Biblioteca122.294 documentos en línea

Artículo

An Improved Prediction Model of IGBT Junction Temperature Based on Backpropagation Neural Network and Kalman FilterUn modelo de predicción mejorado de la temperatura de unión de IGBT basado en una red neuronal de retropropagación y un filtro de Kalman.

Resumen

Con el rápido desarrollo de tecnologías emergentes como los vehículos eléctricos y los ferrocarriles de alta velocidad, el transistor bipolar de puerta aislada (IGBT) se está volviendo cada vez más importante como núcleo de los dispositivos electrónicos de potencia. Por lo tanto, es imperativo mantener la estabilidad y confiabilidad del IGBT bajo diferentes circunstancias. Al predecir la temperatura de unión del IGBT, se puede evaluar aproximadamente la condición de funcionamiento y el grado de envejecimiento. Sin embargo, los enfoques actuales de predicción, como los métodos ópticos, físicos y eléctricos, tienen diversas deficiencias. Por lo tanto, la red neuronal de retropropagación (BP) puede aplicarse para evitar las dificultades encontradas por los enfoques convencionales. En este artículo, se propone un modelo de predicción avanzado para obtener una temperatura de unión precisa del IGBT. Este método se puede dividir en tres fases: estimación de la red neuronal BP, interpolación y predicción del filtro de Kalman. Primero

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño: Kb

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento