← 返回
一种基于高阶时间导数非线性电流分量与先进神经网络算法的高效开关电流GaN HEMT模型
A High-Efficiency Switching Current Model for Power GaN HEMT Based on High-Order Time-Derivative Nonlinear Current Components and Advanced Neural Network Algorithms
| 作者 | Huikai Chen · Shulong Wang · Liutao Li · Hao Zhou · Xingyuan Yan · Shupeng Chen · Hongxia Liu |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2025年9月 |
| 技术分类 | 功率器件技术 |
| 技术标签 | GaN器件 宽禁带半导体 机器学习 深度学习 |
| 相关度评分 | ★★★★ 4.0 / 5.0 |
| 关键词 | GaN HEMT 电力电子 器件建模 神经网络 开关电流 时间导数 非线性元件 |
语言:
中文摘要
GaN HEMT因其优异的功率和频率特性在电力电子领域得到广泛应用。准确高效的器件模型对电路设计至关重要。本文提出了一种基于电流时间导数分量的新型建模方法，结合先进的静态和循环神经网络概念，实现了对GaN器件开关特性的高精度模拟。
English Abstract
GaN HEMTs are gaining widespread use in power electronics due to their excellent power and frequency characteristics. Accurate and efficient device models are essential for power circuit design and simulation. This article presents a novel approach to model construction, based on current components by their time derivatives. It incorporates advanced static and recurrent neural network concepts to ...
S
SunView 深度解读
随着阳光电源在户用光伏逆变器及小型化储能产品中对高功率密度要求的提升，GaN器件的应用已成为技术迭代的重要方向。该研究提出的基于神经网络的GaN高精度建模方法，能够有效解决传统物理模型在高速开关过程中的计算复杂性与精度平衡问题。建议研发团队将其应用于iSolarCloud智能运维平台下的数字孪生仿真，或集成至组串式逆变器与微型逆变器的电路仿真工具链中，以优化高频开关下的损耗评估，进一步提升产品效率与热管理水平，加速宽禁带半导体在阳光电源核心产品线中的落地。