Amélioration des performances du filtre actif : application du régulateur proportionnel intégral et du régulateur flou
Bibliographic record
Abstract
L'électronique de puissance moderne comme le réglage de la vitesse des moteurs, les alimentations de secours, chauffage par induction, etc..., normalement utilise des diodes ou redresseurs commandés à thyristor (SCR) pour l'interfaçage avec les réseaux électriques. Ces redresseurs injectent dans le réseau des harmoniques de courant, causant un faible facteur de puissance et un taux de distorsion harmonique (TDH) important. De plus ces harmoniques détériorent la qualité des formes d'ondes de la tension, et peuvent endommager les équipements par échauffements excessifs, causer un mal fonctionnement des cartes de contrôle des convertisseurs, et aussi des interférences avec d'autres utilisateurs. \n \nLe projet de recherche propose plusieurs approches pour contourner l'effet néfaste des harmoniques via l'utilisation du filtre actif de puissance. L'approche propose une réduction de la distorsion harmonique du courant de source, de plus elle permet la compensation de la puissance réactive à la fréquence fondamentale. L'algorithme proposé utilise une commande de type indirecte et de type directe pour générer les courants de références du filtre actif. Trois types de régulateurs (proportionnelle intégral, Flou (Sugeno) et Flou (optimisé) ont été testés, les résultats de simulation et d'expérimentation présentées démontrent bien les performances statiques et dynamiques du système de commande étudié. \n \nFinalement, le filtre actif monophasé est implanté, opérant à 275 VA et les tests expérimentaux serviront à valider expérimentalement les algorithmes proposés. \n \nLes résultats de ce travail sont proposés et acceptés dans plusieurs conférences internationales telles IEEE (ICHQP), IEEE (ICIT04).
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 | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 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) | 0.009 | 0.001 |
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".