A Composite Selective Harmonic Elimination Model Predictive Control for Seven-Level Hybrid-Clamped Inverters With Optimal Switching Patterns
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
A composite strategy that combines selective harmonic elimination pulsewidth modulation (SHE-PWM) and model predictive control (MPC) for seven-level hybrid-clamped (7L-HC) inverters is presented in this article. By introducing the unified SHE formulation, all seven-level switching patterns and corresponding switching angles can be obtained simultaneously. Therefore, the optimal switching pattern with the designed optimization goal of each modulation index can be evaluated, and the best expected output performance is achieved. For the voltage balancing issue of 7L-HC, MPC is adopted to control the dc-link and flying capacitors. After receiving the output voltage level signal from the SHE-PWM modulator, the optimal switching state that belongs to the received output voltage level that minimizes the cost function is selected by the MPC module, where the cost function is designed to simultaneously balance capacitor voltages and reduce the switching frequency. Dynamic weighting factors with variable band limits are also proposed to further improve the system performance. The potential industrial application of high-power motor drive is used as an example in designing the key parameters for both SHE and MPC parts. Simulation and experimental results confirmed the validity of this composite SHE-MPC strategy in reducing the switching frequency and improving harmonic performances while keeping capacitor voltages well balanced.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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