← 返回
基于机器学习的高频BH曲线测量探头偏斜校正
Machine-Learning-Based Probe Skew Correction for High-Frequency BH Loop Measurements
| 作者 | Yakun Wang · Song Liu · Jun Wang · Binyu Cui · Jingrong Yang |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2025年10月 |
| 技术分类 | 可靠性与测试 |
| 技术标签 | 可靠性分析 功率模块 机器学习 |
| 相关度评分 | ★★★★ 4.0 / 5.0 |
| 关键词 | BH磁滞回线 磁性元件 高频 PWM变换器 探头偏斜 机器学习 磁芯损耗 |
语言:
中文摘要
在高频PWM变换器中,磁性元件的特性表征至关重要。BH曲线测量是分离磁芯损耗的主要电学方法,但极易受到探头相位偏斜的影响。本文提出一种基于机器学习的校正方法,作为传统硬件去偏斜技术的替代方案,有效提升了高频磁性元件损耗测量的准确性。
English Abstract
Experimental characterization of magnetic components has grown to be increasingly important to understand and model their behaviors in high-frequency PWM converters. The BH loop measurement is the only available approach to separate the core loss as an electrical method, which, however, is susceptible to the probe phase skew. As an alternative to the regular de-skew approaches based on hardware, t...
S
SunView 深度解读
磁性元件(电感、变压器)是阳光电源组串式逆变器、PowerTitan储能变流器及电动汽车充电桩的核心部件。随着产品向高频化、高功率密度发展,磁芯损耗的精确测量直接影响效率优化与热设计。该研究提出的机器学习校正方法,可集成至公司研发中心的功率测试平台,提升对SiC/GaN高频变换器中磁性元件的建模精度,从而优化逆变器及PCS的效率曲线,降低研发测试成本,提升产品可靠性。