MétaCan
Menu
Retour à la cohorte
Enregistrement W3096682972 · doi:10.1109/ecce44975.2020.9236042

Direct Instantaneous Torque Control of Five-Phase Segmented Switched Reluctance Motor with Bipolar Excitation for In-Wheel Electric Vehicles

2020· article· en· W3096682972 sur OpenAlexafffund
Deepak Ronanki, Apparao Dekka, Abdul R. Beig

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric Motor Design and Analysis
Établissements canadiensLakehead University
Organismes subventionnairesLakehead University
Mots-clésSwitched reluctance motorTorqueControl theory (sociology)Direct torque controlExcitationElectric vehicleReluctance motorTorque limiterStall torquePhase (matter)Torque densityInverterComputer scienceMATLABVoltageEngineeringPhysicsControl (management)Induction motorPower (physics)Electrical engineering

Résumé

récupéré en direct d'OpenAlex

Multi-phase segmented switched reluctance motors (SRMs) are the better option for in-wheel electric vehicles due to higher specific torque (70% more) and torque density than conventional toothed SRMs. Furthermore, it allows to excite two or more phases simultaneously in order to avoid torque dips during the phase commutations. However, conventional control schemes cause severe torque pulsations. In this paper, a new direct instantaneous torque control technique for a five-phase segmented SRM (SSRM) with bipolar excitation is proposed. SSRM is fed by the five-phase voltage source inverter (VSI) instead of a conventional asymmetric H-bridge (AHB) converter. The performance of the proposed control algorithm is validated through MATLAB simulations. Results show that the proposed control scheme exhibits an improved performance under a vehicle load.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,860
Score d'incertitude au seuil0,581

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 GPT0,209
Écart entre enseignants0,201 · 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'étudeExpérimental (laboratoire)
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

Citations3
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetElectric Motor Design and AnalysisTravaux en français237 207