Ansys Motor-CAD:IPM 电机实验室 - 扭矩速度曲线

各位电动机迷们,大家好:

在本博客中,我讨论了如何使用 Ansys Motor-CAD 通过 LAB 模块获取扭矩速度曲线。使用每安培最大扭矩电机控制策略,并涵盖恒定扭矩区域和恒定功率、磁通减弱区域。分析了高转子速度如何影响功率输出。

 

模型

通过以下方式进入 Motor-CAD 安装文件夹

并打开IPM_Traction_5_Lab_TorqueSpeed.mot 模型。

 

 

 

 

物理模块:实验室

 

 

 

选择“模型”选项卡并选择“实验室”。转到“模型构建”>>“模型选项”。在此选项卡中,我们设置饱和模型类型和损失模型类型。以下是不同模型类型的描述。

饱和度模型类型

  • 固定电感模型 - 使用 Ld、Lq 的值

    来计算电磁性能,这些值被认为是固定的,不会随着电流大小或角度而改变。 
  • 饱和模型(单步) - 建立 d 轴和 q 轴磁通链模型,并说明它们如何随电流大小和角度变化。这些是在单个转子位置进行评估的,并且假设 d/q 磁通链与转子位置无关。 
  • 饱和模型(全周期) - 建立 d 轴和 q 轴磁通链模型,以及它们如何随电流大小和角度变化。这些模型在多个完整电周期内进行评估和平均。电周期数和点​​/周期数与用于扭矩计算的电周期数和点​​/周期数相同,在输入数据 -> 设置 -> 计算下的 E-Magnetic 模型中定义。 

损失模型类型

可用的损失模型选项如下:

  • 忽略 - 忽略铁、磁铁、套管和带状损耗。仅使用直流相电阻计算铜损耗。由于精度较低,此选项仅推荐用于初始机器尺寸和设计优化。
  • FEA 地图 - FEA 地图模型选项用于铁、磁铁、套管和带状损耗(如果存在)。DC + AC(FEA 地图)选项用于绕组/铜损耗。此选项提供最高精度,建议大多数用户使用。
  • 自定义 - 可以在“损失模型”选项卡下自定义单个损失模型选项。仅推荐高级用户使用。

当饱和模型分辨率设置为自定义时,用户指定的电流/相位提前点数将用于构建正在使用的任何 FEA 地图损失模型。如果模型分辨率设置为粗略或精细,则任何 FEA 地图损失模型将使用 30 个点(与饱和模型的精细分辨率相同)。

在这篇博客中,我们将建立两个模型并比较结果:

  • 单步饱和模型类型和忽略损失模型类型
  • 全周期饱和模型类型和 FEA 地图损失模型类型

 

单步饱和模型类型 - 忽略损失模型类型

 

 

 

 

全周期饱和模型类型 - FEA 地图损失模型类型

本例中,除了直流绕组损耗外,还包括交流绕组损耗和风阻损耗。可根据需要添加轴承损耗和自定义损耗。

 

 

 

 

 

结果

讨论了两种饱和模型类型和损耗类型的结果。在相位超前角恒定的恒转矩区域,电机轴功率随转矩线性增加。超过基速后,必须降低反电动势以避免超过驱动电压。超过基速后相位超前角相对于交轴向90度方向增加,反电动势形状因子和

两者均减小并有助于降低扭矩。增加相位超前角会使定子绕组产生的磁通量前进以对抗转子磁通量。这减少了磁链,这就是实现磁通减弱的方法。通过减弱磁链,反电动势和扭矩会降低。 

 

当忽略交流损耗和机械损耗时,通过增加相位超前角(又称偏差角,即绕组电流和绕组反电动势相量之间的角度),电机轴功率保持在恒定水平。随着转子速度的增加,反电动势也会增加,但不应超过驱动电压。 电机轴功率在基速以上大致恒定,并且电机轴功率会随着速度的增加而略微下降,因为交流损耗和机械损耗会随着速度的增加而增加。

 

单步饱和模型类型 - 忽略损失模型类型

 

