MétaCan
Menu
Retour à la cohorte
Enregistrement W2401315401 · doi:10.1109/apec.2016.7467970

LLC synchronous rectification using Coordinate Modulation

2016· article· en· W2401315401 sur OpenAlexaff
Mehdi Mohammadi, Navid Shafiei, Martin Ordonez

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced DC-DC Converters
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésRectificationRectifier (neural networks)ConvertersModulation (music)Computer scienceElectronic engineeringPower (physics)Topology (electrical circuits)Control theory (sociology)Electrical engineeringEngineeringVoltagePhysicsAcoustics

Résumé

récupéré en direct d'OpenAlex

LLC resonant converters have gained popularity in a variety of applications due to their natural ability to provide soft switching conditions. Although LLC features good efficiency, conductive losses in the output rectifier remains a barrier to achieve enhanced efficiency, specially for high output current applications. This paper introduces a new strategy referred to as Coordinate Modulation, which is designed to drive the synchronous rectification MOSFETs. The main challenge to successfully drive synchronous rectifier is to detect/find the rectifier conduction angles with a cost-effective strategy. This paper proposes and analyzes a robust and simple detection method in the vinv - nvsec coordinate plane. The plane allows a remarkable ability to detect conduction angles with two lines, producing proper pulses to drive synchronous rectifier. In order to validate the theoretical analysis, a 1.2KW prototype LLC converter is implemented and the experimental results using the Coordinate Modulation are presented. At the nominal output power, the converter's efficiency was measured at 97.1%. In comparison with a conventional LLC converter, the proposed modulation method increases the efficiency by 3%.

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 enseignants0,001
Score d'incertitude au seuil0,005

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 savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,013
Tête enseignante GPT0,217
Écart entre enseignants0,204 · 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

Citations8
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced DC-DC ConvertersTravaux en français237 207