MétaCan
Menu
Retour à la cohorte
Enregistrement W3017378083 · doi:10.1063/5.0000824

Design close-loop control of BLDC motor speed using PID method in solar power with matlab/simulink

2020· article· en· W3017378083 sur OpenAlexaboutno aff
Chico Hermanu Brillianto Apribowo, Hari Maghfiroh, Arifian Tri Laksita

Notice bibliographique

RevueAIP conference proceedings · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueEngineering and Technology Innovations
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPID controllerMATLABControl theory (sociology)Loop (graph theory)DC motorElectronic speed controlComputer sciencePower (physics)Control engineeringControl (management)EngineeringElectrical engineeringPhysicsTemperature controlArtificial intelligenceMathematics

Résumé

récupéré en direct d'OpenAlex

In this research, the design of close loop BLDC motor speed control was designed with several simulation test conditions and also discuss the differences of boost converter with Fuzzy control and boost converter without Fuzzy control. The BLDC motor specifications used in this research are 3 phase, constant voltage is 80 V_peak L-L / krpm and the moment of inertia is 0.000553 J (kgm2). The specifications of the solar were Canadian CS5T 130M with a maximum power=129W. The test results on the boost converter without using Fuzzy controls have fluctuating voltages. Whereas when using PID controls, the output voltage is stable and the voltage is±100 V. In simulation, PID control circuits have THD values amounting to 3.12%, which corresponds to the standards specified by IEEE for voltages below 1 kV=<5%. The simulation test results with several conditions have made a difference in the results of the motor speed response. Based on the results of the simulation test, it is known that the speed control with the PID control circuit has better results compared to the open loop circuit.

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 enseignants0,004
Score d'incertitude au seuil0,014

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 savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,029
Tête enseignante GPT0,243
Écart entre enseignants0,215 · 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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAIP conference proceedingsMême sujetEngineering and Technology InnovationsTravaux en français237 207