MétaCan
Menu
Retour à la cohorte
Enregistrement W4377972244 · doi:10.1109/oncon56984.2022.10126801

Performance Investigation of a Traction Electric Drive Under Various Modulation Strategies, DC-link Voltages and Switching Frequencies

2022· article· en· W4377972244 sur OpenAlexaff
Cameron Pickersgill, Philip Korta, K. Lakshmi Varaha Iyer, Mohammad Sedigh Toulabi, Nayaran C. Kar

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueMultilevel Inverters and Converters
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésPulse-width modulationTotal harmonic distortionVoltageTraction (geology)InverterTraction motorControl theory (sociology)Modulation (music)Computer scienceEngineeringPhysicsElectrical engineeringAcoustics

Résumé

récupéré en direct d'OpenAlex

The dc-link voltage, switching frequency, and modulation strategy all have significant influence on the power losses and output current total harmonic distortion (THD) of a voltage source inverter (VSI). However, there is not a thorough study of the VSI performance in a traction electric drive considering all these parameters present in literature. This paper aims to investigate how the VSI parameters impact the performance of a VSI in a simulated permanent magnet synchronous motor (PMSM) traction drive under various modulation strategies. Analytical methods used to evaluate inverter performance under various modulation strategies are presented to validate the simulation outcomes. A VSI-fed traction electric drive with a 100 kW PMSM is modelled and simulated at several operating points under various modulation strategies and VSI parameters. The considered modulation strategies are sinusoidal pulse width modulation (SPWM), space vector PWM (SVPWM), discontinuous PWM zero (DPWMO), various DPWM variants such as DPWM1, DPWM2, and DPWM3, with VSI dc-link voltages and switching frequencies ranging from 300 to 420 V and 5 to 15 kHz, respectively.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,013
Tête enseignante GPT0,195
Écart entre enseignants0,182 · 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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMultilevel Inverters and ConvertersTravaux en français237 207