A Comprehensive Analytical Switching Transients and Loss Modeling Approach with Accurate Parasitic Parameters for Enhancement-Mode Gallium Nitride Transistors
Notice bibliographique
Résumé
<div>To design better power converters with enhancement-mode Gallium Nitride high-electron-mobility transistor (eGaN HEMT) for emerging applications such as Electric Vehicles (EV), it is essential to model their switching transients and loss accurately. Analytical modeling has proved to be an effective approach to study the transistor’s dynamic behaviors and analyze the switching energy loss during the turn-on and turn-off transients. Furthermore, it helps to understand the essential factors that influence the switching transients and loss calculation. The accuracy of the analytical model mainly depends on the equivalent circuits and the parasitic parameters inside the transistor packaging and external circuits under different switching stages. It is always challenging to extract the parasitic parameters accurately due to its natural character of nonlinearity and complex correlation during the switching transients. In this article, a comprehensive analytical model is proposed considering both transistors in the same bridge-leg and all necessary parameters that potentially affect the switching transients, especially when the unique reverse conduction of eGaN HEMT happens. New parasitic extraction methods are utilized and evaluated within the proposed model. Detailed stages of turn-on and off transients are also presented and verified against simulation program with integrated circuit emphasis (SPICE) simulation and experiment. In the end, the proposed model is applied for accurate switching loss calculations.</div>
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 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 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».