A Simplified Time-Domain Model-Based Maximum Efficiency Tracking-Aided Synchronous Rectification Strategy for <i>CLLC</i> Chargers
Notice bibliographique
Résumé
Synchronous rectification (SR), achieved by replacing secondary-side diodes with active <sc xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">mosfet</small> channels, is crucial for reducing conduction losses in <italic xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">CLLC</i> converters. Traditional SR methods, however, either entail costly and bulky hardware or rely on complex mathematical models. This article introduces a simplified time-domain model (STDM) that utilizes mathematical principles and detailed operational assumptions to provide initial duty cycles and gate signal phases for SR under various frequencies and load conditions. However, the STDM's overall accuracy is compromised by parasitic parameters and parameter tolerance of the resonant tank. Directly employing the STDM-based SR method may lead to hard-switching of <sc xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">mosfet</small>s or increased circulating current, reducing system efficiency. To mitigate this issue, a maximum efficiency tracking (MET)-aided SR signal adjustment method is proposed, which further modifies the duty cycle and phase shift to minimize the current passing through the diodes. This STDM-MET-SR approach does not necessitate high-bandwidth sensors or complex control algorithms while offering immunity to parasitic parameters and system parameter variations. Experimental results demonstrate that the STDM-MET generated SR signals contain negligible errors compared to the required SR signals, and the efficiency of the <italic xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">CLLC</i> converter with STDM-MET-SR implemented is significantly improved compared to those of diode rectification. Overall, the proposed STDM-MET-SR approach offers a cost-effective and efficient solution to reduce conduction losses in <italic xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">CLLC</i> converters.
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 ».