MétaCan
Menu
Retour à la cohorte
Enregistrement W3203889513 · doi:10.1016/j.aej.2021.09.056

Qualitative and quantitative analysis of the reliability of NPC and ANPC power converters for aeronautical applications

2021· article· en· W3203889513 sur OpenAlexaff
Reda Dermouche, Abderrahmane Talaoubrid, L. Barazane, Yamine Sellami, Mohamed Tadjine, Nadjet Zioui

Notice bibliographique

RevueAlexandria Engineering Journal · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueReliability and Maintenance Optimization
Établissements canadiensUniversité du Québec à Trois-Rivières
Organismes subventionnairesnon disponible
Mots-clésConvertersReliability engineeringReliability (semiconductor)Failure mode and effects analysisActuatorEngineeringPower (physics)HazardComputer scienceElectrical engineeringVoltage

Résumé

récupéré en direct d'OpenAlex

In more electrical aircraft, most flight control wing surface actuators are either electro-hydrostatic or electro-mechanical, whether in manual or autopilot mode. Their reliability is essential for flight safety; failure of even one actuator can have catastrophic consequences. According to ARP4761 guidelines for the development and certification of critical aircraft systems, the probability of failure of flight-control actuator components must be less than 10-9 per hour of flight. In this paper, we compare the probability of failure per hour (PFH) of conventional two-level power converters and three-level NPC and ANPC converter topologies designed in our laboratory. In accordance with ARP procedures, PFH was calculated using an approach that includes qualitative analysis based on failure mode and effect analysis (FMEA) methodology as well as quantitative analysis based on truth tables. ANPC converter met all the requirements of the functional hazard assessment in all cases of defects. Finally, we discuss factors that determine the feasibility of implementing power converters in flight control systems.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut 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: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,011
Tête enseignante GPT0,269
Écart entre enseignants0,258 · 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 source (Gemma direct ou Codex distillé), 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

Citations12
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAlexandria Engineering JournalMême sujetReliability and Maintenance OptimizationTravaux en français237 207