MétaCan
Menu
Retour à la cohorte
Enregistrement W4304688534 · doi:10.1049/tje2.12197

FPGA‐based control strategy of five‐phase induction motor drives

2022· article· en· W4304688534 sur OpenAlexaff
Gobikannan Kulandaivel, Elango Sundaram, Sanjeevikumar Padmanaban, B. Zorina Khan, Innocent Kamwa

Notice bibliographique

RevueThe Journal of Engineering · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueMultilevel Inverters and Converters
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésHarmonicsTotal harmonic distortionPower factorField-programmable gate arrayControl theory (sociology)Vector controlCrest factorVoltageInduction motorThree-phaseAC powerHarmonicComputer scienceInverterOvercurrentController (irrigation)Power (physics)EngineeringElectrical engineeringPhysicsComputer hardwareControl (management)Acoustics

Résumé

récupéré en direct d'OpenAlex

Abstract Here, a novel control technique for Five‐Phase Induction Motor (FPIM) drives using a field‐programmable gate array (FPGA) controller is proposed. Open‐loop control is analysed in terms of the performance and measurement of various power quality factors, such as voltage harmonics, current harmonics, total harmonic distortion, crest factor, unbalanced, short and long‐term flickering, K‐factor, real power, reactive power, apparent power, and power factor. This study experimentally demonstrated a closed‐loop system with both PID and DTC controls for the FPIM. Diminished torque pulsation is obtained by efficiently utilizing the voltage vectors from the total states of 2 5 = 32. A novel EG voltage vector sequence was proposed for DTC techniques and compared with small, medium, and large voltage vector sequences. Proposed innovative control programming techniques in spartan‐6 XC6SLX25 series FPGA for switching the five‐phase two‐level inverter to reduce the total harmonics distortion by less than 2%.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

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 savante0,0000,000
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 Opus0,012
Tête enseignante GPT0,213
Écart entre enseignants0,201 · 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'étudeExpérimental (laboratoire)
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

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of EngineeringMême sujetMultilevel Inverters and ConvertersTravaux en français237 207