MOSFET Power Loss Estimation in <i>LLC</i> Resonant Converters: Time Interval Analysis
Notice bibliographique
Résumé
In the past ten years, LLC resonant converters have become a mainstream topology for dc/dc power conversion, and multiple design tools have been developed for this topology, including controllers, regulators, soft-switching techniques, etc. While many tools are available for designing this converter, techniques for accurately determining power losses in the inverter MOSFETs of the topology based on time-domain analysis have not been fully explored yet. Precise power loss estimation is fundamental to determine the thermal behavior of the switches before the converter is built, which accelerates and optimizes the thermal management design process. In addition, accurate methods of estimating conduction losses, which are dominant in this topology, switching losses, and body diode losses are lacking in the literature. This paper proposes a method for enhancing power loss estimation in LLC inverter MOSFETs based on time-domain analysis of the converter. Moreover, a detailed characterization of MOSFET's conduction losses (Pcond), switching losses (Psw), and body diode losses (Pdiode), including the effects of different parameters such as gate-source voltage (VGS), junction temperature (Tj), drain current (ID), and drain-source voltage (VDS), is presented, which can further improve power loss assessment in this topology. The developed method based on time interval analysis replaces the simplistic first-harmonic approximation (FHA), which allows for improved power loss calculations. Further improvement is obtained with the detailed characterization of the switching device. As verified by simulation and experimental results, the proposed estimation tool provides a significant boost in accuracy for power loss determination when compared to the existing method for power loss estimation using FHA.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».