MétaCan
Menu
Retour à la cohorte
Enregistrement W3004266749 · doi:10.1155/2020/4735397

Virtual Line Shafting-Based Total-Amount Coordinated Control of Multi-Motor Traction Power

2020· article· en· W3004266749 sur OpenAlexvenueno aff
Jing He, Xueyuan Chen, Songan Mao, Changfan Zhang, Jianhua Liu

Notice bibliographique

RevueJournal of Advanced Transportation · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueRailway Systems and Energy Efficiency
Établissements canadiensnon disponible
Organismes subventionnairesNational Natural Science Foundation of ChinaNatural Science Foundation of Hunan ProvinceEducation Department of Hunan Province
Mots-clésControl theory (sociology)Traction (geology)TorqueTraction control systemRobustness (evolution)Block diagramControl engineeringControl systemComputer scienceController (irrigation)Sliding mode controlLyapunov functionEngineeringAutomotive engineeringControl (management)Nonlinear system

Résumé

récupéré en direct d'OpenAlex

This paper investigates a virtual line shafting-based total-amount coordinated control method of multi-motor traction power to solve the traffic safety problem caused by train traction power loss. This method considers the total amount instead of the synchronous control amongst single motors in a multi-motor control system. Firstly, a block diagram of the proposed method is built. Secondly, on the basis of this diagram, an accurate system model with parameter perturbations is constructed. Thirdly, a virtual controller is designed to quickly adjust the output torque of the virtual motor and to realise a tracking control of the reference torque. A total-amount coordinated control strategy based on the integral sliding mode is also designed to keep the total traction power of the multi-motor system constant under uncertain and unknown disturbances. Lyapunov stability theory is used to prove the system stability. The simulation and experiment results verify the effectiveness of the virtual controller and the total-amount coordinated control strategy in guaranteeing system robustness under disturbances and parameter perturbations.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
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 Opus0,007
Tête enseignante GPT0,217
Écart entre enseignants0,210 · 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

Citations10
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Advanced TransportationMême sujetRailway Systems and Energy EfficiencyTravaux en français237 207