Analyzing and modeling of a new resonance inverter for low power vehicular application
Notice bibliographique
Résumé
In this paper we proposed a novel inverter to convert a DC voltage to a desired AC voltage. This inverter is designed for variable inductive loads and low output power applications. We proposed a novel simple PWM method which enables the inverter to keep the output current at six times more than the rated output current, without reducing output voltage value. In addition, based on a simple use of resonance in the circuit, the new inverter can raise the output voltage to extremely high amplitude for a relatively short time. These characteristics make the proposed inverter is useful for some industrial applications such as electrical vehicle. The new configuration of the circuit consists of a unidirectional switch, two inductors (to transfer energy), a fast diode and a capacitor. With very few elements, this system changes the input DC voltage to a desired sinusoidal AC voltage. Some advantages of this system are: number of power electronics devices is low - it only uses a simple switch; it does not need dead time, in spite of conventional inverters which need a dead time between switches to prevent from short-circuiting; volume of the circuit is very small; the total harmonic distortion (THD) is greatly reduced; and it works with high efficiency. Another advantage of this inverter is capability of the circuit in boosting or bucking the input voltage to a desirable output voltage without using any DC-DC converters. It is flexible in keeping output voltage constant when the output current is increased, and it can produce the extremely higher output voltage than input voltage. The main drawback of the method, compared with conventional voltage source inverters, is that it uses more energy storage elements in spite of its low volume of power. We used simulations to prove all these statements.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».