中高压功率IGBT模块开关特性测试及建模
| 致谢 | 第1-7页 |
| 摘要 | 第7-9页 |
| Abstract | 第9-12页 |
| 目录 | 第12-15页 |
| 第1章 绪论 | 第15-37页 |
| ·引言 | 第15页 |
| ·IGBT的结构和IGBT技术的发展 | 第15-16页 |
| ·IGBT的开关过程 | 第16-18页 |
| ·高压功率IGBT开关特性测试和建模的意义 | 第18-20页 |
| ·中高压功率IGBT开关特性测试中的重要问题 | 第20-30页 |
| ·信号的等效频率、系统带宽和示波器采样率 | 第20-21页 |
| ·探头引入的信号源负载 | 第21-22页 |
| ·电流测量 | 第22-25页 |
| ·电压测量 | 第25-30页 |
| ·中高压功率IGBT开关特性测试的现状 | 第30-32页 |
| ·离线和准在线测试系统 | 第30-32页 |
| ·在线测试系统 | 第32页 |
| ·IGBT开关特性的建模和预测 | 第32-34页 |
| ·本文的主要内容和选题意义 | 第34-37页 |
| 第2章 中高压IGBT模块开关特性测试系统 | 第37-53页 |
| ·引言 | 第37页 |
| ·离线测试平台的设计目标 | 第37-40页 |
| ·测试对象 | 第37-39页 |
| ·测试目标 | 第39-40页 |
| ·测试原理 | 第40-42页 |
| ·测试平台设计的关键技术 | 第42-52页 |
| ·直流母线设计 | 第42-46页 |
| ·测试回路设计 | 第46-48页 |
| ·负载电感 | 第48-49页 |
| ·驱动电路 | 第49页 |
| ·结温调节 | 第49页 |
| ·控制系统 | 第49-52页 |
| ·结论 | 第52-53页 |
| 第3章 中高压IGBT开关特性测试结果分析 | 第53-83页 |
| ·引言 | 第53页 |
| ·IGBT单管功率模块测试 | 第53-64页 |
| ·1700V/800A中压功率模块 | 第53-58页 |
| ·4500V/900A高压功率模块 | 第58-60页 |
| ·测试电路环路电感对模块开关特性影响的分析 | 第60-64页 |
| ·IGBT半桥功率模块测试 | 第64-66页 |
| ·T型三电平IGBT功率模块测试 | 第66-81页 |
| ·T型三电平模块测试结果 | 第68-72页 |
| ·T型三电平模块测试结果分析 | 第72-73页 |
| ·T型三电平电路工作状态和换流模式分析 | 第73-81页 |
| ·结论 | 第81-83页 |
| 第4章 IGBT开关特性的人工神经网络预测 | 第83-100页 |
| ·引言 | 第83页 |
| ·人工神经网络模型 | 第83-85页 |
| ·开关特性的BP神经网络预测模型设计 | 第85-90页 |
| ·测试样本点 | 第85-86页 |
| ·提取存储波形的开关特性参数 | 第86-87页 |
| ·样本数据分类 | 第87页 |
| ·输入变量 | 第87页 |
| ·输出变量 | 第87页 |
| ·网络层数 | 第87-88页 |
| ·神经元激活传递函数 | 第88-89页 |
| ·隐含层节点数 | 第89-90页 |
| ·开关特性BP神经网络模型的训练和评估 | 第90-91页 |
| ·样本预处理 | 第90页 |
| ·模型的评估 | 第90页 |
| ·网络的目标期望值 | 第90-91页 |
| ·学习率 | 第91页 |
| ·初始网络连接权值和阈值 | 第91页 |
| ·BP神经网络的预测结果分析 | 第91-98页 |
| ·开通损耗 | 第91-93页 |
| ·关断损耗 | 第93-94页 |
| ·电流上升时间 | 第94-95页 |
| ·电流下降时间 | 第95-96页 |
| ·电压过冲 | 第96-97页 |
| ·电流尖峰 | 第97-98页 |
| ·结论 | 第98-100页 |
| 第5章 全局智能算法改进BP开关特性预测模型 | 第100-130页 |
| ·引言 | 第100页 |
| ·基于遗传算法的隐层节点数和目标期望的动态调整 | 第100-104页 |
| ·遗传算法概述 | 第100-101页 |
| ·遗传算法优化BP网络隐层节点数和目标期望值 | 第101-104页 |
| ·基于智能算法的网络初始连接关系的动态调整 | 第104-128页 |
| ·遗传算法优化初始权值矩阵 | 第104-106页 |
| ·遗传算法BP神经网络的预测结果 | 第106-111页 |
| ·模拟退火BP神经网络 | 第111-113页 |
| ·模拟退火BP神经网络的预测结果 | 第113-118页 |
| ·粒子群BP神经网络 | 第118-122页 |
| ·粒子群BP神经网络的预测结果 | 第122-127页 |
| ·三种算法优化性能的比较 | 第127-128页 |
| ·结论 | 第128-130页 |
| 第6章 总结和展望 | 第130-133页 |
| ·论文工作总结 | 第130-131页 |
| ·工作展望 | 第131-133页 |
| 参考文献 | 第133-141页 |
| 作者简介 | 第141页 |
| 博士期间的科研成果 | 第141页 |
