|
搜索
搜 索
高等教育領(lǐng)域數(shù)字化綜合服務(wù)平臺
針對下一代功率半導體GaN器件的高頻柵驅(qū)動電路設(shè)計技術(shù)
上限低，可反向?qū)ǎ琩v/dt擾動和di/dt擾動等。該項成果設(shè)計出適用于N型常關(guān)GaN器件的半橋柵驅(qū)動電路，通過分離充放電路徑避免柵驅(qū)動電壓振鈴現(xiàn)象的發(fā)生和dV/dt現(xiàn)象對柵驅(qū)動電路的干擾；同時利用高端柵極鉗位技術(shù)，在自舉充電路徑中對BOOT電容進行鉗位，防止對上開關(guān)管的損壞。 半橋GaN柵驅(qū)動電路主要指標為： ？ 獨立的高側(cè)和低側(cè)TTL邏輯輸入 ？ 1.2A/5A 峰值上拉和下拉電流 ？ 高端浮動電壓軌到100V ？ 0.6Ω/2.1Ω 下拉和上拉電阻 ？ 快速的延遲時間 (28ns typ) ？ 非常優(yōu)越的延時匹配（1.5ns typ）
電子科技大學
2021-04-10
針對下一代功率半導體GaN器件的高頻柵驅(qū)動電路設(shè)計技術(shù)
該項成果設(shè)計出適用于N型常關(guān)GaN器件的半橋柵驅(qū)動電路，通過分離充放電路徑避免柵驅(qū)動電壓振鈴現(xiàn)象的發(fā)生和dV/dt現(xiàn)象對柵驅(qū)動電路的干擾；同時利用高端柵極鉗位技術(shù)，在自舉充電路徑中對BOOT電容進行鉗位，防止對上開關(guān)管的損壞。
電子科技大學
2021-04-10
由生成對抗網(wǎng)絡(luò)（GAN）驅(qū)動的進化多目標算法 為計算智能與深度學習的結(jié)合開辟新路
隨著計算智能方法得到更廣泛的應用，其從問題本身學習的能力亟待增強。為此，越來越多研究提出使用機器學習模型來驅(qū)動計算智能。通常，這種基于模型的進化算法的性能高度依賴于所采用模型的訓練質(zhì)量。而傳統(tǒng)機器學習方法需要大量訓練數(shù)據(jù)進行模型訓練，而且受維度災難的影響，這類方法通常很難解決維度較高的問題，約束了計算智能方法的應用范疇。課題組在IEEE Transactions on Cybernetics上發(fā)表了一種由生成對抗網(wǎng)絡(luò)（GAN）驅(qū)動的進化多目標算法。
南方科技大學
2021-04-14