MétaCan
Menu
Retour à la cohorte
Enregistrement W7006497910

Variable-speed power switch gate driver for switching loss reduction in automotive inverters

2015· dissertation· en· W7006497910 sur OpenAlexfundno aff

Notice bibliographique

RevueeScholarship@McGill (McGill) · 2015
Typedissertation
Langueen
DomaineEngineering
ThématiqueSilicon Carbide Semiconductor Technologies
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMcGill University
Mots-clésInsulated-gate bipolar transistorGate driverSafe operating areaPulse-width modulationPower semiconductor deviceHarmonicPower (physics)DiodeSwitching timeReduction (mathematics)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In the present time, electrical power conversion is performed more and more widely using fully-controllable semiconductor devices such as IGBTs, MOSFETs, and Silicon-Carbide (SiC) MOSFETs, in conjunction with diodes made of the same materials. DC to AC conversion and vice-versa is required in brushless motor/generator drives powered by DC sources, such as batteries in electric and hybrid electric vehicles.This thesis reviews modern gate drivers and performance testing methods for gate drivers. Based on hardware testing results, it introduces a new method of switching loss reduction for IGBT converters, implemented through a series of innovations on the gate driver operation principle and schematics. The switching loss reduction is achieved by varying the IGBT gate current across different switching transitions, depending on the load current and other factors. In particular, it has been shown that increasing the gate current (and switching transition speed) near load current zero-crossings results in more complete utilization density of the IGBT safe operating area, allowing a tradeoff to reduce switching losses, and to increase converter efficiency. The proposed method leaves motor harmonic losses completely unchanged and does not modify the pulse width modulation scheme.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche
Catégories consensuellesIntégrité de la recherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,171
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,240
Écart entre enseignants0,224 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeExpérimental (laboratoire)
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

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueeScholarship@McGill (McGill)Même sujetSilicon Carbide Semiconductor TechnologiesTravaux en français237 207