MétaCan
Menu
Retour à la cohorte
Enregistrement W3016440802 · doi:10.1109/tvt.2020.2987028

Variable-Frequency Critical Soft-Switching of Wide-Bandgap Devices for Efficient High-Frequency Nonisolated DC-DC Converters

2020· article· en· W3016440802 sur OpenAlexaff
Bharat Agrawal, Liwei Zhou, Ali Emadi, Matthias Preindl

Notice bibliographique

RevueIEEE Transactions on Vehicular Technology · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced DC-DC Converters
Établissements canadiensMcMaster University
Organismes subventionnairesNational Science Foundation
Mots-clésInductorConvertersInductanceCapacitorVoltageMaterials sciencePulse-width modulationAutomatic frequency controlElectronic engineeringControl theory (sociology)EngineeringElectrical engineeringComputer science

Résumé

récupéré en direct d'OpenAlex

This paper derives a variable-frequency critical soft-switching control method for nonisolated DC/DC converters using wide-bandgap devices. The critical soft switching control technique under maximum frequency trajectory is introduced to maintain zero voltage switching over a wide range of modulation ratios according to the load variation. The concept prevents turn-on losses that are typically much larger than the turn-off losses in SiC and GaN FETs and the latter can be further reduced by adding external drain-source capacitors. We have derived the boundary conditions for critical soft switching operation. For the reduction of inductor value and volume, a maximum available switching frequency is applied to the converter within the constraints of device requirement and soft switching boundary conditions. We demonstrate experimentally that the proposed concept reduces the power losses in the wide-bandgap devices by a factor of approximately 3, enables an increase of the switching frequency by a factor of about 5, and a decrease of the main inductance by a factor of about 10. Then variable frequency critical soft switching control method is proposed with the constraints to maintain the maximum frequency within soft switching operation. Since our test bench uses off-the-shelf inductors, the inductors are subject to significant high frequency losses. Despite this, the converter efficiency increases by 1%.

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 seuil0,003

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 ouverte0,0010,000
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 Opus0,009
Tête enseignante GPT0,221
Écart entre enseignants0,212 · 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

Citations28
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Vehicular TechnologyMême sujetAdvanced DC-DC ConvertersTravaux en français237 207