MétaCan
Menu
Retour à la cohorte
Enregistrement W4408915685 · doi:10.18280/jesa.580219

Improved PMSM Speed Control Using Backstepping: Stability and Performance Analysis

2025· article· en· W4408915685 sur OpenAlexvenueno aff
Chaouki Melkia, Moussa Attia, Rabah Daouadi, Khaled Rais

Notice bibliographique

RevueJournal Européen des Systèmes Automatisés · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueSensorless Control of Electric Motors
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBacksteppingControl theory (sociology)Electronic speed controlStability (learning theory)Control engineeringComputer scienceControl (management)EngineeringAdaptive controlArtificial intelligenceElectrical engineering

Résumé

récupéré en direct d'OpenAlex

This paper proposes a backtracking control strategy for speed regulation of Permanent Magnet Synchronous Motors (PMSMs).The approach is based on the Lyapunov stability principle to ensure global system stability and accurate trajectory tracking.Compared with conventional control methods, including proportional integration (PI), model predictive control (MPC), and slip mode control (SMC), our technique provides faster response, improved disturbance rejection, and greater adaptability to parameter changes.MATLAB/SIMULINK simulations show that backtracking reduces the settling time by 45% and improves the tracking accuracy by 30% relative to PI control.Moreover, the system maintains stability under torque disturbances up to 5 Nm without deviating from the reference speed.It also significantly mitigates sudden speed fluctuations, achieving a 50% reduction in response time compared with conventional methods.These results highlight Backstepping as a robust and efficient control strategy.It is highly suitable for applications requiring precise speed regulation, high stability, and superior dynamic performance, such as electric vehicle propulsion and industrial automation.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,498
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
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 Opus0,014
Tête enseignante GPT0,231
Écart entre enseignants0,218 · 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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal Européen des Systèmes AutomatisésMême sujetSensorless Control of Electric MotorsTravaux en français237 207