Power Loss Estimation in <i>LLC</i> Synchronous Rectification Using Rectifier Current Equations
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In past years, LLC resonant converters have become a mainstream topology for dc-dc power conversion due to their advantages, such as the superior efficiency obtained with the soft switching of MOSFETs. In order to further improve the efficiency of the converter, synchronous rectification (SR) can be implemented as an alternative for diode rectification. As a result, the vast majority of the literature related to this field of study presents different LLC SR control algorithms, which aim to improve the operation of the rectification. Unlike prior work on SR controllers, this paper contributes to the area of power loss estimation using rectifier current equations (RCE). The developed method based on time-domain analysis of SR currents provides a new analytical framework to characterize the behavior of SR. Implications in SR power losses of different time delays are investigated using the developed loss estimation method. In addition, different converter design parameters, such as choice of inductance ratio, can be analyzed. The RCE captures the true discontinuous and complex behavior of SR, which is often oversimplified by the conventional first-harmonic approximation (FHA). As a result, the proposed method facilitates the design of LLC resonant converters and provides increased precision in SR power loss estimation when compared to FHA, and in a considerably faster fashion when compared with precise yet computationally intensive simulation software. This paper is validated with simulation and experimental results.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle