Predictive Current Control of Voltage Source Inverters Using a Discrete-Time Model
Notice bibliographique
Résumé
In this investigation, the most popular multilevel inverter topologies and control approaches have been analyzed.The various benefits, such as low power dissipation on power switches, low harmonic contents, and low Electromagnetic Interference (EMI) outputs, Multilevel Inverter Topologies (MLIs) are finding more and more usage in medium and high-power applications.An optimization tool for the layout of a three-phase Voltage Source Inverter (VSI) using a diode-based rectifier has been created.For generalpurpose industrial motor drives that use three-phase Alternating Current (AC), the Pulse Width Modulation (PWM) voltage source inverter with diode front-end rectifier has emerged as the converter of choice.This study discusses the implementation of predictive current control in a voltage source inverter.This technique makes use of a discrete-time model of the system to foresee the load current for every conceivable inverter-generated voltage vector.The voltage vector is chosen that minimizes a quality function.In this study, we use a quality function that measures the current error at the next sample interval.It is compared to hysteresis control and pulse width modulation control to see how well the suggested predictive control approach performs.The results demonstrate that the predictive strategy manages load current extremely well and outperforms traditional methods.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».