Average natural trajectories (ANTs) for boost converters: Centric-based control
Notice bibliographique
Résumé
The control of boost converters using traditional linear techniques features fixed switching frequency and a simple implementation. Due to its characteristic non-minimum phase behaviour, the dynamic response can be improved only to a limited extent. On the other hand, excellent dynamic performance can be achieved with boundary controllers in which the demands placed on processors and sensors are greatly increased. This work introduces a novel control technique for boost converters that combines pulse width modulation with geometrical analysis. The natural evolution of the converter averaged state variables is modeled in a geometrical domain, and employed to develop a non-linear control scheme. The proposed technique is suitable for implementation in low cost DSPs, using low bandwidth sensing stages, and it features fixed switching frequency, fast dynamic response, and low computational burden. These characteristics make the controller a very appealing alternative for high-volume applications. The issues related to the RHPZ in the small signal model of the converter are eliminated due to the geometric-based nature of the proposed control technique, and therefore fast dynamic response can be achieved. Furthermore, since the model developed predicts large-signal behaviour accurately, reliable and predictable behaviour can be obtained at any operating point. In this way, magnetic saturation and system failures can be avoided even during extremely large transients. The contributions made to the theoretical and applied field are valid for any combination of reactive components due to the normalized approach adopted. The theoretical concepts are supported by detailed mathematical procedures and the controller's implementation validated by experimental results.
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 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) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».