摘要
本发明公开了一种基于ZVS特征提取的氮化镓E类逆变电路的设计与优化方法,针对传统方法难以精确捕捉电路动态特性的局限,本发明创新性地从蒙特卡洛仿真生成的样本中提取ZVS特征,全面反映ZVS波形的细微变化。通过将ZVS特征与器件参数整合,构建增强数据集,并利用神经网络模型进行训练,实现了ZVS特征、输出功率、转换效率与电路参数之间的高精度映射。ZVS特征的引入,克服了传统方法依赖人工提取ZVS信息的不足,实现了电路参数的快速优化,大幅缩短了设计周期,提高了电路的可靠性和整体性能。实验结果表明,与传统方法相比,本发明在预测精度和转换效率优化方面取得了显著提升。
技术关键词
逆变电路
神经网络模型
GaN功率开关器件
蒙特卡洛方法
数据特征提取
参数
训练神经网络
捕捉电路
样本
多层感知机
训练集
谐振电容
品质因数
仿真分析
电感
依赖人工
随机森林