An Improved Analytical Model for Power-Hardware-in-the-Loop Emulation of Induction Machine Stator Inter-Turn Faults
Notice bibliographique
Résumé
This article proposes an improved voltage-in and current-out based analytical model for emulating an induction machine's stator inter-turn fault behavior. The proposed model is compared with analytical models available in the literature. A voltage-behind-reactance (VBR) model is also developed to model stator inter-turn faults for the inverter fed motor drive applications. This methodology has advantages for particular fault types with open-loop control. The developed VBR model is simulated and is compared with the conventional voltage-in and current-out (VICO) model. Experimental tests are conducted on a physical machine with different fault percentages. Power-hardware-in-the-loop (PHIL) emulation uses a power electronics converter to mimic the behavior of the stator inter-turn fault of the induction motor with real-time full power flow. A real-time controller is used for the controller development. The developed models are tested using a power- hardware-in-the-loop (PHIL) test setup. Calculation of back-emf of VBR model to compensate for the changes in filter values is discussed. The experimental emulation results are validated with the results from the physical machine to verify the emulation accuracy. The limitations and application of the work are discussed.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».