MétaCan
Menu
Retour à la cohorte
Enregistrement W2131672614 · doi:10.1109/tcst.2002.806453

Experimental characterization and quadratic programming-based control of brushless-motors

2003· article· en· W2131672614 sur OpenAlexaff
Farhad Aghili, M. Buehler, John M. Hollerbach

Notice bibliographique

RevueIEEE Transactions on Control Systems Technology · 2003
Typearticle
Langueen
DomaineEngineering
ThématiqueSensorless Control of Electric Motors
Établissements canadiensMcGill UniversityCanadian Space Agency
Organismes subventionnairesnon disponible
Mots-clésControl theory (sociology)DC motorWaveformCommutationTorque rippleDirect torque controlTorqueSwitched reluctance motorBrushed DC electric motorMachine controlController (irrigation)Computer scienceEngineeringMathematicsElectric motorControl engineeringAC motorPhysicsInduction motorElectrical engineering

Résumé

récupéré en direct d'OpenAlex

A new torque control strategy for brushless motors is presented, which results in minimum torque ripple and copper losses. The motor model assumes linear magnetics, but contains a current limit which can delimit the onset of magnetic saturation, or be the motor amplifier current limit, whichever is reached first. The control problem is formulated and solved as a quadratic programming problem with equality and inequality constraints to find the nonlinear mapping from desired torque and position to the motor's phase currents. The optimal solution is found in closed form using the Kuhn-Tucker theorem. The solution shows that, unlike the conventional commutation with a fixed current-position waveform, the waveforms of the proposed controller vary in order to respect the current limitation in one phase by boosting the current in the other phases. This increases the maximum torque capability of the motor - in our particular system by 20% - compared to fixed waveform commutation. Experimental data from our brushless direct-drive motor demonstrates that the controller produces virtually ripple-free torque and enhances remarkably the tracking accuracy of the motion controller.

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)0,002
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,005
Tête enseignante GPT0,198
Écart entre enseignants0,192 · 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

Citations42
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Control Systems TechnologyMême sujetSensorless Control of Electric MotorsTravaux en français237 207