项目名称: 基于矢量Jiles-Atherton模型的电工钢片二维磁滞特性的精准模拟及其在有限元计算电机铁损中的应用研究

项目编号: No.51207109

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 电气科学与工程学科

项目作者: 李巍

作者单位: 同济大学

项目金额: 24万元

中文摘要: 使用基于电工钢片B-H曲线的有限元方法不能准确地计算出电机铁损分布。电工钢片的磁滞损耗、涡流损耗和额外损耗都体现在磁滞回线上,准确地模拟磁滞回线是构建铁损模型的关键。对于各向同性电工钢片,其沿轧制方向和垂直于轧制方向的磁滞特性也有所不同,需要用二维矢量磁滞模型来描述。在有限元计算中,需要对大量单元分别进行矢量磁滞模拟,因此要求磁滞模型具有较高的计算效率。原始矢量Jiles-Atherton模型是在标量Jiles-Atherton 模型基础上发展而来的,具有所需实验数据少、计算效率高等优点,但在饱和情况下的模拟精度尚不理想。本课题改进了原始矢量Jiles-Atherton模型,提高了模拟精度,并以改进的矢量Jiles-Atherton模型为基础,结合涡流损耗模型和额外损耗模型,构建准确的铁损模型,将铁损模型结合到有限元计算中,从场的角度进行铁损计算,以从根本上解决电机铁损计算不准问题。

中文关键词: 磁滞模型;铁磁材料;Jiles-Atherton 模型;有限元法;铁损

英文摘要: The iron loss distribution cannot be calculated accurately by the Finite Element Method combined with the simplified B-H curve of electrical steel sheets. Modeling the magnetic hysteresis characteristics of electrical steel sheets is the key point of evaluating the iron loss accurately. Even for an isotropic electrical steel sheet, the magnetic hysteresis characteristics along the rolling direction and the transverse direction are quite different. Therefore, a vector hysteresis model is required. The Finite Element computation combining with the vector hysteresis model can be quite time consuming. Therefore, the vector hysteresis model should be time efficient. The original vector Jiles-Atherton model, which was developed based on the scalar Jiles-Atherton model, has the advantages of high computing efficiency. However, the modeling accuracy under saturated excitation is not very accurate. In this research, the modeling accuracy is improved by modifying the vector Jiles-Atherton model. Based on the improved vector Jiles-Atherton model, combing with the eddy current loss model and excess loss model, the iron loss model is developed. The iron loss model will be combined into Finite Element Method for an accurate iron loss prediction.

英文关键词: Hysteresis modeling;Ferromagnetic materials;Jiles-Atherton model;Finite Element Method;Iron loss

成为VIP会员查看完整内容
0

相关内容

《图神经网络导论》视频报告,CMU-Minji Yoon主讲
专知会员服务
49+阅读 · 2022年3月8日
专知会员服务
42+阅读 · 2021年9月7日
专知会员服务
37+阅读 · 2021年8月31日
专知会员服务
31+阅读 · 2021年5月7日
专知会员服务
62+阅读 · 2021年5月2日
专知会员服务
24+阅读 · 2021年4月21日
应用知识图谱的推荐方法与系统
专知会员服务
115+阅读 · 2020年11月23日
知识图谱融合方法,140页ppt,南京大学胡伟老师
专知会员服务
142+阅读 · 2020年2月19日
复数神经网络及其 PyTorch 实现
极市平台
5+阅读 · 2022年1月17日
人工神经网络在材料科学中的研究进展
专知
0+阅读 · 2021年5月7日
基于Lattice LSTM的命名实体识别
微信AI
47+阅读 · 2018年10月19日
【材料课堂】EBSD晶体学织构基础及数据处理
材料科学与工程
34+阅读 · 2018年7月14日
从点到线:逻辑回归到条件随机场
夕小瑶的卖萌屋
15+阅读 · 2017年7月22日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
1+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月17日
Self-Driving Cars: A Survey
Arxiv
41+阅读 · 2019年1月14日
小贴士
相关主题
相关VIP内容
《图神经网络导论》视频报告,CMU-Minji Yoon主讲
专知会员服务
49+阅读 · 2022年3月8日
专知会员服务
42+阅读 · 2021年9月7日
专知会员服务
37+阅读 · 2021年8月31日
专知会员服务
31+阅读 · 2021年5月7日
专知会员服务
62+阅读 · 2021年5月2日
专知会员服务
24+阅读 · 2021年4月21日
应用知识图谱的推荐方法与系统
专知会员服务
115+阅读 · 2020年11月23日
知识图谱融合方法,140页ppt,南京大学胡伟老师
专知会员服务
142+阅读 · 2020年2月19日
相关资讯
复数神经网络及其 PyTorch 实现
极市平台
5+阅读 · 2022年1月17日
人工神经网络在材料科学中的研究进展
专知
0+阅读 · 2021年5月7日
基于Lattice LSTM的命名实体识别
微信AI
47+阅读 · 2018年10月19日
【材料课堂】EBSD晶体学织构基础及数据处理
材料科学与工程
34+阅读 · 2018年7月14日
从点到线:逻辑回归到条件随机场
夕小瑶的卖萌屋
15+阅读 · 2017年7月22日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员