Fault Detection in a Hybrid Dickson DC–DC Converter for 48-V Automotive Applications
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
Autonomous driving features have introduced safety-critical processor modules. A 48-V network has been developed to enable efficient power distribution. A fault-tolerant high-voltage power management unit is required to ensure continuous power delivery to critical loads. This article compares the cost and efficiency penalty of accommodating the fault-tolerant capability in common dc-dc topologies. The comparison is verified using a 0.13-μm high-voltage automotive Bipolar-CMOS-DMOS SMARTMOS technology in a Cadence simulation environment. Besides, a quantitative reliability assessment of the single-phase and multiphase configurations is presented. This has led to the selection of the hybrid Dickson topology, which has the best electrical performance and comparable cost and reliability among all for high-conversion-ratio fault-tolerant 48-V automotive application. Moreover, this article presents a fast and robust short-circuit and open-circuit fault detection scheme for power switches and flying capacitors in a hybrid Dickson dc-dc converter. The detection method only observes the low-voltage switching node, which eliminates the challenges associated with high-voltage high-bandwidth sensing. The performance of the design has been verified using a multiphase 48-V-to-3.3-V 4-to-1 Dickson converter prototype. The measured results demonstrate that the short-circuit faults are detected within two switching cycles of 250 kHz, which is less than the 10-μs short-circuit immunity of commercial silicon devices.
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 | 0,000 |
| 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