 

 

 

全周期饱和模型类型 - FEA 地图损失模型类型

 

 

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/bicheng/68960.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

网络(三) 协议

目录 1. IP协议; 2. 以太网协议; 3. DNS协议, ICMP协议, NAT技术. 1. IP协议: 1.1 介绍: 网际互连协议, 网络层是进行数据真正传输的一层, 进行数据从一个主机传输到另一个主机. 网络层可以将数据主机进行传送, 那么传输层保证数据可靠性, 一起就是TCP/IP协议. 路径选择: 确…

docker ubuntu:20.04构建c++ grpc环境

由c grpc必须源码编译,ubuntu版本不同可能出现的问题也不同,这里分享下我的构建过程。 我是vscode结合docker去安装c虚拟环境,我不想污染本机环境。 vscode的插件Dev Containers Dockerfile如下(如果单纯是ubuntu环境构建,可忽略该…

数据结构:二叉树—面试题(一)

目录 1、相同的树 2、另一棵树的子树 3、翻转二叉树 4、平衡二叉树 5、对称二叉树 6、二叉树遍历 7、二叉树的分层遍历 1、相同的树 习题链接https://leetcode.cn/problems/same-tree/description/https://leetcode.cn/problems/same-tree/description/ 描述&#xff1a…

MySQL训练营-慢查询诊断问题

慢查询相关参数和建议配置 slow_query_log long_query_time 日志开关,是否记慢查询日志以及超过多长时间判定为慢查询。 查看参数设置: SHOW VARIABLES LIKE ‘slow_query_log’;SHOW VARIABLES LIKE ‘long_query_time’; 实践建议: …

用edge浏览器追剧音量太小?安装音量增强器可解忧

0 源起 春节佳节将至,可以利用这个难得的假期追一追想看而没空看的剧了。 但是在用Edge浏览器播放网页中的视频时,有时音量太小,根本没法听清楚, 遇到这种情况时,尽管Edge浏览器本身没有提供音量控制功能&#xff0…

Linux-arm(1)ATF启动流程

Linux-arm(1)ATF启动流量 Author:Once Day Date:2025年1月22日 漫漫长路有人对你微笑过嘛… 全系列文章可查看专栏: Linux实践记录_Once_day的博客-CSDN博客 参考文档: ARM Trusted Firmware分析——启动、PSCI、OP-TEE接口 Arnold Lu 博…

解决docker: ‘buildx‘ is not a docker command.

简介 buildx 是 Docker 官方提供的一个构建工具,它可以帮助用户快速、高效地构建 Docker 镜像,并支持多种平台的构建。使用 buildx,用户可以在单个命令中构建多种架构的镜像,例如 x86 和 ARM 架构,而无需手动操作多个…

提示词工程(Prompt Engineering)

1. Prompt 是什么? Prompt:提示词,是描述 AI 需要执行的任务的自然语言文本。 如上图所示,Prompt就是用户的提问。其实我们大家都用过Prompt,比如我们使用的ChatGPT、文心一言、豆包等AI产品时的提问就是Prompt&…

【Linux】文件操作、系统IO相关操作、inode和输入输出重定向

⭐️个人主页:小羊 ⭐️所属专栏:Linux 很荣幸您能阅读我的文章,诚请评论指点,欢迎欢迎 ~ 目录 1、理解文件1.1 狭义理解1.2 广义理解1.3 文件操作1.4 系统角度 2、系统文件IO2.1 文件相关操作2.2 文件描述符2.3 重定向 3、动静…

头像生成小程序搭建(免费分享)

如下图为小程序页面的基本效果&#xff0c;下面将介绍该小程序的功能 页面template代码如下&#xff1a; <template><view class"avatar-containner"><block v-if"!showCropper"><image class"pageback" src"../../s…

