MétaCan
Menu
Retour à la cohorte
Enregistrement W4416429239 · doi:10.1109/access.2025.3635567

A LCC-Series Compensation Network Optimization for Dipole Couplers in Autonomous Underwater Vehicles

2025· article· en· W4416429239 sur OpenAlexaff
Ahmad Siroos, Ebrahim Afjei, Xiaodong Liang, Alireza Sheikhi Fini

Notice bibliographique

RevueIEEE Access · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueWireless Power Transfer Systems
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésCompensation (psychology)UnderwaterVoltageWeightingWireless power transferCoupling (piping)Power (physics)Maximum power transfer theoremRange (aeronautics)

Résumé

récupéré en direct d'OpenAlex

Wireless power transfer (WPT) is essential for autonomous underwater vehicles (AUVs) by avoiding the needs taking the AUV out of the water for charging. This paper proposes a new optimization method to design the inductor-capacitor-capacitor-series (LCC-S) resonant network of a WPT system for a dipole magnetic coupler used in AUVs. The main contributions of the proposed framework include considering multiple coupling coefficient scenarios simultaneously and incorporating weighted multi-objectives to maximize the efficiency and minimize output voltage and current deviations. Scenario-based weighting factors are introduced to enhance performance under weak coupling conditions. The proposed compensation network is validated by experiments in the lab, showing superior performance. It can maintain actual output voltage in a range of 0.9 to 1.05 per unit when subjected to air gap variations due to underwater turbulences, showing less variations of battery output power than the existing methods.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,776
Score d'incertitude au seuil0,583

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,016
Tête enseignante GPT0,255
Écart entre enseignants0,239 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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 revueIEEE AccessMême sujetWireless Power Transfer SystemsTravaux en français237 207