MétaCan
Menu
Retour à la cohorte
Enregistrement W2204956754 · doi:10.1109/ias.2015.7356816

Harmonic injection based adaptive control of IPM motor drive for reduced motor current harmonics

2015· article· en· W2204956754 sur OpenAlexaff
Garin Schoonhoven, M. Nasir Uddin

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueSensorless Control of Electric Motors
Établissements canadiensLakehead University
Organismes subventionnairesnon disponible
Mots-clésControl theory (sociology)HarmonicsMotor driveTorqueHarmonicController (irrigation)Total harmonic distortionLyapunov stabilitySynchronous motorComputer scienceEngineeringVoltageNonlinear systemPhysics

Résumé

récupéré en direct d'OpenAlex

This paper presents a robust nonlinear controller for interior permanent magnet synchronous motors (IPMSM) based on maximum torque per ampere (MTPA). Harmonic reduction is achieved through strategic harmonic injection into the command voltages. Third harmonic injection also permits increased utilization (transfer ratio) of supply potential which facilitates a greater speed operating range. Stability of the control law state variables is demonstrated through Lyapunov stability criterion. Global asymptotic stability is assured through the application of criterion supported by Barbalat's lemma. Control expressions are derived using adaptive back-stepping technique, with estimation of dynamic load and mechanical coefficient ensuring optimal performance under dynamic operating conditions. The proposed system has been implemented in a co-simulation environment, with control system and machine model implemented in Matlab/Simulink and PSIM, respectively. The complete drive system is implemented using the DS1104 DSP board for a 3.7kW laboratory motor. Both experimental and simulation results have demonstrated excellent drive performance, harmonic distortion reduction and an increase in the linear modulation range.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,031
Tête enseignante GPT0,243
Écart entre enseignants0,212 · 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'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

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSensorless Control of Electric MotorsTravaux en français237 207