MétaCan
Menu
Retour à la cohorte
Enregistrement W2321379881 · doi:10.1109/ecce.2014.6953892

Electrolytic-capacitor-less high-power LED driver

2014· article· en· W2321379881 sur OpenAlexaff
Yajie Qiu, Hongliang Wang, Zhiyuan Hu, Laili Wang, Yan‐Fei Liu, P.C. Sen

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Sensor and Energy Harvesting Materials
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésElectrolytic capacitorCapacitorFilm capacitorFilter capacitorCapacitanceElectrical engineeringRipplePower factorPower (physics)Compensation (psychology)SupercapacitorVoltageElectronic engineeringEngineeringMaterials science

Résumé

récupéré en direct d'OpenAlex

Conventional topologies for high-power LED drivers with high power factors require large capacitances to mitigate the output current ripples. Electrolytic capacitors are commonly used because they are the only capacitors with sufficient energy density to accommodate high power applications. However, the short life span of electrolytic capacitors significantly reduces the life span of the entire LED lighting fixture, which is undesirable. This paper proposes a single-stage high-power LED driver using ripple compensation concept to minimize the output capacitance requirement, enabling the use of long-life film capacitors. Compared to existing technologies, the proposed circuit achieves zero ripple current through LED lamps and achieves a high power factor and high efficiency. A 100W (150V/0.7A) LED driver prototype was built which demonstrates that the proposed method can achieve the same LED current with only 44μF film capacitors, compared to the 4700μF electrolytic capacitors required in conventional single-stage LED drivers. Meanwhile, the proposed prototype has achieved a peak power efficiency of 92%, benefiting from active clamp technology.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0020,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,006
Tête enseignante GPT0,185
Écart entre enseignants0,179 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations13
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Sensor and Energy Harvesting MaterialsTravaux en français237 207