MétaCan
Menu
Retour à la cohorte
Enregistrement W2966047744 · doi:10.1109/tec.2019.2932455

Step-Signal-Injection-Based Robust MTPA Operation Strategy for Interior Permanent Magnet Synchronous Machines

2019· article· en· W2966047744 sur OpenAlexaff
Jinhui Xia, Yuanbo Guo, Ze Li, Juri Jatskevich, Xiaohua Zhang

Notice bibliographique

RevueIEEE Transactions on Energy Conversion · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric Motor Design and Analysis
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesFundamental Research Funds for the Central UniversitiesNational Natural Science Foundation of China
Mots-clésControl theory (sociology)Robustness (evolution)AmpereTorqueSynchronous motorLyapunov functionRobust controlComputer scienceControl systemEngineeringCurrent (fluid)Nonlinear systemControl (management)Physics

Résumé

récupéré en direct d'OpenAlex

In various applications that utilize maximum torque per ampere (MTPA) operation of interior permanent magnet synchronous machines (IPMSMs), there exist unexpected perturbations in electrical parameters and operating environment, which deteriorate the accuracy and efficiency of the MTPA operation. This paper establishes a step-signal-injection-based robust MTPA operation strategy for the IPMSM drives. The method works by injecting a step signal into the current vector angle and observing the response in the current magnitude, followed by a proportional-integral controller which returns the system to optimal operation. The stability of the proposed algorithm is established using the Lyapunov theory. A speed-servo control system of IPMSM is considered, where a disturbance detection unit is designed to switch operation between optimal current angle updating mode and steady-state MTPA operation mode. Since the optimal current angle updating is independent of machine parameters, the impact of system perturbations on the MTPA operation can be effectively suppressed. Extensive experimental results for IPMSM and hardware-in-the-loop-based machine are presented to validate the effectiveness and robustness of the proposed method.

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)0,001
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 seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
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 Opus0,009
Tête enseignante GPT0,196
Écart entre enseignants0,188 · 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

Citations33
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Energy ConversionMême sujetElectric Motor Design and AnalysisTravaux en français237 207