Ferromagnetic materials; Machine learning; Magnetic losses; Numerical simulation
Abstract :
[en] Accounting for hysteresis and eddy currents in finite element simulations of electrical machines is usually computationally expensive. These phenomena have however a significant impact on the machine performance. To account for iron losses with a low computational cost, we have trained a Recurrent Neural Network to serve as material law in 2D finite element simulations.
Disciplines :
Electrical & electronics engineering
Author, co-author :
Purnode, Florent ; Université de Liège - ULiège > Département d'électricité, électronique et informatique (Institut Montefiore) > Applied and Computational Electromagnetics (ACE)
Denis, Louis ; Université de Liège - ULiège > Département d'électricité, électronique et informatique (Institut Montefiore) > Applied and Computational Electromagnetics (ACE)
Henrotte, François ; Université de Liège - ULiège > Département d'électricité, électronique et informatique (Institut Montefiore) > Applied and Computational Electromagnetics (ACE)
Louppe, Gilles ; Université de Liège - ULiège > Département d'électricité, électronique et informatique (Institut Montefiore) > Big Data
Geuzaine, Christophe ; Université de Liège - ULiège > Département d'électricité, électronique et informatique (Institut Montefiore) > Applied and Computational Electromagnetics (ACE)
Language :
English
Title :
Neural-Network-based Homogenized Model for Ferromagnetic Laminated Cores
