MétaCan
Menu
Retour à la cohorte
Enregistrement W2543974153 · doi:10.1109/iecon.2002.1187528

A simple on-line method for rotor resistance updating in indirect rotor flux orientation

2003· article· en· W2543974153 sur OpenAlexafffund
A. Ba-Razzouk, Pierre Sicard, V. Rajagopalan

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueSensorless Control of Electric Motors
Établissements canadiensUniversité du Québec à Trois-RivièresHydro-Québec
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésControl theory (sociology)MRASInduction motorRotor (electric)Decoupling (probability)Vector controlEngineeringExtended Kalman filterRobustness (evolution)Control engineeringVoltageComputer scienceKalman filterArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Rotor resistance plays a dominant role in the loss of decoupling in rotor flux indirect vector control. To maintain high performance in these drives, estimation of the rotor resistance is required to adapt the decoupling regulator against the variations of the actual rotor resistance of the motor. This paper presents a new simple method for on-line estimation of the rotor resistance in rotor flux, current-controlled voltage-fed vector drives of induction motors. Small perturbations are applied to the rotor resistance programmed in the decoupling controller and the resulting response at the output of the d-axis proportional-integral current regulator is analyzed to provide a useful information on the actual rotor resistance of the motor. In addition of being independent of the motor state model and requiring no additional sensors, the proposed technique distinguishes from other conventional methods, such as extended Kalman filter, MRAS and neural networks identifiers, by the fact that it is simpler to implement and that it does not require complex computations. Simulation results are presented for a current-controlled, voltage-fed, indirect rotor flux drive to illustrate the efficiency of the proposed approach.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,004
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,019
Tête enseignante GPT0,289
Écart entre enseignants0,270 · 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

Citations9
Publié2003
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetSensorless Control of Electric MotorsTravaux en français237 207