MétaCan
Menu
Retour à la cohorte
Enregistrement W4378843428 · doi:10.1109/apec43580.2023.10131332

Cascaded Half-bridge Multi-Level Multi-Outputs Bridgeless PFC

2023· article· en· W4378843428 sur OpenAlexaff
Jun Min, Martin Ordonez

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced DC-DC Converters
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésInductorRectifier (neural networks)Topology (electrical circuits)RippleInductancePower factorVoltageNetwork topologyPower (physics)Computer scienceElectrical engineeringPower densityCapacitorElectronic engineeringControl theory (sociology)PhysicsEngineering

Résumé

récupéré en direct d'OpenAlex

Nowadays, there has been increasing demand for higher power density Power Factor Correction (PFC) rectifiers. The large volume of the boost inductor remains the dominant challenge for further improving the power density of bridgeless PFC topologies. To reduce the size of the inductor and provide multi dc outputs, a half-bridge based bidirectional multi-level bridgeless PFC is proposed in this paper. Compared with the cascaded full-bridge multilevel rectifier, the number of switches per cell for the proposed topology is significantly reduced by half while maintaining the same DC out ports. Thanks to the decrease of volt-second on the boost inductor brought by multilevel voltage, the required inductance can be shrunk by$N^{2}$times compared with conventional two-level PFC rectifiers with the same current ripple. By splitting power into cells with low voltage, the total switching losses reduce with$1/N$cells under the assumption of the equal equivalent switching frequency. Moreover, the conduction losses can also benefit from the proposed rectifier as the lower voltage switches with smaller conduction loss are adopted in half-bridge cells compared with two-level PFCs. Finally, these benefits are analyzed and validated.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,027

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 savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,002

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 Opus0,087
Tête enseignante GPT0,285
Écart entre enseignants0,198 · 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'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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced DC-DC ConvertersTravaux en français237 207