مدلسازی تحلیلی توزیع پتانسیل برداری مغناطیسی در ماشین های آهنربای دایم نوع آهنربا شعاعی سرعت بالا
Publish place: Journal of Iranian Association of Electrical and Electronics Engineers، Vol: 17، Issue: 3
Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 294
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JIAE-17-3_014
تاریخ نمایه سازی: 3 اسفند 1399
Abstract:
ماشین‌های بدون‌جاروبک آهنربای دایم آهنربای داخلی برای کاربری در سیستم‌های سرعت بالا مورد توجه هستند. ارایه یک مدل تحلیلی دقیق برای تعیین مشخصات عملکرد این ماشین‌ها از اهمیت زیادی برخوردار است. یکی از چالش‌های طراحی ماشین‌های آهنربای دایم، پیش بینی پدیده گشتاور ضربانی ناشی از وجود گشتاور دندانه‌ای و ریپل گشتاور می‌باشد. در این مقاله، یک مدل تحلیلی دو بعدی دقیق برای محاسبه پتانسیل برداری مغناطیسی در ماشین‌های بدون‌جاروبک آهنربای دایم نوع داخلی با در نظر گرفتن تاثیر شیارهای استاتور، جهت مغناطیسی آهنرباهای دایم، ترکیب سیم‌پیچی و شیارهای کمکی ارایه شده است. روش تحلیلی پیشنهادی مبتنی بر حل معادلات لاپلاس و پواسون به کمک روش زیر ناحیه می‌باشد. در روش ارایه شده، برای دستیابی به مدل تحلیلی ساده‌تر، با اعمال تغییر متغیر، سیستم مختصات قطبی به کارتزین تبدیل می‌شود. در اینصورت در عبارت‌های ریاضی پتانسیل برداری مغناطیسی به جای بهره‌گیری از توابع نمایی از توابع هایپربولیک استفاده شده است. برای اعتبارسنجی دقت مدل پیشنهادی، عملکرد یک نمونه موتور بدون‌جاروبک آهنربای دایم داخلی با توان 1 کیلووات با سرعت نامی 6000 دور بر دقیقه به روش تحلیلی، عددی و تجربی بررسی می‌شود. مقایسه نتایج عملکرد این موتور نشان از همخوانی نتایج تحلیلی، عددی و تجربی دارد.
Keywords:
Spoke type motor , Analytical modeling , Sub-domain method , FEM , Experimental validation. , ماشین اسپوک تایپ , مدلسازی تحلیلی , روش زیرناحیه , روش تحلیل اجزای محدود , اعتبارسنجی تجربی
Authors
علی جباری
Mec. Eng. Dep., Arak University, Arak
فردریک دوباس
Département ENERGIE, FEMTO-ST, CNRS, Univ. Bourgogne Franche-Comté, F۹۰۰۰۰ Belfort, France
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :