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 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 | 0,001 |
| 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 ».