Identification of thermal model of power module using expectation-maximization algorithm

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23220%2F19%3A43956142" target="_blank" >RIV/49777513:23220/19:43956142 - isvavai.cz</a>

Výsledek na webu

<a href="https://ieeexplore.ieee.org/document/8927553" target="_blank" >https://ieeexplore.ieee.org/document/8927553</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/IECON.2019.8927553" target="_blank" >10.1109/IECON.2019.8927553</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Identification of thermal model of power module using expectation-maximization algorithm

Popis výsledku v původním jazyce

Prediction of junction temperatures in power semiconductor modules is essential to improve reliability of the device and prevent module failures due to thermal stress. Lumped parameter network is a popular approach for temperature modeling. Calibration of the thermal model is based on thermal measurements of the junction temperatures that are difficult to obtain. We aim to combine the knowledge of internal model structure and as little measurements as possible. Specifically, we use a state space thermal model with structure determined by the module layout, and propose to use the Expectation-Maximization algorithm from that can utilize data from different incomplete experiments. The identification procedure is introduced in detail in this paper and the applicability of the proposed approach is demonstrated on simulated and experimental data.

Název v anglickém jazyce

Identification of thermal model of power module using expectation-maximization algorithm

Popis výsledku anglicky

Prediction of junction temperatures in power semiconductor modules is essential to improve reliability of the device and prevent module failures due to thermal stress. Lumped parameter network is a popular approach for temperature modeling. Calibration of the thermal model is based on thermal measurements of the junction temperatures that are difficult to obtain. We aim to combine the knowledge of internal model structure and as little measurements as possible. Specifically, we use a state space thermal model with structure determined by the module layout, and propose to use the Expectation-Maximization algorithm from that can utilize data from different incomplete experiments. The identification procedure is introduced in detail in this paper and the applicability of the proposed approach is demonstrated on simulated and experimental data.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

20201 - Electrical and electronic engineering

Projekt

<a href="/cs/project/EF18_069%2F0009855" target="_blank" >EF18_069/0009855: Elektrotechnické technologie s vysokým podílem vestavěné inteligence</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach<br>I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2019

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Proceedings : IECON 2019 : 45th Annual Conference of the IEEE Industrial Electronics Society

ISBN

978-1-72814-878-6

ISSN

—

e-ISSN

2577-1647

Počet stran výsledku

7

Strana od-do

1-7

Název nakladatele

IEEE

Místo vydání

Piscataway

Místo konání akce

Lisabon, Portugal

Datum konání akce

14. 10. 2019

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—