MétaCan
Menu
Retour à la cohorte
Enregistrement W4416964644 · doi:10.1109/ecce58356.2025.11260207

Boundary Control for Power Hardware-in-the-Loop Applications

2025· article· W4416964644 sur OpenAlexaff
Troy Eskilson, Carl Ngai Man Ho

Notice bibliographique

Revuenon disponible
Typearticle
Langue
DomaineEngineering
ThématiqueReal-time simulation and control systems
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésControl theory (sociology)Boundary (topology)Filter (signal processing)Ideal (ethics)Bandwidth (computing)Controller (irrigation)Compensation (psychology)Control system

Résumé

récupéré en direct d'OpenAlex

This work presents a boundary controller suitable for power hardware-in-the-Ioop (PHIL) applications with LCL filters. An LCL filter significantly reduces harmonic distortion, improving the accuracy of PHIL. However, the LCL filter has drawbacks, as it lowers the system bandwidth and introduces an LC resonance. A boundary controller provides a fast dy-namic response and intrinsically handles the LC resonance, but conventional boundary control assumptions break down when the LCL filter has two similar inductances. Modifications to the conventional control law are proposed which handle applications where the two inductances of the LCL filter are similar. This also requires further considerations where the LCL filter is connected to another switching converter. The performance and control accuracy of boundary control is dependent on the sensors, typically requiring high-bandwidth and low-latency sensors. The effect of sensor delays are analyzed, and a compensation method applied. The sensor burden is further reduced through a hybrid analog-digital voltage sensing technique. Control system analysis is provided of the PHIL system with a boundary controller, highlighting the benefits of this approach. The PHIL performance of the conventional algorithm and the modified algorithm are compared to the ideal response. Experimental results compare the PHIL response of the modified algorithm to that of the real load, showing a high accuracy.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,973
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)0,0000,000
Bibliométrie0,0000,001
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 Opus0,007
Tête enseignante GPT0,252
Écart entre enseignants0,245 · 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'étudeSans objet
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 sujetReal-time simulation and control systemsTravaux en français237 207