Reinicialização De Controladores Repetitivos Em Inversores PWM Sob Distúrbios Não-Periódicos: Análise E Projeto
Bibliographic record
Abstract
Embora inversores PWM com controle repetitivo apresentem um excelente desempenho em regime permanente sob cargas não-lineares cíclicas, eles não apresentam uma boa resposta dinâmica sob distúrbios não-periódicos. Então, esse artigo apresenta a análise e o projeto de controladores repetitivos com reinicialização para melhorar a resposta transitória de inversores PWM sob distúrbios não periódicos, tais como mudanças súbitas de carga linear ou retiradas de cargas não-lineares cíclicas. O algoritmo é baseado na análise do comportamento do erro de saída para identificar a ocorrência de um distúrbio não-periódico. Após identificar a ocorrência desse distúrbio, é possível reinicializar a ação de controle repetitiva e armazenar as informações corretas relativas à nova carga. Análise da estabilidade, metodologia de projeto, resultados de simulação e experimentais (1 kVA @ 110 VRMS) são incluídos para ilustrar o bom desempenho do algoritmo sob diferentes condições de carga.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".