2025寒假备战蓝桥杯02---朴素二分查找升级版本的学习+分别求解左右端点

文章目录 1.朴素二分查找的升级版2.查找左端点3.查找右端点4.代码的编写 1.朴素二分查找的升级版 和之前介绍的这个二分查找相比&#xff0c;我觉得这个区别就是我们的这个二分查找需要找到的是一个区间&#xff0c;而不是这个区间里面的某一个元素的位置&#xff1b; 2.查找…

css命名规范——BEM

目录 引言 BEM是什么? 块Block 元素Element 修饰语Modifier BEM解决了哪些问题? 在流行框架的组件中使用 BEM 格式 实战 认识设计图 如何使用当前的css规范正确命名? 引言 css样式类命名难、太难了,难于上青天,这个和js变量命名还不一样。看看项目中五花八门的样…

C++AVL树(一)详解

文章目录 AVL树概念AVL树的插入平衡因子的更新旋转的规则左单旋右单旋抽象的情况h0h1h 2h 3 AVL树 概念 AVL树是一棵平衡二叉查找树&#xff0c;AVL树是空树&#xff0c;保证左右子树都是AVL树&#xff0c;AVL树要求高度差的绝对值不超过1&#xff0c;因为最好情况是1&#…

JAVA与数据结构-线性表

目录 一.线性表的概念 二.线性表的关系及分类 三.数组与顺序表 四.链表 1.静态链表(链表的的数组底层实现&#xff09; 2.循环链表 3.双向链表 五.栈 1.栈的概念 2.栈的底层实现 3.共享空间栈 4.逆波兰表达式&#xff08;后缀表达式&#xff09; 5.栈与递归 六.…

AI绘画:从灵感到杰作的奇幻之旅(3/10)

AI 绘画&#xff1a;新时代的艺术创作浪潮 在数字化时代的浪潮下&#xff0c;AI 绘画已成为艺术领域中一颗耀眼的新星&#xff0c;掀起了一场前所未有的创作革命。只需在相关工具中输入简单的文字描述&#xff0c;或者上传一张参考图片&#xff0c;就能迅速生成令人惊叹的艺术…

【C语言系列】深入理解指针(3)

深入理解指针&#xff08;3&#xff09; 一、字符指针变量二、数组指针变量2.1数组指针变量是什么&#xff1f;2.2数组指针变量怎么初始化&#xff1f; 三、二维数组传参的本质四、函数指针变量4.1函数指针变量的创建4.2函数指针变量的使用4.3两段有趣的代码4.4 typedef关键字 …

广东某海水取排水管线工程边坡自动化监测

1. 项目简介 广东廉江核电项目田螺岭厂址位于廉江市车板镇北约4km处&#xff0c;地理位置为东经10948’28.88“北纬2134’01.55”&#xff0c;东距廉江市约48km&#xff0c;东南距湛江市约 65km&#xff0c;厂址西南距离北部湾约4.5km。广东廉江核电项目一期工程海水取排水管线…

Qt基础项目篇——Qt版Word字处理软件

一、核心功能 本软件为多文档型程序&#xff0c;界面是标准的 Windows 主从窗口 拥有&#xff1a;主菜单、工具栏、文档显示区 和 状态栏。 所要实现的东西&#xff0c;均在下图了。 开发该软件&#xff0c;主要分为下面三个阶段 1&#xff09;界面设计开发 多窗口 MDI 程序…

神经网络梯度爆炸的原因及解决方案

在深度学习中&#xff0c;梯度爆炸&#xff08;gradient exploding&#xff09;是一种常见的训练问题&#xff0c;尤其是在深层神经网络中。梯度爆炸指的是在反向传播过程中&#xff0c;梯度值呈指数级增长&#xff0c;导致网络权重的大幅更新&#xff0c;从而使得网络变得不稳…

deap系统重构,再新增一个新的因子,年化39.1%,卡玛提升至2.76(附python代码)

原创内容第776篇&#xff0c;专注量化投资、个人成长与财富自由。 本周核心工作之一&#xff0c;deap因子挖掘&#xff1a; Deap牛刀小试&#xff0c;挖掘出长期年化29.2%的轮动因子 deap时间序列函数补充&#xff0c;挖掘出年化39.12%的轮动因子&#xff0c;卡玛比率2.52 …