Yakun Wang · Song Liu · Jun Wang · Binyu Cui 等5人 · IEEE Transactions on Power Electronics · 2025年10月

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。

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...