科学瞎想系列之七十三 电机的体积与基本参数的关系

【图片来自网络如有侵权敬请邮箱联系。欢迎原文转发到朋友圈,未经许可的媒体平台谢绝转载,如需转载或合作请邮件联系。联系邮箱laolicsiem@126.com】

本瞎想可算作电机设计宝典(大学版)前的一次高考辅导内容。 搞电机的宝宝都知道,电机的有效体积与电机的转矩成正比,即: (P/n)/(D²L)=K•α′•Kwm•Kdp•A•Bδ=C 式中:P为电机的计算功率;n为转速;D为电枢直径;L为铁心有效长度;K为常数;α′为计算极弧系数;Kwm为磁密波形系数;Kdp为绕组系数;A为线负荷(电负荷);Bδ为磁负荷;C为利用系数(基本可看做常数)。 因此只要知道了电机功率和转速就能大概估算出电机的有效体积。这个公式任何一本电机设计书上都有描述和推导,但老师认为关于这个公式的推导教科书上讲的过于复杂,以至于宝宝们不大容易理解,今天老师就用自己总结的一套非常简便易懂的推导方法,给宝宝们推导一把,也顺便再给基础差的宝宝们科普点从受精卵到中学的电机知识。

为了防止不良媒体盗版,这里插播一段广告,喜欢老师瞎想系列的宝宝敬请关注俺的公众号:龙行天下CSIEM

1 任意电机的物理模型。电机就是一个机电能量转换装置,电机通常会有一个机械端口和一个电气端口,分别对外进行机械能和电能交换,机械能和电能转换的枢纽叫做电枢,我们可以把电枢看做是一个直径为D、长度为L的圆柱,其表面上均匀地布有导体,把这个圆柱电枢置于径向的磁场B中,这就是电机的通用物理模型(如下图),如果往这个电机的导体中通电流它就会旋转,这就是电动机;如果用原动机拖着它旋转它就发电。这个电机模型所转换的机械功率Pm=T•Ω,其中T为电磁转矩,Ω为旋转角速度;转换的电功率Pe=E•I。E为感应电势,I为电枢电流。

为了防止不良媒体盗版,这里插播一段广告,喜欢老师瞎想系列的宝宝敬请关注俺的公众号:龙行天下CSIEM

2 机电能量转换的原理。作为机电能量转换的装置,就是把输入的机械能转换成等量的电能,或反过来把电能转换成等量的机械能,也就是说无论是机转电还是电转机,任意时刻都要Pm=Pe。下面老师就给宝宝们推导一下,看看是不是这么回事。 从机械端口看: 机械功率Pm=T•Ω 而电磁转矩T=F•R 切向力F=BIL 因此Pm=BILRΩ 从电气端口看: 电功率Pe=E•I 电动势E=BLV 电枢表面线速度V=R•Ω 因此Pe=BILRΩ 以上推导可见,Pm=Pe。这就意味着无论是电动机还是发电机,在运行过程中始终保持机械能和电能的守恒,这就是机电能量转换的本质。

为了防止不良媒体盗版,这里插播一段广告,喜欢老师瞎想系列的宝宝敬请关注俺的公众号:龙行天下CSIEM

3 电机体积与基本参数的关系。接下来就言归正传,看老师如何用宝宝们能看得懂的简单方法来推导前面那个关系式。

如前所述, Pm=Pe=P=BILRΩ 我们引入电负荷A,A为单位电枢圆周长度上的电流,即:

A=I/(π•D)

则电流:I=A•(π•D);再考虑到半径R=D/2;机械角速度Ω=2πn/60,带入上式得:

P=BILRΩ =B•A•πD•L•2πn•D/(2×60) =K•A•B•D²•L•n 这里把所有的常数(2、60、π等)全部归结到常数K中。 以上推导可见: (P/n)/(D²L)=K•A•B 与文章开头那个公式比较可见只是少了几个系数α′、Kwm、Kdp,这里解释一下,老师这里推导所用的物理模型是一个理想的模型,主要假设了气隙磁场为匀强磁场、导体按单根独立且均匀分布。实际电机中,如果气隙磁场不是匀强磁场,而是按正弦或其它波形分布,则要根据磁场分布波形,引进一个系数(即打个折扣),α′和Kwm就是考虑这个因素引入的折扣系数,如果气隙磁场按正弦分布,则α′=0.637,Kwm=1.11;另外,实际电机中通常是把各导体串联成线圈,而且导体是分布在槽里的,考虑到线圈的跨距及分布情况,也会引入一个打折的系数,即绕组系数Kdp,关于这些系数的引入推导起来比较复杂,老师怕宝宝们又晕菜就不推导了。引入这些系数后,就和教科书上完全一模一样了。怎么样?这种推导方法是不是更容易理解一些?

原文发布于微信公众号 - 龙行天下CSIEM(gh_a8911987218e)

原文发表时间:2018-03-19

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏数据结构与算法

网络流简介

本系列文章只讨论网络流在信息学奥赛中的应用 前言 网络流在信息学奥赛中是一个非常庞大的体系,因为该知识点的模型多变,建模方式复杂,对选手的能力要求较高,因此在各...

2905
来自专栏ATYUN订阅号

研究团队探索如何让AI学会自己穿衣服

在Siggraph 2018论文“Learning to Dress: Synthesizing Human Dressing Motion via Deep ...

1325
来自专栏机器学习养成记

小案例(六):预测小偷行为(python)

案件回顾 杂货店屡遭贼 杂货店遭小偷情况严重 现有8个月内,每天的失窃纪录 偷窃者有老顾客家属和学生,店主希望能防患于未然(问题:失窃是否有规律?怎样运用规律...

1.2K7
来自专栏程序生活

k-means算法原理及实战

K-means算法是输入聚类个数k,以及包含 n个数据对象的数据库,输出满足方差最小标准k个聚类的一种算法。

833
来自专栏量子位

换了马甲也能认出“你” | 有了这个数据集,AI有望揪出变种勒索软件

去年5月,恶意勒索软件WannaCry大面积爆发,全球不少国家机构、企业、个人终端电脑中招,电脑文件被锁。

1001
来自专栏AI科技大本营的专栏

牛气!数据挖掘顶级会议KDD2017大奖公布,KDD Cup全被中国人给包了

记者 | 周翔 8 月 13 日至 8 月 17 日,国际数据挖掘领域的顶级会议 ACM SIGKDD 2017 在加拿大的 Halifax 召开。此次大会共有...

3066
来自专栏用户3246163的专栏

4.2 期权估值

标准差越高,股票涨跌的离差(dispersion)就越高,因此在二叉树里评估each time period股票的价格时,就可以捕获波动率。

6702
来自专栏磐创AI技术团队的专栏

AI医疗开创性研究:深度学习进行病变检索和匹配(31 PPT)

1383
来自专栏量子位

还敢吹「毫无PS痕迹」?小心被Adobe官方AI打脸

1054
来自专栏腾讯云TStack专栏

热力图 : 位置大数据服务的可视化窗口

热力图(Heat Map),是一种简单但非常直观的信息展示方式,TStack 平台里的一个重要的应用服务。最早是在1991年由软件设计师 Cormac Kinn...

5.7K0

扫码关注云+社区

领取腾讯云代金券