Habilite la predicción de la temperatura de unión de MOSFET con una precisión de 1 °C RMS con tecnología Edge AI
Mediante modelos de edge AI, puede operar convertidores de potencia MOSFET dentro de una temperatura de unión nominal para mayor seguridad y fiabilidad a largo plazo
Descripción general de la aplicación
El funcionamiento de los MOSFET dentro del rango de temperatura nominal es fundamental para un funcionamiento seguro y fiable del sistema del convertidor de potencia. Sin embargo, los transitorios rápidos y las condiciones de carga anormales pueden causar oscilaciones transitorias de temperatura de unión que pueden superar el valor nominal y son difíciles de medir con técnicas convencionales de medición de temperatura, como sensores integrados, termopares, etc.
La solución de predicción de temperatura basada en Edge AI puede mejorar la precisión de las mediciones de temperatura de unión mediante entradas multidimensionales, como la corriente de funcionamiento, la tensión, el flujo de refrigerante y la lectura de temperatura bruta del sensor.
Nuestro enfoque innovador aprovecha un modelo de Edge AI de perceptrón multicapa entrenado en un conjunto de datos de medición de temperatura patentado que funciona a la perfección en los MCU C2000 de TI. Esta tecnología permite una supervisión más precisa de la temperatura de unión.
Inicio de la evaluación
Recopilación de datos
Haga lo siguiente para obtener datos de referencia precisos para la temperatura del interruptor:
1) Medición directa de la temperatura
- Monte un termopar o un sensor de temperatura similar directamente en el MOSFET de potencia, esto proporciona los valores de "referencia dorada" de temperatura
2) Condiciones de funcionamiento completas, opere el convertidor de potencia en diversas condiciones:
- Diferentes tensiones de entrada
- Diversos niveles de carga
- Múltiples condiciones de enfriamiento
3) Recopilación de eventos transitorios
- Las condiciones transitorias causan el mayor error en los métodos convencionales de estimación de temperatura
- Los datos de entrenamiento deben incluir una representación rica de los eventos transitorios para desarrollar modelos precisos de edge AI
Recursos disponibles:
- Conjunto de datos patentados generados con la metodología anterior para la formación y evaluación de modelos. Utilice nuestro conjunto de datos proporcionado o traiga sus propios datos recopilados
Evaluación de la calidad de los datos
Haga lo siguiente para obtener el conjunto de datos de referencia dorada:
Monte un sensor de temperatura lo más cerca posible de la unión del MOSFET, normalmente mediante la conexión directa del sensor de temperatura al encapsulado del MOSFET. Esto proporciona la aproximación más cercana a la temperatura de unión real
Figura 1.1: MOSFET de predicción de temperatura
Figura 1.2: Datos de detección de temperatura, bueno
Figura 1.1: Temperatura predicha de la carcasa de MOSFET
Construya y entrene a su modelo
Con su conjunto de datos listo, explore, entrene y evalúe modelos con el tinyML Model Zoo de TI
Encuentre el modelo adecuado para sus necesidades
Acceda a nuestra biblioteca de modelos de series temporales genéricos optimizados, escalables en términos de rendimiento y potencia.
Para la predicción de temperatura de MOSFET, consulte el modelo en el tinyML Model Zoo de TI, en Ejemplos → mosfet_temp_prediction, para lograr una predicción de temperatura de alta precisión.
Implementación de su modelo
Comience con nuestras herramientas de línea de comandos, nuestro tinyml-modelzoo alberga un conjunto más extenso y flexible de herramientas de desarrollo de modelos, que incluyen Traiga sus propios datos (BYOD) o Traiga su propio modelo (BYOM)
Elección del dispositivo adecuado para usted
La familia de MCU C2000 ofrece un rendimiento escalable para sus necesidades amplias de IA, lo que incluye el rendimiento paralelo de palabra de instrucción muy larga (VLIW) del C29 con F29H859TU-Q1, la NPU TinyEngine™ con TMS320F28P559SJ-Q1, y muchos otros.
Todo el hardware, software y recursos que necesitará para comenzar
Hardware
LAUNCHXL-F29H85X
El kit de desarrollo LaunchPad™ F29H85x de MCU en tiempo real C2000™ permite un desarrollo rápido del caso de uso de Edge AI.
F29H85X-SOM-EVM
El módulo de evaluación controlSOM F29H85x permite un desarrollo rápido del caso de uso de Edge AI.
LAUNCHXL-F28P55X
El kit de desarrollo LaunchPad™ F28P55X de MCU en tiempo real C2000™ permite un desarrollo rápido del caso de uso de Edge AI.
Herramientas de desarrollo y software
CCStudio™ Edge AI Studio
Conjunto completo de herramientas para entrenar, compilar e implementar un modelo en dispositivos edge AI de TI. Una herramienta de selección de modelos está disponible para ver los puntos de referencia pregenerados de modelos populares.
Herramientas de CLI
Una interfaz de línea de comandos para usuarios avanzados que quieran desarrollar su propio modelo. Utilice esta herramienta de desarrollo de modelos de extremo a extremo que contiene manejo de conjuntos de datos, entrenamiento de modelos y compilación.
F29-SDK
Kit de desarrollo de software (SDK) básicos para MCU en tiempo real F29.
Recursos de soporte
La guía de inicio muestra a los desarrolladores qué aspectos deben tener en cuenta para crear una aplicación Edge AI en los procesadores de TI y las herramientas que pueden necesitar para hacerlo