MétaCan
Menu
Retour à la cohorte
Enregistrement W4391217350 · doi:10.1109/peas58692.2023.10395593

A Comprehensive Optimized Control Scheme for the Dual-Active-Bridge Dc-Dc Converter

2023· article· en· W4391217350 sur OpenAlexaff
Nie Hou, Yue Zhang, Yunwei Li

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced DC-DC Converters
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésConvertersComputer scienceOffset (computer science)Inrush currentElectronic engineeringDual (grammatical number)Scheme (mathematics)DC biasControl theory (sociology)EngineeringControl (management)Electrical engineeringVoltageTransformerMathematics

Résumé

récupéré en direct d'OpenAlex

The dual-active-bridge (DAB) converter has been regarded as a promising candidate for the dc-dc power system. Lots of existing articles have presented abundant advanced methods to enhance the performance of the DAB converters, such as the soft-start operation, the high-efficiency method, the fast-dynamic scheme, and the dc-offset elimination method. However, there is not an existing article covering all the optimizations. Therefore, a comprehensive optimized control scheme is proposed for realizing these optimizations simultaneously. Firstly, to realize the high efficiency, a minimum-current-stress modulation is utilized in the DAB converter. Besides, a simple and practical dc-offset elimination approach is presented to deal with the potential dc bias. Then, a soft start-up method is proposed especially for dealing with non-load start, which can avoid the start-up inrush current. Moreover, combining the direct-power-control concept, the comprehensive optimized control scheme is proposed in this paper to cover the above optimized methods. Finally, experiment results are provided, and the results verify the effectiveness of the comprehensive optimized control scheme for the DAB converter.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,027
Tête enseignante GPT0,258
Écart entre enseignants0,231 · 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'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 sujetAdvanced DC-DC ConvertersTravaux en français237 207