Multirate Finite-Control-Set Model Predictive Control for High Switching Frequency Power Converters
Notice bibliographique
Résumé
Due to the modulator free structure, the finite-control-setmodel predictive control (FCS-MPC) needs a high sampling frequency/interrupt frequency (20–50 kHz) for power converters application, while the typical converter switching frequency is around 20–25% of the sampling frequency. To obtain a high switching frequency, it is not always practical to increase the sampling rate by considering the computational burden in a digital processor. Therefore, increasing the switching frequency without using a high sampling frequency is a critical task for FCS-MPC, particularly applied to silicon carbide and gallium nitride-based high switching frequency power converters. To solve this problem, this article proposes the multirate FCS-MPC (MRFCS-MPC), where the control frequency is allowed to be higher than the sampling frequency. Consequently, the switching frequency can be significantly increased without changing the sampling frequency. The proposed scheme inherits the ability to handle complex control objectives from the traditional FCS-MPC. The lifting model is built to predict the fast rate information of state variables based on the low sampling output. Then, the fast rate control inputs within one sampling interval are solved efficiently with a good tradeoff between computational burden and optimized system performance. The experimental motor drive system tests are carried out to verify the effectiveness of the proposed MRFCS-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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».