MétaCan
Menu
Retour à la cohorte
Enregistrement W2162572743 · doi:10.1109/tec.2008.921555

Dynamic Performance of Brushless DC Motors With Unbalanced Hall Sensors

2008· article· en· W2162572743 sur OpenAlexaff
Nikolay Samoylenko, Qiang Han, Juri Jatskevich

Notice bibliographique

RevueIEEE Transactions on Energy Conversion · 2008
Typearticle
Langueen
DomaineEngineering
ThématiqueSensorless Control of Electric Motors
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésHall effect sensorDC motorHarmonicsTorque rippleTransient (computer programming)Brushed DC electric motorRippleComputer scienceTorqueInverterControl theory (sociology)Hall effectElectrical engineeringElectronic engineeringControl engineeringEngineeringElectric motorAC motorPhysicsInduction motorVoltageDirect torque controlMagnetControl (management)Artificial intelligence

Résumé

récupéré en direct d'OpenAlex

Brushless dc (BLDC) motors controlled by Hall-effect sensors are widely used in various applications and have been extensively researched in the literature, mainly under the assumption that the Hall sensors are ideally placed 120 electrical degrees apart. However, this assumption is not always valid; in fact, sensor placement may be significantly inaccurate, especially in medium- and low-precision BLDC machines. This paper shows that misplaced Hall sensors lead to unbalanced operation of the inverter and motor phases, which increases the low-frequency harmonics in torque ripple and degrades the overall drive performance. The paper also presents several average-filtering techniques that can be applied to the original Hall-sensor signals to mitigate the effect of unbalanced placement during steady-state and transient operations. The proposed methodology is demonstrated by modeling and hardware, and is shown to achieve dynamic performance similar to that of a BLDC motor with accurately positioned Hall sensors.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

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 ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,005
Tête enseignante GPT0,166
Écart entre enseignants0,161 · 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

Citations123
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Energy ConversionMême sujetSensorless Control of Electric MotorsTravaux en français237 207