MétaCan
Menu
Retour à la cohorte
Enregistrement W4286569764 · doi:10.1109/compel53829.2022.9830025

An Auxiliary-Assisted Dual-Inductor Hybrid DC-DC Converter with Adaptive Inductor Slew Rate for Fast Transient Response in 48-V Automotive PoL Applications

2022· article· en· W4286569764 sur OpenAlexaff
Nameer Khan, Gerard Villar Piqué, John Pigott, Henk Jan Bergveld, Alaa El Sherif, Olivier Trescases

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced DC-DC Converters
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésSlew rateInductorCapacitorCapacitanceTransient (computer programming)VoltageControl theory (sociology)Transient responseComputer scienceTopology (electrical circuits)Electronic engineeringPhysicsElectrical engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

This paper presents an auxiliary-assisted control scheme for fast transient response in 48V-to-1V automotive Point-of-Load (PoL) applications. The proposed scheme performs dc power delivery and output voltage regulation using a main and auxiliary stage, respectively. A 4:1 Dual-Inductor Hybrid (DIH) dc-dc converter delivers dc load power by regulating the auxiliary capacitor voltage,$V_{AUX}$, which enables adaptive control of the auxiliary inductor current slew rate for fast transient response. An auxiliary AC-coupled Buck (ACB) converter regulates the output voltage based on an output-capacitor current-based Hys-teretic Current-Mode-Control (HCMC) scheme. An Adaptive-Voltage-Positioning (AVP) control scheme is proposed for$V_{AUX}$, which prepositions the auxiliary-inductor slew rate for improved transient response. A simulation model was built to validate the proposed control scheme. Simulation results demonstrate that the proposed control scheme including AVP decreases the auxiliary capacitance by 40%, the auxiliary output rms current by 28%, and the main-stage peak current by 30 A. The system achieves a peak simulated efficiency of 92.6% with an output capacitance of only 640$\mu \mathrm{F}$and an auxiliary capacitance of 30$\mu \mathrm{F}$.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

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)0,0030,001

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 Opus0,014
Tête enseignante GPT0,234
Écart entre enseignants0,220 · 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'étudeSans objet
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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced DC-DC ConvertersTravaux en français237 207