MétaCan
Menu
Retour à la cohorte
Enregistrement W4385431819 · doi:10.18280/jesa.560302

Influence of Time Delays on Network-Controlled Diesel Generator Performance

2023· article· fr· W4385431819 sur OpenAlexvenueno aff
Mahmoud M. S. Al-Suod

Notice bibliographique

RevueJournal Européen des Systèmes Automatisés · 2023
Typearticle
Languefr
DomaineEnergy
ThématiquePower Systems and Renewable Energy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGenerator (circuit theory)Diesel generatorDiesel fuelAutomotive engineeringEnvironmental scienceComputer scienceEngineeringPhysicsPower (physics)Thermodynamics

Résumé

récupéré en direct d'OpenAlex

In the paper the influence of Ethernet network dynamics on the quality of diesel-generator control is considered.The control quality indicators depend on time delays in the transmission of data packets over the Ethernet network.The optimization task of minimizing such time delays to improve the control quality was resolved.The Lagrange's method of undetermined multipliers and Bellman optimality rule were used for the analytical solution of the problem of minimizing time delays.A Matlab-model was developed for the research of the impact of time delays on the diesel-generator control quality, in which the Ethernet network is used as a data transmission channel between control objects and regulators.The scientific novelty of the results is in the improvement of the analytical method for analysing the characteristics of the automated control systems information processing network to study the influence of network dynamics on the quality of control of diesel-generators and determining the intensity of transmission of information and control packets, as well as using the proposed optimal conflict resolution rule, using which the transmission time delays data are minimal.This reduces the number of conflicts between the processes claiming the resources by almost 2 times and increases the quality of control.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,202
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,003

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 Opus0,012
Tête enseignante GPT0,229
Écart entre enseignants0,217 · 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 tête enseignante, pas un consensus.

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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal Européen des Systèmes AutomatisésMême sujetPower Systems and Renewable EnergyTravaux en français237 207