최적의 결합 된 네오디미움 철보론 (NdFeB) 자석을 선택하는 것은 다양한 제품을 고려할 때 도전이 될 수 있습니다.이 기사 는 유한 원소 방법 자기학 (FEMM) 이 결합 된 NdFeB 자석 의 주요 특성 을 어떻게 정확하게 결정 할 수 있는지 알려 준다, 정보에 기반한 디자인 결정과 제품 성능 향상.
결합 된 NdFeB 자석은 모터, 센서, 라우드 스피커 및 수많은 다른 응용 분야에서 중요한 역할을합니다. 그 성능은 제품 효율, 정확성 및 신뢰성에 직접 영향을 미칩니다.이 자석은 폴리머 결합 물질과 혼합된 자기 분자로 구성되어 있기 때문에, 그 성질은 분말 종류, 입자 크기, 채식 속도 및 결합 물질 구성 등 여러 가지 요인에 의해 영향을 받는다.따라서 설계 최적화를 위해 정확한 특성화는 필수적입니다.
유한 원소 방법 자석학 (Finite Element Method Magnetics, FEMM) 은 전자기장을 시뮬레이션하는 강력한 오픈 소스 도구이다. 엔지니어들은 FEMM을 사용하여 자기장 분포, 흐름 선, 흐름 밀도,그리고 다른 중요한 매개 변수, 자석 설계 최적화 및 성능 향상을 가능하게합니다. 여기에 제공 된 결합 된 NdFeB 자석 매개 변수는 FEMM 시뮬레이션에 귀중한 참조로 사용됩니다.
FEMM의 결합 된 NdFeB 자석 매개 변수는 제조업체마다 성능이 다르기 때문에 개별 공급자의 사양보다는 전형적인 응용 값을 나타냅니다.이러한 매개 변수는 사용자가 특정 자석 행동을 더 잘 시뮬레이션 조정 할 수있는 합리적인 출발점을 제공합니다.
결합 된 자석의 복합 성질은 일반적으로 0.01 MS/m의 극히 낮은 전기 전도성을 초래합니다.이 특성은 정확성을 보장하기 위해 전자기 시뮬레이션에서 고려되어야합니다..
결합 된 NdFeB 자석의 상대적 투명성은 에너지 제품과 상관관계를 가지고 있습니다. 낮은 에너지 제품 자석은 1에 접근하는 상대적 투명성 값을 나타냅니다.높은 에너지 제품으로 투과성이 증가하는 동안제조업체의 데이터의 회귀 분석은이 관계를 합리적으로 모델링 할 수 있습니다.
합금 자석과 달리 제조업체는 일반적으로 중간 지점에 위치한 명목 값으로 결합 자석 에너지 제품 범위를 지정합니다. FEMM 재료 정의에 대해,실제 에너지 제품들의 명목 값이 같다고 가정하면 모델링이 단순해집니다..
표준화 된 결합 된 자석 명칭이 없기 때문에 FEMM는 "BNX"명칭 시스템을 채택하며 "BN"는 "Bonded NdFeB"를 의미하며 "X"는 MGOe의 명목 에너지 제품을 나타냅니다. 예를 들어,BN5는 5 MGOe 에너지 제품과 결합 된 NdFeB 자석을 나타냅니다..
FEMM는 1 MGOe 인크림에서 1 MGOe에서 10 MGOe까지의 결합 된 NdFeB 자석 등급을 포함합니다. 아래 표는 이러한 등급의 성능 매개 변수를 상세히 설명합니다.
| 등급 | H최대(MGOe) | Br(T) | Br(kg) | HcB(kA/m) | HcB(kOe) |
|---|---|---|---|---|---|
| BN1 | 1 | 0.208 | 2.08 | 153 | 1.92 |
| BN2 | 2 | 0.297 | 2.97 | 215 | 2.70 |
| BN3 | 3 | 0.367 | 3.67 | 260 | 3.27 |
| BN4 | 4 | 0.427 | 4.27 | 298 | 3.75 |
| BN5 | 5 | 0.482 | 4.82 | 330 | 4.15 |
| BN6 | 6 | 0.532 | 5.32 | 359 | 4.51 |
| BN7 | 7 | 0.580 | 5.80 | 384 | 4.83 |
| BN8 | 8 | 0.625 | 6.25 | 409 | 5.12 |
| BN9 | 9 | 0.668 | 6.68 | 429 | 5.39 |
| BN10 | 10 | 0.710 | 7.10 | 448 | 5.63 |
FEMM의 결합 된 NdFeB 자석 매개 변수를 활용하면 다음과 같은 정확한 성능 시뮬레이션과 설계 최적화가 가능합니다.
결합 된 NdFeB 자석 특성에 대한 정확한 이해는 설계 최적화에 필수적입니다.FEMM의 매개 변수와 시뮬레이션 기능은 성능 평가와 의사 결정에 귀중한 통찰력을 제공합니다.이 방법론은 정보화된 자석 선택과 응용을 통해 경쟁력 있는 제품의 개발을 촉진합니다.
