MétaCan
Menu
Retour à la cohorte
Enregistrement W4386472540 · doi:10.1109/iemdc55163.2023.10238854

Comparative Study Between Finite Control Set Model Predictive Control and Digital Sliding-Mode Control for the Reduction of Current Harmonics in Six-Phase PMSM Drives

2023· article· en· W4386472540 sur OpenAlexaff
Pedro F. C. Gonçalves, Sumedh Dhale, Battur Batkhishig, Jingru Yang, Babak Nahid‐Mobarakeh

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueMultilevel Inverters and Converters
Établissements canadiensMcMaster UniversityMcMaster University Medical Centre
Organismes subventionnairesnon disponible
Mots-clésHarmonicsControl theory (sociology)Robustness (evolution)MATLABSliding mode controlComputer scienceModel predictive controlControl engineeringControl systemDigital controlEngineeringControl (management)VoltageElectronic engineeringNonlinear system

Résumé

récupéré en direct d'OpenAlex

Asymmetrical six-phase permanent magnet synchronous machines (PMSMs) drives are a promising candidate for electric transportation systems, offering inherent fault tolerance. However, one of the key challenges in developing high-performance control strategies for these systems is suppressing undesirable circulating currents that increase the machine losses. Hence, this paper compares two non-linear control strategies, namely finite control set model predictive control (FCS-MPC) and digital sliding-mode control (DSMC), to address this issue. Besides providing an excellent dynamic performance and robustness to parameter mismatch errors, both control strategies aim to minimize the circulating current harmonics, which are mainly due to deadtime effects and back-EMF harmonics in six-phase PMSM drives. Simulation results obtained with MATLAB/Simulink® are presented in this paper to compare and validate the performance of both control strategies.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,489
Score d'incertitude au seuil0,754

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,061
Tête enseignante GPT0,324
Écart entre enseignants0,264 · 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.

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

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMultilevel Inverters and ConvertersTravaux en français237 207