Enhanced Direct Torque Control of SRM Based on a Novel Multilevel Hysteresis Torque Band With Effective Voltage Vectors for Low Torque Ripple
Notice bibliographique
Résumé
Due to their robust rotor structure and fault-tolerance characteristics, switching reluctance motors (SRMs) are the choice of next-generation electric vehicle (EVs) traction motor applications. However, this SRM drive suffers from high torque ripples, which may cause severe vibration and acoustics. The existing SRM-operated direct torque control (DTC) using 8 Voltage vectors (VVs) gives high torque ripples due to the minimum selection of switching states and improper sector partition. On the other hand, a two-level hysteresis torque band can result in torque ripples. Therefore, existing DTC for selecting VVs produces high torque ripples in SRM. This paper proposed DTC using active small and large VVs and a multilevel hysteresis torque band (MHTB) strategy to mitigate the torque ripple further. The selection of VVs and sectors is organized in the optimal values for the three and four phases. More active VVs (i.e., 16) are employed in the modified sector-based switching tables, suppressing the torque ripples. The proposed strategy is verified and validated using MATLAB/Simulink. The detailed result discusses the response of torque, flux, and speed of SRM. The DTC-operated SRM drive experimental results are shown to prove the effective minimization of torque ripples in the proposed DTC compared to the existing DTC.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,000 |
| 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) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».