Holistic Design and Development of a 100-kW SiC-Based Six-Phase Traction Inverter for an Electric Vehicle Application
Notice bibliographique
Résumé
Six-phase drives are gaining popularity in electric vehicle (EV) applications owing to their superior fault-tolerance capability, modularity, and improved current handling. However, a thorough design of a six-phase traction inverter has not been investigated. As a result, inherent advantages of six-phase inverters are not exploited. This paper presents a holistic design methodology for a six-phase traction inverter. At the power device level, discrete Silicon Carbide (SiC) MOSFETs are utilized, and their electrothermal model is used to effectively size a liquid-cooled heat sink. At the DC-capacitor level, a multi-objective optimization algorithm is proposed to find the most suitable capacitor bank in terms of volume, impedance, and current capability. At the system level, coreless hall-effect current sensor integrated circuits (ICs) are proposed to mitigate the higher count of sensors in six-phase systems. At the mechanical design level, design constraints are considered to deliver a housing with an integrated coolant channel. The resultant inverter design is prototyped and experimentally tested. The proposed design demonstrates a 7% reduction in DC-capacitor volume and 21% reduction in cabling cost when compared to conventional three-phase inverters of the same volt-ampere rating. The peak power density of the prototype inverter is 70 kW/L, demonstrating a compact design.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».