A Novel Neuro-Wavelet Based Self-Tuned Wavelet Controller for IPM Motor Drives
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
This paper presents a hybrid neuro-wavelet scheme for on-line tuning of a wavelet-based multiresolution PID (MRPID) controller in real-time for precise speed control of an interior permanent magnet synchronous motor (IPMSM) drive system under system uncertainties. In the wavelet-based MRPID controller, the discrete wavelet transform (DWT) is used to decompose the error between actual and command speeds into different frequency components at various scales. The MRPID controller parameters are tuned by the wavelet neural network (WNN) to ensure optimum performance of the drive system. The proposed neuro-wavelet based MRPID controller is trained online with adaptive learning rates in the closed-loop vector control of the IPMSM drive system. The adaptive learning rates are derived using discrete Lyapunov stability theorem so that the convergence of the tracking error is guaranteed in the closed-loop system. The performances of the proposed hybrid controller are investigated in both simulation and experiments at different dynamic operating conditions. The complete vector control scheme incorporating the proposed self-tuning MRPID controller is successfully implemented in real-time using the ds1102 digital signal processor board for the laboratory 1-hp IPM motor. The superior performances of the proposed WNN-based self-tuning MRPID controller are also validated over fixed-gain controllers.
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