MétaCan
Menu
Retour à la cohorte
Enregistrement W2956082735 · doi:10.1109/icit.2019.8755098

Design of an Artificial Neural Network Control Based on Levenberg-Marquart Algorithm for Grid-Connected Packed U-Cell Inverter

2019· article· en· W2956082735 sur OpenAlexaff
Mohammad Babaie, Fadia Sebaaly, Mohammad Sharifzadeh, Hadi Y. Kanaan, Kamal Al‐Haddad

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced DC-DC Converters
Établissements canadiensÉcole de Technologie SupérieureUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésTotal harmonic distortionInverterControl theory (sociology)Controller (irrigation)Computer scienceArtificial neural networkCapacitorVoltageAlgorithmMATLABGridPID controllerTopology (electrical circuits)EngineeringControl engineeringMathematicsTemperature controlControl (management)Electrical engineering

Résumé

récupéré en direct d'OpenAlex

In this paper an Artificial Neural Network (ANN) controller based on Levenberg-Marquart algorithm is designed and applied to a five-level sensor-less Packed U-cell (PUC5) inverter operating as grid connected mode. The advantage of the proposed design is that there is no longer required to the conventional parameters tuning snag confronted with the traditional Proportional Integral (PI) method. An offline algorithm takes in action of the controller parameters tuning calculation. The proposed ANN regulates the grid line current while the DC bus voltage is maintained constant with no need of regulator as the capacitor is self-voltage balanced in PUC5 topology. The overall design is simple as less tuning, sensors and regulators are requested compared to the conventional PI compensator case. Simulation results on MATLAB/Simulink are conducted to validate the performance of the controller in both steady and dynamic state where low Total Harmonic Distortion (THD) of the line current and high dynamic system response can be identified.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,007

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 savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,011
Tête enseignante GPT0,202
Écart entre enseignants0,191 · 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

Citations31
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced DC-DC ConvertersTravaux en français237 207