Application of Adaptive Network-Based Fuzzy Inference System for Sensorless Control of PMSG-Based Wind Turbine With Nonlinear-Load-Compensation Capabilities
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
The precise information of permanent-magnet synchronous generator (PMSG) rotor position and speed is essentially required to operate it on maximum power points. This paper presents an adaptive network-based fuzzy inference system (ANFIS) for speed and position estimation of PMSG, where an ANFIS-based model reference adaptive system is continuously tuned with actual PMSG to neutralize the effect of parameter variations such as stator resistance, inductance, and torque constant. This ANFIS-tuned estimator is able to estimate the rotor position and speed accurately over a wide speed range with a great immunity against parameter variation. The proposed system consists of two back-to-back connected inverters, where one controls the PMSG, while another is used for grid synchronization. Moreover, in the proposed study, the grid-side inverter is also utilized as harmonic, reactive power, and unbalanced load compensator for a three-phase, four-wire (3P4W) nonlinear load, if any, at point of common coupling (PCC). This enables the grid to always supply/absorb a balanced set of fundamental currents at unity power factor. The proposed system is developed and simulated using MATLAB/SimPowerSystem (SPS) toolbox. Besides this, a scaled laboratory hardware prototype is developed and extensive experimental study is carried out to validate the proposed control approach.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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