MétaCan
Menu
Retour à la cohorte
Enregistrement W3088301841 · doi:10.1109/jestpe.2020.3026640

Curvature-Based Average Modeling of Switched-Capacitor Converters

2020· article· en· W3088301841 sur OpenAlexaff
Marko Krstić, Suzan Eren, Praveen Jain

Notice bibliographique

RevueIEEE Journal of Emerging and Selected Topics in Power Electronics · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced DC-DC Converters
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésElectrical impedanceConvertersCapacitorControl theory (sociology)Switched capacitorOutput impedanceVoltageElectronic engineeringEngineeringComputer scienceElectrical engineering

Résumé

récupéré en direct d'OpenAlex

A precise, curvature-based, average modeling technique for switched-capacitor (SC) dc–dc converters is proposed. The generalized modeling technique provides a comprehensive characterization of the converter at steady-state, across the full range of practical operating conditions. An expression for the equivalent output impedance is obtained, which relates the slow- and fast-switching limit impedances to the total output impedance. This expression can be used to accurately compute the output voltage without deriving the converter’s state equations and precisely weighs the contribution of each floating capacitor and parasitic resistance on the output impedance. The modeling technique is applied to a unity-gain SC converter, a multiphase binary converter, and a nonsymmetrical parallel–series converter, and the results are compared with existing steady-state models. The accuracy of the model is validated through simulations and experimental measurements.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,487
Score d'incertitude au seuil0,826

Scores Codex et Gemma par catégorie

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 recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,010
Tête enseignante GPT0,216
Écart entre enseignants0,206 · 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 tête enseignante, 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

Citations4
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Journal of Emerging and Selected Topics in Power ElectronicsMême sujetAdvanced DC-DC ConvertersTravaux en français237 207