DC-Link Voltage Balancing for a Three-Level Electric Vehicle Traction Inverter Using an Innovative Switching Sequence Control Scheme
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This paper presents an advanced switching sequence for space-vector pulsewidth modulation (SV-PWM)-based three level neutral-point clamped inverter. The developed scheme helps to reduce the number of converter switching sequences, compared with the conventional SV-PWM strategy, and keeps the voltage difference between the two dc-link capacitors at the desired voltage level. The developed test bench is utilized for a permanent magnet synchronous machine (PMSM) drive for electric vehicle applications. The proposed strategy is compared with the performance of a PI controller-based voltage balancing strategy. The proposed control strategy is based on the nearest three-vector (N3V) scheme, with a hysteresis control of the dc-link capacitor voltage difference. Conventional N3V scheme uses a higher number of switching sequences, which makes the switching losses higher. In addition, these switching sequences are not same for all subsectors. This makes the switching frequency to vary extensively. In the proposed control strategy, a reduced number of switching sequences are used, and they are same for all subsectors. This makes the system operate with constant switching frequency. Detailed simulation studies are performed to verify the performance of the proposed control strategy. The performance-based test results are then compared with those of a PI controller-based strategy. Experimental test results show significant improvement in the performance of the PMSM with respect to dc-link capacitor voltage variation as well as wide speed and torque range of machine operation.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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