找到 3 条结果 · 可靠性与测试
基于热流的多芯片功率模块状态监测：一种两阶段神经网络方法
Heat-Flux-Based Condition Monitoring of Multichip Power Modules Using a Two-Stage Neural Network
Borong Hu · Zedong Hu · Li Ran · Chong Ng 等10人 · IEEE Transactions on Power Electronics · 2021年7月
针对多芯片功率模块中芯片并联导致的电流不均及焊料层退化问题，本文提出一种基于热流的状态监测方法。通过两阶段神经网络，实现对多芯片模块内部焊料层退化程度的早期检测，克服了仅依靠温度监测在电流分配分析上的局限性，提升了功率模块的可靠性评估精度。
解读: 该技术对阳光电源的核心产品线（如组串式/集中式光伏逆变器、PowerTitan/PowerStack储能系统）具有极高的应用价值。功率模块是上述产品的核心组件，其焊料层老化直接影响设备寿命。通过引入基于热流的机器学习监测算法，阳光电源可提升iSolarCloud智能运维平台的预测性维护能力，在故障发...
一种SPWM激励下卷铁芯电磁-结构耦合振动改进模型
An Improved Electromagnetic-Structural Coupling Vibration Model of Wound Core Under SPWM Excitation
Beichao Yang · Fei Xiao · Xinsheng Zhang · Ruitian Wang 等8人 · IEEE Transactions on Power Electronics · 2025年9月
针对变压器铁芯在SPWM激励下的振动问题，本文提出了一种基于电磁-结构耦合的改进预测方法。研究考虑了磁滞和磁致伸缩效应，利用神经网络建模磁致伸缩特性，并通过多物理场耦合仿真，实现了对卷铁芯振动特性的精确预测，为电力电子设备的噪声控制与结构优化提供了理论支撑。
解读: 该研究对于阳光电源的组串式逆变器及储能变流器（PCS）中的磁性元件设计具有重要意义。随着产品功率密度的提升，高频SPWM激励下的电磁振动与噪声控制已成为提升产品可靠性与用户体验的关键。通过引入该多物理场耦合模型，研发团队可在设计阶段精确评估磁芯振动，优化电感与变压器结构，从而降低PowerTitan...
用于双三相永磁同步电机开路故障可信诊断的谐波感知双分支可解释神经网络
Interpretable Harmonic-Aware Dual-Branch Neural Network for Trustworthy Diagnosis of OCFs in DTP-PMSMs With Enhanced Disturbance Robustness
Boyuan Zheng · Bingtao Liu · Junyu Yan · Mi Tang 等6人 · IEEE Transactions on Power Electronics · 2026年1月
针对双三相永磁同步电机（DTP-PMSM）系统，本文提出了一种谐波感知双分支神经网络，旨在解决数据驱动故障诊断模型在鲁棒性、可靠性和可解释性方面的挑战。该方法通过分析谐波特性，实现了对开关器件开路故障（OCFs）的精准诊断，提升了复杂电力电子系统的运行可靠性。
解读: 该研究聚焦于电力电子系统中的故障诊断与可解释性AI，这对阳光电源的智能化运维平台（iSolarCloud）及核心功率变换设备具有参考价值。虽然该文针对的是电机驱动领域，但其提出的‘谐波感知’与‘可解释性神经网络’架构，可迁移至阳光电源的组串式逆变器或储能变流器（PCS）中，用于提升功率模块的在线故障...