Computationally Efficient Multirate Continuous Control Set Model Predictive Control With Fast Response for PMSM Drives
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
Multirate continuous control set model predictive control (CCS-MPC) facilitates higher switching frequencies by simultaneously optimizing control actions across multiple sub-cycles. However, conventional schemes do not incorporate voltage constraints during the optimization process. Consequently, when the commanded voltage exceeds the converter's output capability, output scaling becomes necessary. This not only compromises the performance of the current sub-cycle but also degrades the tracking accuracy of subsequent sub-cycles, inevitably impairing the system's dynamic performance. Moreover, high-dimensional matrix computations inherent to these schemes present substantial challenges for real-time implementation on cost-effective digital controllers. To overcome these limitations, this paper proposes a computationally efficient multirate CCS-MPC scheme with integrated overmodulation capability. The entire tracking process of these sub-cycles is strategically divided into three stages–chasing, transition, and maintaining–each targeting specific control objectives. By doing so, the original large-scale optimization is decomposed into three smaller subproblems, significantly reducing computational complexity. Specifically, the chasing stage incorporates dynamic overmodulation designed based on the shortest feasible path of flux linkage tracking to ensure rapid dynamic response, while in the maintaining stage, the rotor-movement effect across sub-cycles is accounted for, enhancing steady-state performance. Ultimately, experimental results validate the effectiveness of the proposed approach, demonstrating a fivefold improvement in dynamic response and a 62.8% reduction in total execution time.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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