인덕턴스 계산 방식에 따른 매입형 영구자석 동기 전동기의 전자기 해석 결과 비교

Q: 이 논문에서 정의한 증분형 인덕턴스란 무엇인가?

증분형 인덕턴스는 자화 특성 곡선에서 운전점의 전류와 쇄교 자속의 미소 증분 값의 기울기로 정의된다. 이는 쇄교 자속 곡선이 포화 지점 이후 비선형적으로 변할 경우 높은 정확도를 제공하며, 전류 위상각 변화에 따라 비선형적으로 증가하는 모든 운전점에서 정확한 인덕턴스 계산을 가능하게 한다.

Q: IPMSM의 인덕턴스 계산 방식 중 제어 시스템 구성에 가장 적합한 방법은 무엇인가?

연구 결과, 증분형 인덕턴스 계산 방식이 제어 시스템 구성에 가장 적합하다. 이 방식은 토크 방정식의 항 개수가 가장 적어 제어 시스템을 단순화할 수 있으며, 유한요소해석 결과와 비교했을 때 평균 토크 오차율 0.83%, 평균 전압 오차율 0.25%로 매우 낮은 오차율을 보여 신뢰성이 높다.

이수진; Nguyen Manh Dung; 엄석현; 김태성; 김상협; 김용주; 신경훈; 최장영

doi:10.5370/KIEE.2025.74.2.287

학술저널 DBpia Top 5%

저자정보: 이수진 (Chungnam National University) Nguyen Manh Dung (Chungnam National University) 엄석현 (Chungnam National University) 김태성 (Chungnam National University) 김상협 (Chungnam National University) 김용주 (Chungnam National University) 신경훈 (Changwon National University) 최장영 (Chungnam National University)

저널정보: 대한전기학회 전기학회논문지 전기학회논문지 제74권 제2호

오류 신고하기

피인용 0

검색

초록·키워드

This paper compares inductance calculation methods for IPMSM (Interior Permanent Magnet Synchronous Machine) considering core non-linearity and analyzes electromagnetic performance based on different types of inductance. Inductance is classified into inductance based on matrix, obtained through d-q transformation, and incremental inductance, depending on the calculation method. The torque and output characteristics are analyzed accordingly. By applying motor operating limit conditions, torque and voltage results are compared at the point of maximum torque. The validity of the proposed inductance calculation method is verified by comparing results obtained through finite element analysis. In conclusion, an inductance calculation method that considers core non-linearity while offering superior control simplicity is proposed.

#Electromagnetic performance #Interior permanent-magnet synchronous machine #Apparent inductance #Incremental inductance #Magnetic saturation

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

UCI(KEPA) : I410-151-25-02-092322283

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

피인용 자료 DBpia에 구축된 참고문헌을기준으로 집계되어, 타 사이트의피인용 수와 다를 수 있습니다.

댓글(0)

피인용 자료