MétaCan
Menu
Retour à la cohorte
Enregistrement W3011168450 · doi:10.1109/tte.2020.2980193

Modeling and Control of Multiphase Interleaved Fuel-Cell Boost Converter Based on Hamiltonian Control Theory for Transportation Applications

2020· article· en· W3011168450 sur OpenAlexaff
Pongsiri Mungporn, Phatiphat Thounthong, Burin Yodwong, Chainarin Ekkaravarodome, A. Bilsalam, Serge Pierfederici, Damien Guilbert, Babak Nahid‐Mobarakeh, Nicu Bizon, Zahir Shah, Surin Khomfoi, Poom Kumam, Piyabut Burikham

Notice bibliographique

RevueIEEE Transactions on Transportation Electrification · 2020
Typearticle
Langueen
DomaineEnergy
ThématiqueHybrid Renewable Energy Systems
Établissements canadiensMcMaster University
Organismes subventionnairesKing Mongkut's University of Technology North Bangkok
Mots-clésBoost converterControl theory (sociology)DSPACEComputer scienceStack (abstract data type)MATLABEngineeringElectrical engineeringVoltageAlgorithmControl (management)

Résumé

récupéré en direct d'OpenAlex

This article presents a multiphase interleaved boost converter supplied by a fuel-cell (FC)/reformer power source for highly dynamic transportation applications. A control theory based on the Hamiltonian function approach is considered. Using the port-controlled Hamiltonian system, we propose simple solutions to the dynamic performance and convergence problems when an interaction occurs between the power sources and constant power loads. To corroborate the proposed control law, an FC boost converter (2.5-kW two-phase interleaved converter) is used and investigated in the laboratory. The methanol FC system is composed of a fuel reformer reactor that transforms water and methanol liquid fuel into hydrogen gas to a polymer electrolyte membrane FC stack (2.5 kW, 50 V). The studied control approach is realized by digital calculation using a MicroLabBox controller board (dSPACE platform). The simulation using the MATLAB/Simulink program and the experimental results validate that our proposed solution is an excellent control algorithm for highly dynamic power-load cycles.

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)0,000
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,983
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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 ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,011
Tête enseignante GPT0,215
Écart entre enseignants0,204 · 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

Citations51
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Transportation ElectrificationMême sujetHybrid Renewable Energy SystemsTravaux en français237 207