MétaCan
Menu
Retour à la cohorte
Enregistrement W3101166943 · doi:10.1109/iecon43393.2020.9255041

Simple 1D-SVM Technique for single-phase Nine-level Packed E-Cell (PEC9) Inverter

2020· article· en· W3101166943 sur OpenAlexaff
Mohammadali Ahmadijokani, Mohammad Sharifzadeh, Majid Mehrasa, Kamal Al‐Haddad

Notice bibliographique

RevueIECON 2020 The 46th Annual Conference of the IEEE Industrial Electronics Society · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueMultilevel Inverters and Converters
Établissements canadiensÉcole de Technologie SupérieureUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésCapacitorDuty cycleSpace vector modulationInverterVoltageSupport vector machineComputer scienceMATLABElectronic engineeringModulation (music)Control theory (sociology)EngineeringElectrical engineeringArtificial intelligencePhysics

Résumé

récupéré en direct d'OpenAlex

In this paper, a simple space vector modulation called 1D-SVM integrated with an active capacitor voltage regulation algorithm is applied to the appealing single-phase single DC source nine-level (PEC9) inverter. The proposed 1D-SVM reduces the switching losses by avoiding the additional switching in the middle of defined switching period and also provides the better capacitor voltage regulation compared to carrier based methods. Additional switching could be imposed when the carrier base methods integrated with the capacitor voltage regulation algorithm in PEC9. But, the proposed modulation technique not only prevents the additional occurrences but also decreases the ripples of the capacitors voltages so it can decrease the size of the capacitors. The 1D-SVM calculates and determines a duty cycle for the whole single-phase multilevel converter in each sampling time. The performance of the proposed 1D-SVM for the PEC9 capacitor voltage regulation has been investigated by simulation tests in Matlab-Simulink environment.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,490
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,084
Tête enseignante GPT0,252
Écart entre enseignants0,167 · 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.

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

Citations10
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIECON 2020 The 46th Annual Conference of the IEEE Industrial Electronics SocietyMême sujetMultilevel Inverters and ConvertersTravaux en français237 207