MétaCan
Menu
Retour à la cohorte
Enregistrement W2103437836 · doi:10.1177/0959651812462328

Nonlinear model predictive controller with state observer for speed sensorless induction generator–wind turbine systems

2012· article· en· W2103437836 sur OpenAlexaff
Adel Merabet, Vigneshwaran Rajasekaran, Andrew McMullin, Hussein Ibrahim, Rachid Beguenane, J. S. Thongam

Notice bibliographique

RevueProceedings of the Institution of Mechanical Engineers Part I Journal of Systems and Control Engineering · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Control Systems Optimization
Établissements canadiensRoyal Military College of CanadaSaint Mary's University
Organismes subventionnairesnon disponible
Mots-clésControl theory (sociology)Observer (physics)Nonlinear systemWind powerTurbineController (irrigation)Induction generatorVariable speed wind turbineState observerRotor (electric)TorqueWind speedModel predictive controlControl engineeringElectronic speed controlLyapunov functionLyapunov stabilityEngineeringComputer sciencePermanent magnet synchronous generatorControl (management)VoltagePhysics

Résumé

récupéré en direct d'OpenAlex

In this article, the problem of tracking control for variable speed induction generator–wind energy conversion system is investigated using nonlinear predictive control. A rotor speed predictive control algorithm has been designed to control the angular speed of the machine in order to allow the wind energy conversion system to operate with maximum power extraction. The generator torque and uncertainties are estimated and injected into the control law to improve the tracking performance. Control action is carried out assuming that all the states are known by measurement. Then, a state observer is implemented and Lyapunov method is used to prove the global stability of the complete continuous control scheme. Simulation is carried out to verify the performance of the proposed control system.

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)0,001
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,011
Tête enseignante GPT0,191
Écart entre enseignants0,180 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Institution of Mechanical Engineers Part I Journal of Systems and Control EngineeringMême sujetAdvanced Control Systems OptimizationTravaux en français237 207