找到 2 条结果 · IEEE Transactions on Power Electronics
基于人工神经网络和深度强化学习的功率模块封装多目标自动设计
Automated Design of Power Module Packaging With Multiobjectives Based on Artificial Neural Network and Deep Reinforcement Learning
Jianing Wang · Weina Mao · Baolong Yan · Shaolin Yu 等8人 · IEEE Transactions on Power Electronics · 2026年4月
传统功率模块封装设计依赖人工经验，而基于元启发式算法的计算机辅助优化存在仿真周期长的问题。本文提出了一种基于人工神经网络和深度强化学习的多目标自动设计方法，旨在实现功率模块封装的高效优化，显著缩短设计迭代周期。
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储能系统及风电变流器）具有极高的应用价值。功率模块是上述产品的核心组件，其封装设计直接影响热管理、功率密度及可靠性。通过引入深度强化学习和神经网络替代传统的有限元仿真迭代，可大幅缩短研发周期，提升功率模块的散热性能与电气性...
一种具有多维自感和互感的双面冷却多芯片功率模块综合设计方法
A Comprehensive Design Method for Multichip Double-Sided Cooling Power Module With Multidimensional Self-and Mutual Inductances
Jianing Wang · Shaolin Yu · Weinan Zhou · IEEE Transactions on Power Electronics · 2024年8月
双面冷却（DSC）封装凭借低回路电感和优异的散热性能，成为多芯片碳化硅（SiC）模块的理想方案。本文提出了一种综合设计方法，利用多维自感和互感模型，有效解决了多芯片模块在电流均衡和热耦合方面的设计挑战，为高性能功率模块开发提供了理论支撑。
解读: 该技术对阳光电源的核心产品线具有极高的应用价值。在组串式光伏逆变器和PowerTitan/PowerStack储能变流器（PCS）中，随着功率密度的不断提升，SiC器件的应用已成为主流。双面冷却技术能显著降低模块寄生电感，提升开关频率，同时改善散热性能，直接助力阳光电源实现更紧凑、更高效率的功率变换...