MétaCan
Menu
Retour à la cohorte
Enregistrement W2139296249 · doi:10.1109/tia.2010.2070476

Modeling and Minimization of Speed Ripple of a Faulty Induction Motor With Broken Rotor Bars

2010· article· en· W2139296249 sur OpenAlexaff
Mohammad Nasir Uddin, Wilson Wang, Zhi Rui Huang

Notice bibliographique

RevueIEEE Transactions on Industry Applications · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueMachine Fault Diagnosis Techniques
Établissements canadiensLakehead University
Organismes subventionnairesnon disponible
Mots-clésControl theory (sociology)Induction motorRippleRotor (electric)MinificationElectronic speed controlFault (geology)Vector controlComputer scienceRotational speedFuzzy logicConvergence (economics)EngineeringVoltageControl (management)

Résumé

récupéré en direct d'OpenAlex

This paper presents a technique of modeling and minimization of speed ripples of a vector-controlled faulty induction motor (IM) with broken rotor bars. First, the performance of the faulty IM is investigated in terms of speed ripples under the open-loop condition. Then, a new IM model is developed, incorporating the speed ripples. Consequently, a new neuro-fuzzy controller (NFC) is proposed to tolerate the fault effect under an indirect field-oriented control scheme. The proposed NFC can compensate the motor rotation imperfections by minimizing the supply frequency-related speed ripples instead of directly working on the low-frequency speed ripples exhibited by a faulty IM. A novel self-tuning algorithm is proposed to adjust the weight of the developed NFC, and its training convergence is investigated by simulation. The effectiveness of the developed NFC is verified by both simulation and experimental tests.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,479
Score d'incertitude au seuil0,623

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,010
Tête enseignante GPT0,252
Écart entre enseignants0,242 · 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 tête enseignante, 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
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

Citations17
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Industry ApplicationsMême sujetMachine Fault Diagnosis TechniquesTravaux en français237 207