-
题名基于人工神经网络的差模EMI滤波器插入损耗预测
被引量：4
- 1
-
-
作者
陈荣亮
梁海燕
刘艺涛
-
机构
深圳大学机电与控制工程学院
-
出处
《电源学报》
CSCD
北大核心
2024年第5期67-73,共7页
-
基金
深圳市科技计划资助项目(JCYJ20230808104910021)。
-
文摘
在电力电子设备中,高速开关经常会导致严重的电磁干扰EMI(electromagnetic interfere),严重影响电力电子系统的可靠性。为解决EMI问题,EMI滤波器是1种常用的解决方案。插入损耗作为噪声衰减能力的评价指标,其模型的准确性直接影响EMI滤波器的参数设计精度。为了提高EMI滤波器插入损耗模型的预测精度,首先准确描述系统行为并预测EMI滤波器滤波性能,提高EMI滤波器设计效率,然后利用反向传播神经网络对单级差模EMI滤波器的插入损耗进行建模。相较于理想模型和高频电路的行为模型,所提神经网络模型预测精度具有更好的实际应用价值,可以快速评估EMI滤波器的实际插入损耗,提高EMI滤波器设计效率,并为EMI滤波器的设计和优化提供指导。
-
关键词
寄生参数
差模emi滤波器
插入损耗
人工神经网络
-
Keywords
Parasitic parameter
differential-mode electromagnetic interference(emi)filter
insertion loss
artificial neural network
-
分类号
TM464
[电气工程—电器]
-
