Data-Driven Model-Free Adaptive Control of Z-Source Inverters
Notice bibliographique
Résumé
The universal paradigm shift towards green energy has accelerated the development of modern algorithms and technologies, among them converters such as Z-Source Inverters (ZSI) are playing an important role. ZSIs are single-stage inverters which are capable of performing both buck and boost operations through an impedance network that enables the shoot-through state. Despite all advantages, these inverters are associated with the non-minimum phase feature imposing heavy restrictions on their closed-loop response. Moreover, uncertainties such as parameter perturbation, unmodeled dynamics, and load disturbances may degrade their performance or even lead to instability, especially when model-based controllers are applied. To tackle these issues, a data-driven model-free adaptive controller is proposed in this paper which guarantees stability and the desired performance of the inverter in the presence of uncertainties. It performs the control action in two steps: First, a model of the system is updated using the current input and output signals of the system. Based on this updated model, the control action is re-tuned to achieve the desired performance. The convergence and stability of the proposed control system are proved in the Lyapunov sense. Experiments corroborate the effectiveness and superiority of the presented method over model-based controllers including PI, state feedback, and optimal robust linear quadratic integral controllers in terms of various metrics.
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) | 0,000 | 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 | 0,000 |
| 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 ».