R
ResearchOS
⌘K
WZ

推荐

基于你的研究兴趣和阅读历史,AI 为你筛选了以下最新论文

IEEE Trans. Power Electron.·2小时前·IF 5.2

A Novel Thyristor-Controlled Voltage-Source-Based Forced Resonant Mechanical DC Circuit Breaker

一种基于晶闸管电压源型强迫谐振的机械式直流断路器

Zhang, X. et al.·Xi'an Jiaotong University

AI 解读

研究问题:现有强迫谐振直流断路器需大量功率半导体器件,成本高、控制复杂

研究方法:提出一种晶闸管控制电压源型强迫谐振机械断路器(TFR-MCB),利用低压电容器和晶闸管构成等效电压源,通过多次电流过零实现低应力开断

关键结果:10 kV/3 kA 样机验证成功,开断应力显著降低,成本较传统固态方案降低 60% 以上

DC Circuit BreakerForced ResonantThyristorMVDC
IEEE Trans. Ind. Electron.·6小时前·IF 7.5

A Self-Powered Bidirectional DC Solid-State Circuit Breaker Based on SiC JFETs for DC Microgrids

用于直流微电网的基于 SiC JFET 自供电双向直流固态断路器

Wang, W. et al.·Hunan University

AI 解读

研究问题:直流微电网中固态断路器需外部辅助电源供电,增加系统复杂性并降低可靠性

研究方法:提出基于 SiC JFET 的自供电双向固态断路器拓扑,利用故障电流自身能量驱动关断,无需外部电源

关键结果:400 V/150 A 样机验证成功,故障电流在 0.7 μs 内完成关断,正反向故障均可自供电可靠响应

Solid-State Circuit BreakerSiC JFETDC MicrogridSelf-Powered
IEEE Trans. Ind. Electron.·14小时前·IF 7.5

Active Gate Driver of SiC MOSFETs for Crosstalk Mitigation Based on Voltage Inverters

基于电压逆变器的 SiC MOSFET 串扰抑制有源栅极驱动

Yue, H. et al.·Southwest Jiaotong University

AI 解读

研究问题:SiC MOSFET 桥臂拓扑中高速开关时米勒电容耦合引发串扰误开通,限制开关频率提升

研究方法:设计基于电压逆变器的有源栅极驱动电路,采样、缩放并反演漏源电压以提取或泵送位移电流至栅极

关键结果:串扰电压被抑制至安全阈值以下,开关速度显著提升,附加损耗极低且无需额外控制信号

SiC MOSFETActive Gate DriverCrosstalkVoltage Inverter
IEEE Trans. Power Electron.·1天前·IF 5.2

Evaluation and MHz Converter Application of 1.2-kV Vertical GaN JFET

1.2 kV 垂直 GaN JFET 评估与 MHz 变换器应用

Zhao, S. et al.·Virginia Tech

AI 解读

研究问题:1.2 kV 级 GaN 功率器件在高频变换器中应用潜力与动态特性尚未充分研究

研究方法:系统评估 1.2 kV 垂直 GaN JFET 的静态与动态特性,并在 MHz 级 ZVS Buck 变换器中进行验证

关键结果:800 V/1 MHz 下峰值效率达 97.7%,动态导通电阻无明显退化,优于同级 SiC MOSFET 和 Si IGBT

GaNVertical JFETMHz ConverterWide Bandgap
IEEE Trans. Biomed. Eng.·3天前·IF 4.6

Cross-Modal Consistency for Single-Modal MR Image Segmentation

面向单模态 MR 图像分割的跨模态一致性方法

Xu, W. et al.·Shanghai Jiao Tong University

AI 解读

研究问题:医学图像分割中多模态 MRI 数据通常不完整,单模态分割精度受限于模态缺失

研究方法:提出跨模态一致性学习框架,利用模态间共享的解剖结构先验,从单模态输入恢复多模态分割性能

关键结果:脑肿瘤分割 Dice 达 0.89,与完整多模态数据方法性能相当,显著优于现有单模态方法

Medical Image SegmentationBrain MRIDeep LearningCross-Modal
IEEE Trans. Power Syst.·4天前·IF 6.6

Quantum Annealing-Infused Microgrids Formation: Distribution System Restoration and Resilience Enhancement

量子退火驱动的微网形成:配电系统恢复与韧性增强

Nikmehr, N. et al.·Stony Brook University

AI 解读

研究问题:极端事件下配电网恢复中微网划分问题为 NP-hard,大规模系统下经典求解器效率不足

研究方法:提出量子退火驱动的微网形成优化模型,利用 D-Wave 混合量子-经典求解器求解关键负荷恢复问题

关键结果:IEEE 37/240 节点系统验证表明求解速度显著优于经典 Gurobi 求解器,恢复负荷量提升 15%

Quantum AnnealingMicrogridPower System ResilienceQuantum Computing