IGBT机理建模及驱动问题研究
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-15页 |
| 1.1 论文研究背景 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 国外研究现状 | 第9-11页 |
| 1.2.2 国内研究现状 | 第11-12页 |
| 1.3 论文研究的目的及意义 | 第12-13页 |
| 1.3.1 研究内容及目的 | 第12-13页 |
| 1.3.2 论文研究意义 | 第13页 |
| 1.4 论文的结构与主要研究内容 | 第13-14页 |
| 1.5 本章小结 | 第14-15页 |
| 2 IGBT器件的结构及特性 | 第15-24页 |
| 2.1 引言 | 第15页 |
| 2.2 IGBT结构特征和工作机理 | 第15-19页 |
| 2.2.1 IGBT的结构特征 | 第15-17页 |
| 2.2.2 IGBT的工作机理 | 第17-19页 |
| 2.3 IGBT行为建模与机理建模介绍 | 第19-23页 |
| 2.3.1 IGBT模型介绍 | 第19-20页 |
| 2.3.2 IGBT行为建模 | 第20-22页 |
| 2.3.3 IGBT机理建模 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 3 基于Hefner模型的IGBT机理建模 | 第24-35页 |
| 3.1 引言 | 第24页 |
| 3.2 Hefner模型 | 第24-27页 |
| 3.2.1 BJT部分建模 | 第24-26页 |
| 3.2.2 MOSFET部分建模 | 第26-27页 |
| 3.3 Hefner模型的仿真分析 | 第27-31页 |
| 3.4 器件模型改进及仿真 | 第31-34页 |
| 3.4.1 器件模型建立 | 第31-32页 |
| 3.4.2 器件模型的仿真分析 | 第32-34页 |
| 3.5 本章小结 | 第34-35页 |
| 4 基于神经网络的模型参数辨识 | 第35-46页 |
| 4.1 引言 | 第35页 |
| 4.2 参数辨识方法介绍 | 第35-36页 |
| 4.3 神经网络 | 第36-39页 |
| 4.3.1 神经网络工作原理 | 第36-38页 |
| 4.3.2 优化算法确定 | 第38-39页 |
| 4.4 建立辨识系统 | 第39-42页 |
| 4.4.1 辨识系统框架建立 | 第39-40页 |
| 4.4.2 神经网络参数配置 | 第40-41页 |
| 4.4.3 训练数据获取及处理 | 第41-42页 |
| 4.5 仿真研究 | 第42-45页 |
| 4.6 本章小结 | 第45-46页 |
| 5 基于IGBT器件模型的驱动优化 | 第46-60页 |
| 5.1 引言 | 第46页 |
| 5.2 模型参数与输出信号的关系 | 第46-51页 |
| 5.3 驱动电路模型 | 第51-52页 |
| 5.4 基于模型参数的驱动优化 | 第52-55页 |
| 5.4.1 驱动优化目的及策略 | 第52-53页 |
| 5.4.2 仿真验证 | 第53-55页 |
| 5.5 基于IGBT机理模型的闭环门极驱动 | 第55-59页 |
| 5.5.1 基于PI控制器的驱动信号闭环控制 | 第55-57页 |
| 5.5.2 仿真验证 | 第57-59页 |
| 5.6 本章小结 | 第59-60页 |
| 6 总结与展望 | 第60-62页 |
| 6.1 全文工作总结 | 第60-61页 |
| 6.2 工作展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 附录 | 第68页 |
| A. 攻读硕士学位期间发表的论文 | 第68页 |
| B. 攻读硕士学位期间参与的科研项目 | 第68页 |
| C. 作者在攻读硕士学位期间获得的奖励和荣誉 | 第68页 |
