MétaCan
Menu
Retour à la cohorte
Enregistrement W3205747634 · doi:10.1109/jestpe.2021.3121135

Current Sensorless Control for a Wound Rotor Synchronous Machine Based on Flux Linkage Model

2021· article· en· W3205747634 sur OpenAlexaff
Peyman Haghgooei, Adrien Corne, Ehsan Jamshidpour, Noureddine Takorabet, Davood Arab Khaburi, Babak Nahid‐Mobarakeh

Notice bibliographique

RevueIEEE Journal of Emerging and Selected Topics in Power Electronics · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric Motor Design and Analysis
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésStatorFlux linkageControl theory (sociology)EstimatorVector controlAutomotive industrySynchronous motorRotor (electric)Observer (physics)InductanceControl engineeringComputer scienceEngineeringDirect torque controlControl (management)Induction motorVoltagePhysicsMathematicsMechanical engineeringElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Reducing manufacturing costs and increasing reliability are two major issues for the automotive industry. The development of sensorless control methods and estimation techniques for synchronous machines are ways to reduce the impact of these constraints. In this article, a control method is applied to a wound rotor synchronous machine (WRSM), often used in HEV applications, to estimate stator currents and control the machine without using any current sensor on the stator side. In this estimator, instead of the electric state model based on the currents, a flux-based model is used, which increases the precision of the estimator, improves the dynamics of stator currents, and has a better behavior in the case of magnetic saturation. Using this model and applying a Luenberger observer, the stator currents are estimated and then used in the current control loop. The performances of the proposed method are studied in a simulation part. Experimental tests are also performed to verify the effectiveness of the proposed control method.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,653
Score d'incertitude au seuil0,915

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 recherche0,0000,001
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 Opus0,008
Tête enseignante GPT0,241
Écart entre enseignants0,233 · 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'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

Citations15
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Journal of Emerging and Selected Topics in Power ElectronicsMême sujetElectric Motor Design and AnalysisTravaux en français237 207