MétaCan
Menu
Retour à la cohorte
Enregistrement W4285304915 · doi:10.1109/tie.2022.3183275

Induced Current Reduction in Position-Sensorless SRM Drives Using Pulse Injection

2022· article· en· W4285304915 sur OpenAlexafffund
Dianxun Xiao, Jin Ye, Gaoliang Fang, Zekun Xia, Haomin Li, Xueqing Wang, Babak Nahid‐Mobarakeh, Ali Emadi

Notice bibliographique

RevueIEEE Transactions on Industrial Electronics · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric Motor Design and Analysis
Établissements canadiensMcMaster University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Excellence Research Chairs, Government of Canada
Mots-clésControl theory (sociology)Switched reluctance motorAmplitudeRotor (electric)Pulse (music)IdlePosition (finance)TorquePulse-width modulationVoltagePhase (matter)Reduction (mathematics)Machine controlComputer scienceEngineeringPhysicsMathematicsControl engineeringControl (management)Electrical engineering

Résumé

récupéré en direct d'OpenAlex

This article proposes a new pulse injection scheme for low-speed position-sensorless switched reluctance motor (SRM) drives with the reduced induced current. Conventional injection methods utilize a constant injection amplitude for position estimation; however, the induced current in idle phases nonlinearly varies with the rotor position and has significant magnitude. It results in large negative torque and degrades the control performance. To mitigate this problem, an injection amplitude regulator based on terminal sliding-mode control is put forward. The amplitude of pulse voltages is adjusted online through a nonlinear control law, and the induced current can be maintained at a minimal level over the whole idle-phase period. Moreover, the adverse impacts of motor parameter uncertainties are eliminated. As a result, the proposed scheme does not require SRM's magnetic characteristics and is easy to implement. The effectiveness was experimentally validated on a three-phase 12/8 SRM setup with comparisons of the conventional 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 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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,036
Tête enseignante GPT0,253
Écart entre enseignants0,218 · 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

Citations31
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Industrial ElectronicsMême sujetElectric Motor Design and AnalysisTravaux en français237 207