used to train the feed forward artificial neural network. The structure of network is three hidden layers with tan-sigmoid transfer function and linear transfer function in the output layer. The Levenberg-Marquardt backpropagation algorithm has been applied to train the artificial neural network. The elaborated artificial neural network has been used to assign electromagnetic torque waveform. The paper shows that the waveform of electromagnetic torque can be successfully approximated by artificial neural network.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.