MétaCan
Menu
Retour à la cohorte
Enregistrement W2343178942 · doi:10.1109/tmag.2016.2528223

A Novel Control Strategy for Online Harmonic Compensation in Parametrically Unbalanced Induction Motor

2016· article· en· W2343178942 sur OpenAlexaff
Eshaan Ghosh, Aida Mollaeian, Weusong Hu, Narayan C. Kar

Notice bibliographique

RevueIEEE Transactions on Magnetics · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueMultilevel Inverters and Converters
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésHarmonicsControl theory (sociology)Induction motorTorque rippleStatorInverterRotor (electric)Electromagnetic coilCompensation (psychology)Voltage compensationHarmonicWound rotor motorComputer scienceTorqueRippleDirect torque controlFault (geology)Harmonic analysisTransient (computer programming)VoltagePhysicsEngineeringElectrical engineeringElectronic engineeringControl (management)Acoustics

Résumé

récupéré en direct d'OpenAlex

Inverter-fed motor drive operating an unbalanced induction motor (IM) has high harmonic content which inflicts large torque ripple on the load. Dead short circuit and incipient or partial short circuit in motor stator windings lead to asymmetry in the machine parameters. Consequently, an imbalance in the voltage supply worsens the condition deteriorating the optimal performance of the drive-based motor due to the injection of both increased time and spatial harmonics. It is of primary importance that these discrepancies are taken care of while modeling a more fault tolerant, reduced harmonics drive system. This paper proposes a novel control strategy to minimize torque ripple by considering the time harmonics produced due to imbalance in inverter voltage and parameters of the faulty IM, and the estimated space harmonics from the measured magnetic flux density in a transient magnetic phenomenon. The proposed control strategy has been implemented on an unbalanced aluminum-rotor IM with online monitoring of unhealthy conditions and feeding it to the harmonic compensation block of the drive system.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,917
Score d'incertitude au seuil0,538

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 Opus0,037
Tête enseignante GPT0,245
Écart entre enseignants0,208 · 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

Citations13
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on MagneticsMême sujetMultilevel Inverters and ConvertersTravaux en français237 207