找到 2 条结果
一种具有阶梯斜极交叉齿结构的横向磁通轮辐式永磁电机设计
Design of a Transverse Flux Spoke-Type Permanent Magnet Motor With Step Skew Crossed Teeth
Bowen Zhang · Rundong Huang · Zhiping Dong · Yunhe Hou 等5人 · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2025年4月
本文提出了一种新型交叉齿横向磁通永磁电机（TFPMM），其定子齿采用阶梯斜极交错结构，可有效降低齿槽转矩和转矩脉动。该电机定子齿结构独特，并通过优化转子形状实现轴向分段，以减少相间漏磁。集中式环形绕组简化了绕组设计与装配，无需端部线圈。文中给出了阶梯斜极定子齿在空载反电动势和输出转矩方面的理论分析，评估了极对数与转子类型的影响。基于三维有限元仿真结果，研制了样机，并搭建空载与负载实验平台测试其反电动势与转矩性能。实验结果验证了仿真分析的准确性，表明该电机在转矩密度、功率密度及齿槽转矩抑制方面优于...
解读: 该横向磁通永磁电机设计对阳光电源新能源汽车产品线具有重要参考价值。其创新的阶梯斜极交叉齿结构可显著降低齿槽转矩和转矩脉动,有助于提升车载电机驱动系统的性能和可靠性。该设计的高转矩密度和功率密度特性,可应用于电动汽车充电桩的高效冷却系统和车载OBC充电机的电机散热优化。其简化的集中式环形绕组设计也为阳...
基于物理信息深度学习与稀疏数据的电力电子器件剩余寿命预测
Remaining Useful Life Prediction of Power Electronic Devices With Physics-Informed Deep Learning and Sparse Data
Le Gao · Chaoming Liu · Yiping Xiao · Chunhua Qi 等5人 · IEEE Transactions on Power Electronics · 2025年4月
准确预测碳化硅金属氧化物半导体场效应晶体管（MOSFET）的剩余使用寿命（RUL）对于确保电力电子系统的可靠性至关重要，特别是在辐射环境下。然而，大多数现有的深度学习方法依赖于密集采样的退化数据，使其不适用于退化观测数据有限的稀疏数据条件。为解决这一局限性，我们提出了一种用于稀疏RUL预测的物理信息深度学习（PIDL）方法。该方法通过定制的物理信息损失函数，将总电离剂量引起的退化机制（具体为界面和氧化物陷阱电荷积累）融入基于Transformer的神经网络架构中。这种损失函数明确惩罚与导通状态电...
解读: 从阳光电源的业务视角来看，这项针对碳化硅MOSFET剩余寿命预测的物理信息深度学习技术具有重要的战略价值。作为光伏逆变器和储能系统的核心功率器件，碳化硅MOSFET的可靠性直接关系到我们产品在全生命周期内的性能表现和运维成本。 该技术的核心优势在于解决了稀疏数据条件下的寿命预测难题。在实际应用场景...