Model Predictive Current Control Combined Sliding Mode Control for Flux Switch Permanent Magnet Machine Drive System
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
A flux-switching permanent-magnet synchronous machine (FSPMSM) has shown advantages, including strong mechanical robustness, high torque density, and acceptable fault redundancy potential, and started to find a market in various fields in electric vehicle, ship, airplane, and wind generation. However, a double salient structure and a high number of pole pairs cause the FSPMSM to experience great torque ripple and converter switching reduction, compromising its performance. Optimizing the machine design can significantly decrease the speed ripple and torque, often resulting in increased manufacturing costs, lower efficiency, and lower power density. Alternatively, several control-based solutions have been explored. One of the existing methods to minimize the torque control ripple is model predictive control (MPC); the most attractive method among them is model predictive current control (MPCC). In the speed outer loop design of MPC, the traditional PI control approach is often employed in FSPMSM controller design due to its ease of use and stability. However, it is hard to obtain suitable results due to its low control accuracy. In order to address this issue, this paper suggests MPCC combined sliding mode control (SMC) for three phases of flux-switching permanent magnet motor to improve the dynamic response of the MPCC. The simulated results imply that the suggested SMC combined MPCC scheme presents acceptable dynamic performances compared to the conventional MPCC strategy.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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