找到 2 条结果
基于高自适应电压扰动分解的永磁同步电机定子电气故障在线诊断与分类
Highly Adaptive Voltage Disturbance Decomposition‐Based Online Diagnosis and Classification of Stator Electrical Faults in PMSMs
Zhen Jia · Wensheng Song · Teng Lu · Chenwei Ma 等6人 · IEEE Transactions on Power Electronics · 2025年11月
本文针对永磁同步电机（PMSM）定子匝间短路及高阻连接故障，提出了一种基于电压扰动分解的在线诊断与分类方法。该方法摆脱了对精确参数模型的依赖，克服了传统诊断技术在特定控制策略下的局限性，实现了电机电气故障的实时监测与精准分类。
解读: 该技术主要针对电机驱动领域，与阳光电源的核心业务（光伏/储能）虽非直接对应，但其提出的“无模型依赖”及“在线故障诊断”思路对公司产品具有重要参考价值。在阳光电源的风电变流器及储能系统中的冷却泵、风扇等辅助电机驱动单元，引入此类先进的在线诊断算法，可显著提升系统运行的可靠性，实现故障预警。建议研发团队...
基于可迁移代理模型与多目标优化的高效LDMOS设计
Efficient LDMOS Design via Transferable Surrogate Models and Multi-Objective Optimization
Hongyu Tang · Chenggang Xu · Xiaoyun Huang · Yuxuan Zhu 等6人 · IEEE Electron Device Letters · 2025年9月
优化横向双扩散金属氧化物半导体（LDMOS）性能需要在硅极限约束下平衡击穿电压（BV）和比导通电阻（ $\text {R}_{\text {on},\text {sp}}$ ）。传统的基于技术计算机辅助设计（TCAD）的器件设计在处理大参数空间时耗时且效率低下。本文提出了一种机器学习（ML）辅助框架，该框架将初始和微调后的深度神经网络（DNN）替代模型与多目标粒子群优化（MOPSO）相结合。微调后的DNN仅使用小数据集就能适应非重叠的扩展设计空间，同时在MOPSO过程中选择性地应用这两个替代模型...
解读: 从阳光电源的业务视角来看，这项基于机器学习的LDMOS优化技术具有重要的战略价值。LDMOS（横向双扩散金属氧化物半导体）器件是光伏逆变器和储能变流器中功率转换电路的核心元件，其击穿电压与导通电阻的平衡直接影响系统的效率、可靠性和成本。 该技术的核心创新在于利用深度神经网络替代传统TCAD仿真，将...