MétaCan
Menu
Retour à la cohorte
Enregistrement W4416961971 · doi:10.1109/ecce58356.2025.11260340

Optimized Discrete-Time Super-Twisting Sliding Mode Control for Brushless Doubly Fed Reluctance Machines

2025· article· W4416961971 sur OpenAlexaff
Anushree Singh, Filipe Pinarello Scalcon, Andrew M. Knight

Notice bibliographique

Revuenon disponible
Typearticle
Langue
DomaineEngineering
ThématiqueWind Turbine Control Systems
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésControl theory (sociology)Robustness (evolution)Particle swarm optimizationNonlinear systemSliding mode controlMagnetic reluctanceBenchmark (surveying)Controller (irrigation)Current (fluid)

Résumé

récupéré en direct d'OpenAlex

High performance current control is a challenging task in brushless doubly-fed reluctance machines (BDFRMs) due to the highly nonlinear model of the machine and the presence of current harmonics. In this context, this paper proposes the use of a Discrete-Time Super-Twisting Sliding Mode (DTSTSM) current controller for BDFRMs using Field-Oriented Control (FOC) approaches. Due to the complex tuning of the DTSTSM controller, this paper also proposes the use of the Particle Swarm Optimization (PSO) algorithm to fine-tune the controller gains, ensuring suitable dynamic responses and improved robustness against nonlinearities and disturbances. Experimental results show the effectiveness of the proposal at current and speed regulation. A PI controller is used as a benchmark for the proposal, further highlighting the advantages of the super-twisting controller under different scenarios.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesMéta-épidémiologie (sens strict)
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 enseignants0,938
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,008
Tête enseignante GPT0,244
Écart entre enseignants0,236 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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 sujetWind Turbine Control SystemsTravaux en français237 207