MétaCan
Menu
Retour à la cohorte
Enregistrement W2020566020 · doi:10.1109/iecon.2013.6700340

Performance comparison of a two-level and three-level inverter permanent magnet synchronous machine drives for HEV application

2013· article· en· W2020566020 sur OpenAlexafffund
Lesedi Masisi, Abhijit Choudhury, Sheldon S. Williamson

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric Motor Design and Analysis
Établissements canadiensConcordia University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaConcordia University
Mots-clésInverterTotal harmonic distortionTorque rippleTorqueRippleVoltageControl theory (sociology)Distortion (music)HarmonicMagnetHarmonicsHarmonic analysisElectrical engineeringComputer sciencePhysicsDirect torque controlEngineeringAcousticsElectronic engineeringInduction motor

Résumé

récupéré en direct d'OpenAlex

This paper investigates the performance of a two level and a three level inverter drives for a permanent magnet synchronous machine (PMSM) under different switching frequencies. The experiments were conducted via a real time based system called Opal-RT. The inverters were operated at 1 kHz and 5 kHz switching frequencies. The torque was varied between 2 N.m and 4 N.m at a constant speed of 800 rpm. However the torque ripples and the copper losses between the two inverter drives were similar and the copper losses were independant of the swicthing frequency. At 5 kHz inverter switching frequency the two level inverter performed better at 4 N.m with a total current harmonic distortion of 2.55% and a torque ripple of 10%. However overall the three level inverter had low voltage and current harmonic distortion which translates to lower iron losses. Swicthing at 5 kHz frequency showed to have lower overall harmonic distortion than at 1 kHz for both inverters. The greater the capcitor voltage error the more the torque ripples even though the machine registered lower current total harmonic distortion for the three level inverter.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,966
Score d'incertitude au seuil0,421

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,019
Tête enseignante GPT0,232
Écart entre enseignants0,213 · 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 tête enseignante, 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

Citations5
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetElectric Motor Design and AnalysisTravaux en français237 207