MétaCan
Menu
Retour à la cohorte
Enregistrement W3081590342 · doi:10.1155/2020/2092463

Multimotors Coordination Control Method for Consistent Total Traction Torque of Electric Locomotives

2020· article· en· W3081590342 sur OpenAlexvenueno aff
Jianhua Liu, Rui Nie, Zheshu Li

Notice bibliographique

RevueJournal of Advanced Transportation · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueSensorless Control of Electric Motors
Établissements canadiensnon disponible
Organismes subventionnairesNational Natural Science Foundation of ChinaNatural Science Foundation of Hunan ProvinceEducation Department of Hunan Province
Mots-clésTraction motorTraction (geology)Traction control systemTorqueControl theory (sociology)Automotive engineeringEngineeringStall torqueDirect torque controlTractive forceTraction substationTorque motorElectric vehicleInduction motorComputer scienceControl engineeringVoltageControl (management)Mechanical engineeringPhysicsElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Multimotors traction is a common driving mode for electric locomotives. The complexity and variability of the operating environment often cause difficulties for one or some traction motors to output the distributed traction torque, which requires the redistribution of the torque output of multimotors to maintain the total traction torque of all motors at a given constant. To this end, a multimotors coordination control method was proposed for consistent total traction torque of electric locomotives. Through this approach, a traction torque-coordinated control structure was constructed on the basis of energy minimisation with an optimal dynamic adjustment mode. The sliding mode tracking control was developed for each independent motor to improve its dynamic response performance. A simulation verification of motors fault types in two different cases was conducted. The results showed that the proposed method could track the total traction torque in a short time, and the system fluctuations in independent motor coordination process were very small.

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 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 enseignants0,533
Score d'incertitude au seuil0,594

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 Opus0,008
Tête enseignante GPT0,243
Écart entre enseignants0,235 · 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.

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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Advanced TransportationMême sujetSensorless Control of Electric MotorsTravaux en français237 207