Optimization of Analytical TSFs for DC-Link Current Reduction in Switched Reluctance Motors
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The large dc-link current is a known issue in switched reluctance motor (SRM) drives, which often demand the use of a bulky dc-link capacitor. However, control techniques can be designed and optimized to lessen this issue. In this context, this article proposes the optimization of analytical torque sharing functions (TSFs) for dc-link current reduction in SRMs. Initially, the analytical TSFs are described, and the importance of adequate parameter selection is highlighted. Next, an optimization procedure based on the nondominated sorting genetic algorithm II is proposed to determine the optimal turn-<sc xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">on</small> and overlap angles by solving a multiobjective optimization problem considering torque rms error and dc-link rms current as objectives to be minimized, something not previously reported in the literature. The pareto fronts for different operating conditions are presented, including both soft and hard chopping operation, as well as different sampling frequencies. Then, an approach for selecting a solution from within the pareto front is described, enabling the result from the pareto front that yielded the desired tradeoff between torque RMSE and dc-link current to be identified. Experimental results are provided to support the effectiveness of the proposal. A comparison between three different cases is shown, highlighting the tradeoff between objectives.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 découle