MétaCan
Menu
Retour à la cohorte
Enregistrement W1810807873 · doi:10.4236/jpee.2015.38005

PI and RST Control Design and Comparison for Matrix Converters Using Venturini Modulation Strategy

2015· article· en· W1810807873 sur OpenAlexaff
Bekhada Hamane, Mamadou Lamine Doumbia, Hicham Chaoui, Mohamed Bouhamida, A. Chériti, Mustapha Benghanem

Notice bibliographique

RevueJournal of Power and Energy Engineering · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrogrid Control and Optimization
Établissements canadiensUniversité du Québec à Trois-Rivières
Organismes subventionnairesnon disponible
Mots-clésControl theory (sociology)Robustness (evolution)ConvertersNonlinear systemRobust controlVoltagePID controllerControl engineeringModulation (music)EngineeringComputer scienceControl systemControl (management)Electrical engineeringArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

This paper presents a thorough design and comparative study of two popular control techniques, i.e., classical Proportional Integral (PI) and RST, for Matrix Converters (MCs) in terms of tracking the reference and robustness. The output signal of MCs is directly affected by unbalanced grid voltage. Some research works have attempted to overcome this problem with PI control. However, this technique is known to offer lower performance when it is used in complex and nonlinear systems. On the other hand, RST control offers better performance, even in case of highly nonlinear systems. Therefore, the RST can achieve better performance to overcome the limitation of PI control of nonlinear systems. In this paper, a RST control method is proposed as output current controller to improve the performance of the MC powered by unbalanced grid voltage. The overall operating principle, Venturini modulation strategy of MC, PI control and characteristics of RST are presented.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,015
Tête enseignante GPT0,219
Écart entre enseignants0,204 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Power and Energy EngineeringMême sujetMicrogrid Control and OptimizationTravaux en français237 207