MétaCan
Menu
Retour à la cohorte
Enregistrement W4317401303 · doi:10.18280/mmep.090612

Sensorless Speed Control of a Brushless DC Motor Using Particle Filter (PF)

2022· article· en· W4317401303 sur OpenAlexvenueno aff
Ghufran W. Abedulabbas, Farazdaq R. Yaseen

Notice bibliographique

RevueMathematical Modelling and Engineering Problems · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueSensorless Control of Electric Motors
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésControl theory (sociology)Extended Kalman filterDC motorLinearizationRotor (electric)Noise (video)Jacobian matrix and determinantTorqueComputer scienceKalman filterMathematicsNonlinear systemEngineeringPhysicsArtificial intelligenceElectrical engineering

Résumé

récupéré en direct d'OpenAlex

The equivalent of electricity has recently been used to replace all the wear-prone moving mechanical components that produce faults. The electronic unit that substitutes the mechanical commutation unit in Brushless Direct Current (BLDC) motors improves dynamic properties, noise level, and efficiency. This work describes a method for estimating the BLDC machine's rotor speed and position by using Extended Kalman Filter (EKF) and Particle Filter (PF). The BLDC is a non-linear system with nonlinear measurements. To perform the EKF, Jacobian linearization of the motor model and the observation are needed. Linearization leads to a decrease in the accuracy of filter estimation. In PF, the relative likelihood of each particle is computed according to the measurements. Resampling gives set particles are distributed according to power density function (pdf). Then the PF can compute any desired statistical measure of this pdf. A sensorless drive has an accurate good throughout a wide speed range and with varied load torque, according to the simulation's results. The results show that the velocity inaccuracy rate at PF is approximately 0.01% and that at EKF it is approximately 1%. According to the findings, the PF outperformed the EKF in a comparison between them.

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)0,001
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 enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
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 Opus0,025
Tête enseignante GPT0,197
Écart entre enseignants0,172 · 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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMathematical Modelling and Engineering ProblemsMême sujetSensorless Control of Electric MotorsTravaux en français237 207