MétaCan
Menu
Retour à la cohorte
Enregistrement W2898887421

Short-Circuit Fault Diagnosis and Post-Fault Control with Adaptive PLL-Based Synchronization for a Multi-Phase Quasi-Square-Wave DC-DC Converter

2018· article· en· W2898887421 sur OpenAlexaff
Moitaba Ashourloo, Olivier Trescases

Notice bibliographique

RevueEuropean Conference on Power Electronics and Applications · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueSilicon Carbide Semiconductor Technologies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésPhase-locked loopFault (geology)InterleavingSynchronization (alternating current)Control theory (sociology)Computer scienceInductanceSquare waveElectronic engineeringVoltageEngineeringElectrical engineeringTopology (electrical circuits)Control (management)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Fault-tolerant power management units have regained attention due to the rapid development of autonomous vehicles. This paper presents: 1) a fast short-circuit fault diagnosis method, which prevents turning on into a short-circuit, and 2) an adaptive post-fault control for a multi-phase variable-frequency Quasi-Square-Wave (QSW) synchronous buck converter with more than two phases. The converter employs GaN device as the primary switch due to its better figure-of-merit, while using Si device as protection switch due to superior short-circuit immunity. In this paper, the QSW operation mode and a multi-phase structure are combined to achieve enhanced efficiency and fault tolerance. The switching-node voltage during the dead-time intervals is used as the short-circuit fault signature. The adaptive post-fault control utilizes a PLL-based synchronization method in a closed daisy-chain arrangement to: 1) guarantee QSW operation mode regardless of the variable switching frequency due to the inductance value tolerance, and 2) automatically adjust the interleaving phase shifts between phases following a fault detection. The effectiveness of the proposed methods is evaluated and verified in a 75-W four-phase system.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

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

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.

Tête enseignante Opus0,035
Tête enseignante GPT0,262
Écart entre enseignants0,227 · 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'étudeSimulation ou modélisation
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

Citations2
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Conference on Power Electronics and ApplicationsMême sujetSilicon Carbide Semiconductor TechnologiesTravaux en français237 207