Multirate Modeling and Predictive Control for WBG-Device-Based High-Switching-Frequency Power Converters
Notice bibliographique
Résumé
With the growth of wide-bandgap devices, it is necessary to exploit the high-switching-frequency benefits to improve the performance of power converter, thus requiring a higher sampling/interrupt frequency in digital signal processors. However, such a short interrupt time duration imposes big computational difficulty in the execution of programming code, especially using the model-predictive control (MPC). Thus, most of the existing MPCs are applied with switching frequencies below 20 kHz, which cannot exploit the full potential of the wide-bandgap-device-based power converters. To solve this challenge, this article proposes a multirate MPC scheme, where the trigger of interrupt and switching device transition can be performed at different rates. Compared with conventional MPCs, the main uniqueness of the proposed multirate MPC is that the high-dimensional control sequence is solved and applied within each interrupt interval. Therefore, the increased switching frequency objective can be easily achieved with a low sampling/interrupt frequency configuration, which also significantly relieves the digital execution of the heavy interrupt tasks. The proposed method shows a more optimized control input and higher computational efficiency over the multirate finite-control-set MPC counterpart. A silicon-carbide-inverter-fed ac motor drive system is used to verify the proposed multirate MPC. The results show the improved system performance with the combined advantages of both the high switching frequency and the MPC strategy.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».