MétaCan
Menu
Retour à la cohorte
Enregistrement W2774089436 · doi:10.1109/iecon.2017.8217539

An application of a finite element controller map for speed control for saturated induction motors

2017· article· en· W2774089436 sur OpenAlexaff
F. Lftisi, Glyn George, Mohammad Azizur Rahman

Notice bibliographique

RevueIECON 2017 - 43rd Annual Conference of the IEEE Industrial Electronics Society · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueSensorless Control of Electric Motors
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesOffice of Fossil Energy and Carbon Management
Mots-clésControl theory (sociology)Induction motorController (irrigation)MATLABFinite element methodElectronic speed controlLinear induction motorDigital signal processingComputer scienceControl engineeringEngineeringControl (management)Computer hardwareVoltage

Résumé

récupéré en direct d'OpenAlex

A novel Finite Element Controller Map (FECM) method for the speed control of a saturated induction motor (IM) drive is presented in this paper. The newly developed algorithm is based on approximate functions in finite elements, which are expressed according to the nodal values of output response of the IM drive. The map complexity depends on the nodes assigned within a discrete element. The proposed FECM improves dynamic responses, and is designed by assigning a simple shape function to avoid computational burden. The complete controller scheme incorporating the FECM algorithm for an IM drive is developed in MATLAB/Simulink. The proposed FECM algorithm is experimentally implemented in real time using a DSP-DS1104 control board for a laboratory induction motor. The simulated performances of the proposed FECM are found to be not very sensitive to parameter variations. These simulation results are investigated and compared with a conventional PI controller, when they are subjected to changes to command speed and parameters variation, particularly at low speeds. The simulation and experimental results are provided to verify the effectiveness of the proposed control strategy.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,745
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,041
Tête enseignante GPT0,274
Écart entre enseignants0,233 · 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.

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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIECON 2017 - 43rd Annual Conference of the IEEE Industrial Electronics SocietyMême sujetSensorless Control of Electric MotorsTravaux en français237 207