MétaCan
Menu
Retour à la cohorte
Enregistrement W3114807490 · doi:10.1109/tec.2020.3047983

A Review of Predictive Control Techniques for Switched Reluctance Machine Drives. Part I: Fundamentals and Current Control

2020· review· en· W3114807490 sur OpenAlexafffund
Diego F. Valencia, Rasul Tarvirdilu-Asl, Cristian García, José Rodríguez, Ali Emadi

Notice bibliographique

RevueIEEE Transactions on Energy Conversion · 2020
Typereview
Langueen
DomaineEngineering
ThématiqueMultilevel Inverters and Converters
Établissements canadiensMcMaster University
Organismes subventionnairesAgencia Nacional de Investigación y DesarrolloCanadian Network for Research and Innovation in Machining Technology, Natural Sciences and Engineering Research Council of Canada
Mots-clésSwitched reluctance motorModel predictive controlControl engineeringControl (management)Computer scienceCurrent (fluid)Machine controlControl theory (sociology)EngineeringArtificial intelligenceRotor (electric)Electrical engineering

Résumé

récupéré en direct d'OpenAlex

This two-part paper presents a review of the predictive control techniques applied in switched reluctance machine (SRM) drives. The objective is to promote the applications of predictive control-based strategies in these machines, given its potential to develop high-performance operation and make SRM more suitable for practical scenarios. Part I of this survey presents all fundamental concepts of SRM drives, predictive control and the adopted classification, and a literature review of predictive current control (PCC) strategies. The control techniques are analyzed according to their modelling approach, switching behaviour and calculation of optimal input. A performance comparison is also presented, and the current challenges, improvement opportunities and future trends of PCC in SRM are discussed.

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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,942
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
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 Opus0,019
Tête enseignante GPT0,258
Écart entre enseignants0,239 · 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'étudeAutre devis
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations84
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Energy ConversionMême sujetMultilevel Inverters and ConvertersTravaux en français237 207