MétaCan
Menu
Retour à la cohorte
Enregistrement W2071916735 · doi:10.1121/1.2935756

Extremal harmonic active control of power

2008· article· en· W2071916735 sur OpenAlexaff
Philippe Micheau, Jean-Philippe Gauthier

Notice bibliographique

RevueThe Journal of the Acoustical Society of America · 2008
Typearticle
Langueen
DomaineEngineering
ThématiqueIterative Learning Control Systems
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésControl theory (sociology)Rotor (electric)Controller (irrigation)Context (archaeology)AC powerTorqueGradient descentPower (physics)HarmonicOptimal controlComputationComputer scienceHarmonicsMathematicsPhysicsControl (management)VoltageMathematical optimizationAlgorithmArtificial neural networkAcoustics

Résumé

récupéré en direct d'OpenAlex

The extremal harmonic active control of power consists to define an energetic criterion at the main harmonic and to extremalize it on-line by commanding a secondary source of power. The term extremal means that the optimal criterion value is reached with an on-line optimization algorithm. Without loss of originality, the context of rotating machines oscillation in synchronization with rotor position is used to illustrate this approach. A second commanded torque source, attached to the shaft, is used to control speed oscillation due to torque disturbance. Such configuration can be found in hybrid automotive for example. The energetic criterion can be the kinetic energy (for conventional active speed oscillation cancelling), the reactive power (to add a virtual flywheel on the shaft) or the active power (for energy harvesting to charge a battery). The optimization algorithm is the method of steepest descent implemented with implicit or explicit gradient computation. But, in the case of reactive power, the implicit controller is not practically achievable. The experimental results with a test bed show that the explicit controllers converge at the extremum of each criterion. To conclude, the presented explicit extremal controller is a good candidate to be used for energetic criterion control.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,008
Tête enseignante GPT0,211
Écart entre enseignants0,203 · 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'étudeExpérimental (laboratoire)
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

Citations0
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of the Acoustical Society of AmericaMême sujetIterative Learning Control SystemsTravaux en français237 207