MétaCan
Menu
Retour à la cohorte
Enregistrement W4312576598 · doi:10.1109/ojies.2022.3215772

Design and Control Methodology of a Three-Port Resonant Converter for Electric Vehicles

2022· article· en· W4312576598 sur OpenAlexafffund
Niloufar Keshmiri, Guvanthi Abeysinghe Mudiyanselage, Sreejith Chakkalakkal, Kyle Kozielski, Giorgio Pietrini, Ali Emadi

Notice bibliographique

RevueIEEE Open Journal of the Industrial Electronics Society · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced DC-DC Converters
Établissements canadiensMcMaster University
Organismes subventionnairesMitacs
Mots-clésConvertersController (irrigation)Port (circuit theory)VoltageControl theory (sociology)EngineeringPower (physics)Resonant inverterResonant converterState spaceSteady state (chemistry)Electronic engineeringControl (management)Electrical engineeringComputer sciencePhysicsMathematics

Résumé

récupéré en direct d'OpenAlex

Three-port converters (TPCs) enable the design of more efficient, power dense,and high-power dc–dc converters. This article investigates the operation of a resonant TPC in electric vehicle applications. Operating conditions of the resonant TPC are presented. The steady-state analysis of the converter with zero-voltage switching consideration is discussed. A controller concept to regulate the resonant TPC is proposed. State-space equations of the resonant TPC are derived, and a nested closed-loop control strategy is implemented. The converter operation is validated in the PLECS simulation environment under step-load and input voltage variation conditions. The resonant TPC can regulate its output voltage under the proposed control strategy and maintain its operation at various operating conditions.

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)0,003
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,930
Score d'incertitude au seuil0,556

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,089
Tête enseignante GPT0,286
Écart entre enseignants0,197 · 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

Citations27
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Open Journal of the Industrial Electronics SocietyMême sujetAdvanced DC-DC ConvertersTravaux en français237 207