Robust LQG Controller Design by LMI Approach of a Doubly-Fed Induction Generator for Aero-Generator
Notice bibliographique
Résumé
This article presents a design method to improve the robustness in stability and performance of an LQG controller by the LMI approach applied to a multivariable system subject to parametric uncertainties, where its variations are known to have a direct impact on the degradation of the robustness margins of a classical LQG controller.The main of this work is to synthesize a robust Linear Quadratic Gaussian (LQG) controller reformulated by the Linear Matrix Inequality (LMI) approach and to apply it on an illconditioned system.Our choice fell on a doubly fed induction generator (DFIG) of the aero-generator to produce electrical energy, whose physical parameters are uncertain due to several factors: winding heating, magnetic saturation..., this makes it difficult to maintain the voltage at 220V and the frequency at 50Hz.First, the mathematical model of DFIG is written in a d-q reference frame.The singular values of the uncertainties are quantified and multiplied at the system output, and then the robustness conditions are determined.Secondly, the robust control law by the LQG synthesis based on the solution of the convex optimization problem under LMI Eigenvalue problem is elaborated and detailed.The simulation results of the stability and performance robustness of the LQG controller by the LMI approach with nominal and disturbed model of the DFIG are presented and discussed on the method efficiency.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».