MétaCan
Menu
Retour à la cohorte
Enregistrement W2587646878 · doi:10.1109/jestpe.2017.2666153

Space-Vector-Based Generalized Discontinuous Pulsewidth Modulation for Three-Level Inverters Operating at Lower Modulation Indices

2017· article· en· W2587646878 sur OpenAlexafffund
Subhadeep Bhattacharya, Diego Mascarella, G. Joós

Notice bibliographique

RevueIEEE Journal of Emerging and Selected Topics in Power Electronics · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueMultilevel Inverters and Converters
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésPulse-width modulationModulation (music)InverterControl theory (sociology)ClampingPower (physics)Reduction (mathematics)Modulation indexPower factorSpace vector modulationElectronic engineeringComputer scienceEngineeringVoltageMathematicsPhysicsElectrical engineeringArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Conventional three-level discontinuous pulsewidth modulation (DPWM) templates typically provide maximum switching loss reduction capability for load power factor angles in the range from 30° lagging to 30° leading. This paper proposes three space-vector-based DPWM templates for lower power factors and a generalized DPWM strategy for three-level inverters operating with modulation indices lower than 0.5. For different power factors, the proposed strategy adapts the inverter pulse sequence by combining different portions of the proposed and conventional DPWM templates within one operating fundamental cycle and ensures minimum switching instances when changing templates. Consequently, the strategy aligns the PWM clamping intervals with the respective load-current peaks, achieving around 50% switching loss reduction capability extended to all operating power factor angles (90° lagging to 90° leading). The simulation and experimental results demonstrate the effectiveness of the proposed three-level generalized DPWM strategy over the conventional three-level modulation strategies.

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 ouverte0,0010,000
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 Opus0,022
Tête enseignante GPT0,256
Écart entre enseignants0,234 · 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

Citations47
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Journal of Emerging and Selected Topics in Power ElectronicsMême sujetMultilevel Inverters and ConvertersTravaux en français237 207