MétaCan
Menu
Retour à la cohorte
Enregistrement W2171821243 · doi:10.1109/08ias.2008.178

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

2008· article· en· W2171821243 sur OpenAlexaff
M. Nasir Uddin, W. Wang, Zhi Rui Huang

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueSensorless Control of Electric Motors
Établissements canadiensLakehead University
Organismes subventionnairesnon disponible
Mots-clésRippleInduction motorControl theory (sociology)Rotor (electric)Computer scienceMinificationVector controlFault (geology)Digital signal processorConvergence (economics)Electronic speed controlEngineeringDigital signal processingControl (management)Artificial intelligenceElectrical engineeringVoltageComputer hardware

Résumé

récupéré en direct d'OpenAlex

This paper presents the modeling and minimization technique for speed ripple of a vector controlled faulty induction motor (FIM) with broken rotor bars. First, the performance of the FIM is investigated in terms of speed ripple under the open-loop condition. Then, a new mechanical model of induction motor is developed incorporating the speed ripple. Based on this model a new NFC is proposed to tolerant the effect of the fault under an indirect field oriented control scheme. The proposed NFC compensates the faulty condition by minimizing the supply frequency related speed ripples instead of directly working on the low frequency signature speed ripples which a FIM exhibits. Based on the knowledge of motor control and intelligent algorithms an unsupervised self-tuning method is developed to adjust weights of the proposed NFC. The convergence of the weights is also discussed and investigated in simulation. The complete drive is experimentally implemented using a digital signal processor board DS-1104 for a laboratory 250 W faulty IM. The effectiveness of the proposed NFC is tested both in simulation and experiment.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,096
Score d'incertitude au seuil0,328

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 recherche0,0000,000
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 Opus0,012
Tête enseignante GPT0,184
Écart entre enseignants0,171 · 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

Citations2
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSensorless Control of Electric MotorsTravaux en français237 207