Sur la commande tolérante aux défauts des machines asynchrones. Une approche implicite
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Dans cet article, deux approches de commande tolérante aux défauts (FTC Fault-Tolerant Control) sont étudiées et appliquées à la machine asynchrone.Dans ce contexte, la phase de détection et d'isolation du défaut est décalée par rapport à la phase de reconfiguration de la commande.Celle-ci est réalisée en testant l'état d'un modèle interne qui s'active automatiquement dès l'apparition d'un défaut pour compenser son effet.Cet effet peut être convenablement modélisé par un signal exogène issu d'un système autonome stable appelé exosystème.Une commande additive est ainsi ajoutée à la commande nominale.Issue du modèle interne, cette commande sert à compenser l'effet du défaut.La première approche FTC exploite un modèle interne basé sur l'équation de Sylvester qui entraîne une divergence lorsque la machine est affectée par deux défaut ou plus.La seconde approche, quant à elle, élimine le problème de divergence par un réglage adapté des matrices du système.ABSTRACT.This paper deals with the application of implicit fault-tolerant control techniques to induction motor drives using a Backstepping approach.For that purpose, the induction motor, the disturbances as well as the faults signals have been modeled.A Backstepping control strategy (nominal control) is then synthesized and applied to the induction motor drive for robust control purposes.For fault-tolerant control purposes, an additive control term is generated from an internal state model in order to compensate for the fault effects.Simulations carried-out on a 1.1-kW induction motor drive clearly show the effectiveness of the proposed approaches.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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