Model Predictive Control of 5L-ANPC Converter-Fed PMSM Drives with Two-Stage Optimization
Notice bibliographique
Résumé
Classical model predictive control (MPC) of a five-level active neutral-point-clamped (5L-ANPC) converter-fed PMSM drive faces two limitations: heavy computation burden and poor steady-state performance. This paper proposed an MPC scheme with two-stage optimization to reduce the computational burden and improve steady-state performance. To simplify the computational complexity, the 5L-ANPC converter is decoupled into two parts: the low-frequency cell (LFC) and the high-frequency cell (HFC). In the first stage, the switching states of the LFC are selected based on the sign of the desired output voltage; in the second stage, the optimal duty cycles for the high-frequency cell (HFC) are calculated by the multiple vector MPC. The pulse train for each switching state is generated by phase-shifted pulse-width modulation (PS-PWM) based on the voltage-second balance principle. The phase capacitor and DClink capacitor voltage balance are achieved by the flexibility of the inherent redundancy in the 5L-ANPC converter. An efficient optimization method is also formulated to reduce the classical enumeration algorithm to only 6 times, which significantly simplifies the computational burden of MPC. Due to the interleaved switching manner within each phase, the steady-state performance compared with well the linear controller with PSPWM. Experimental evaluations have been presented to validate the effectiveness of the proposed MPC.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».