MétaCan
Menu
Retour à la cohorte
Enregistrement W2330681669 · doi:10.1109/tia.2016.2539253

Soft Start and Voltage Control of Induction Motors Using Floating Capacitor H-Bridge Converters

2016· article· en· W2330681669 sur OpenAlexafffund
Siyu Leng, Ahteshamul Haque, Nirmana Perera, John Salmon

Notice bibliographique

RevueIEEE Transactions on Industry Applications · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueMultilevel Inverters and Converters
Établissements canadiensUniversity of CalgaryUniversity of Alberta
Organismes subventionnairesUniversity of Alberta
Mots-clésConvertersInduction motorCapacitorMotor soft starterVoltageHalf bridgeElectrical engineeringBridge (graph theory)EngineeringH bridgeMaterials sciencePulse-width modulation

Résumé

récupéré en direct d'OpenAlex

An application of H-bridges that enable soft start and power factor correction of cage induction machines is presented. The proposed power electronics employs floating capacitor H-bridges connected in series with utility grid and a cage induction motor to provide series voltage compensation. Injecting a series voltage in each phase, the proposed system can be used to control the motor voltage during starting and hence limit the motor starting current. In addition, an algorithm is proposed to accurately predict the worst case scenario for bridge dc capacitor voltage before motor starting. Thus, a dc capacitor overvoltage problem can be avoided. Experimental results show that the proposed system can successfully soft start a standard squirrel cage induction machine under different modes and load conditions. A simple representation of the worst case scenario for dc capacitor voltage before motor starting is established.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,848
Score d'incertitude au seuil0,707

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 Opus0,026
Tête enseignante GPT0,230
Écart entre enseignants0,204 · 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'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

Citations22
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Industry ApplicationsMême sujetMultilevel Inverters and ConvertersTravaux en français237 207