최적의 결합 된 네오디미움 철보론 (NdFeB) 자석을 선택하는 것은 다양한 제품을 고려할 때 도전이 될 수 있습니다.이 기사 는 유한 원소 방법 자기학 (FEMM) 이 결합 된 NdFeB 자석 의 주요 특성 을 어떻게 정확하게 결정 할 수 있는지 알려 준다, 정보에 기반한 디자인 결정과 제품 성능 향상.
결합 된 NdFeB 자석은 모터, 센서, 라우드 스피커 및 수많은 다른 응용 분야에서 중요한 역할을합니다. 그 성능은 제품 효율, 정확성 및 신뢰성에 직접 영향을 미칩니다.이 자석은 폴리머 결합 물질과 혼합된 자기 분자로 구성되어 있기 때문에, 그 성질은 분말 종류, 입자 크기, 채식 속도 및 결합 물질 구성 등 여러 가지 요인에 의해 영향을 받는다.따라서 설계 최적화를 위해 정확한 특성화는 필수적입니다.
유한 원소 방법 자석학 (Finite Element Method Magnetics, FEMM) 은 전자기장을 시뮬레이션하는 강력한 오픈 소스 도구이다. 엔지니어들은 FEMM을 사용하여 자기장 분포, 흐름 선, 흐름 밀도,그리고 다른 중요한 매개 변수, 자석 설계 최적화 및 성능 향상을 가능하게합니다. 여기에 제공 된 결합 된 NdFeB 자석 매개 변수는 FEMM 시뮬레이션에 귀중한 참조로 사용됩니다.
FEMM의 결합 된 NdFeB 자석 매개 변수는 제조업체마다 성능이 다르기 때문에 개별 공급자의 사양보다는 전형적인 응용 값을 나타냅니다.이러한 매개 변수는 사용자가 특정 자석 행동을 더 잘 시뮬레이션 조정 할 수있는 합리적인 출발점을 제공합니다.
결합 된 자석의 복합 성질은 일반적으로 0.01 MS/m의 극히 낮은 전기 전도성을 초래합니다.이 특성은 정확성을 보장하기 위해 전자기 시뮬레이션에서 고려되어야합니다..
결합 된 NdFeB 자석의 상대적 투명성은 에너지 제품과 상관관계를 가지고 있습니다. 낮은 에너지 제품 자석은 1에 접근하는 상대적 투명성 값을 나타냅니다.높은 에너지 제품으로 투과성이 증가하는 동안제조업체의 데이터의 회귀 분석은이 관계를 합리적으로 모델링 할 수 있습니다.
합금 자석과 달리 제조업체는 일반적으로 중간 지점에 위치한 명목 값으로 결합 자석 에너지 제품 범위를 지정합니다. FEMM 재료 정의에 대해,실제 에너지 제품들의 명목 값이 같다고 가정하면 모델링이 단순해집니다..
표준화 된 결합 된 자석 명칭이 없기 때문에 FEMM는 "BNX"명칭 시스템을 채택하며 "BN"는 "Bonded NdFeB"를 의미하며 "X"는 MGOe의 명목 에너지 제품을 나타냅니다. 예를 들어,BN5는 5 MGOe 에너지 제품과 결합 된 NdFeB 자석을 나타냅니다..
FEMM는 1 MGOe 인크림에서 1 MGOe에서 10 MGOe까지의 결합 된 NdFeB 자석 등급을 포함합니다. 아래 표는 이러한 등급의 성능 매개 변수를 상세히 설명합니다.
| 등급 | H최대(MGOe) | Br(T) | Br(kg) | HcB(kA/m) | HcB(kOe) |
|---|---|---|---|---|---|
| BN1 | 1 | 0.208 | 2.08 | 153 | 1.92 |
| BN2 | 2 | 0.297 | 2.97 | 215 | 2.70 |
| BN3 | 3 | 0.367 | 3.67 | 260 | 3.27 |
| BN4 | 4 | 0.427 | 4.27 | 298 | 3.75 |
| BN5 | 5 | 0.482 | 4.82 | 330 | 4.15 |
| BN6 | 6 | 0.532 | 5.32 | 359 | 4.51 |
| BN7 | 7 | 0.580 | 5.80 | 384 | 4.83 |
| BN8 | 8 | 0.625 | 6.25 | 409 | 5.12 |
| BN9 | 9 | 0.668 | 6.68 | 429 | 5.39 |
| BN10 | 10 | 0.710 | 7.10 | 448 | 5.63 |
FEMM의 결합 된 NdFeB 자석 매개 변수를 활용하면 다음과 같은 정확한 성능 시뮬레이션과 설계 최적화가 가능합니다.
결합 된 NdFeB 자석 특성에 대한 정확한 이해는 설계 최적화에 필수적입니다.FEMM의 매개 변수와 시뮬레이션 기능은 성능 평가와 의사 결정에 귀중한 통찰력을 제공합니다.이 방법론은 정보화된 자석 선택과 응용을 통해 경쟁력 있는 제품의 개발을 촉진합니다.
