利用邊緣 AI 技術，實現 MOSFET 結溫預測精度達到 1°C RMS
使用邊緣 AI 模型，使功率轉換器 MOSFET 在額定結溫範圍內運行，以確保安全性和長期可靠性
應用概覽概述
在額定溫度範圍內操作 MOSFET 對於電源轉換器系統的安全可靠運作至關重要。然而，快速暫態、異常負載條件會導致暫態結溫波動，這種波動可能會超過額定值，並且使用傳統的溫度測量技術（如車載感測器、熱電偶等）難以進行溫度測量。
基於邊緣 AI 的溫度預測解決方案可以利用工作電流、電壓、冷卻劑流量和感測器總溫度讀數等多維輸入，從而提高結溫測量的準確度。
我們採用的創新方法是利用基於專有溫度測量資料集訓練的多層感知器邊緣 AI 模型，該模型可在 TI 的 C2000 MCU 上無縫運行。此技術可實現更準確的結溫監控。
開始評估
資料收集
若要取得切換溫度的準確參考資料：
1) 直接溫度測量
- 將熱電偶或類似的溫度感測器直接安裝在功率 MOSFET 上。這將提供"黃金參考"溫度值
2) 綜合運轉條件，在各種條件下運行電源轉換器：
- 不同輸入電壓
- 各種負載位準
- 多種冷卻條件
3) 收集暫態事件
- 在傳統溫度估算方法中，暫態條件是最大的誤差來源
- 為了開發精確的邊緣 AI 模型，訓練資料必須包含豐富的暫態事件代表
可用資源：
- 使用上述方法產生的專有資料集，用於模型訓練和評估。您可以使用我們提供的資料集，也可以使用您自己收集的資料
資料品質評估
黃金參考資料集的取得方法如下：
將溫度感測器盡可能靠近 MOSFET 接點安裝，通常將溫度感測器直接連接到 MOSFET 封裝上。這提供最接近實際結溫的近似值
圖 1.1 －溫度預測 MOSFET
圖 1.2 - 溫度感測資料 - 良好
圖 1.1 - 預測的 MOSFET 外殼溫度
構建並訓練模型
準備好資料集後，即可使用 TI tinyML 模型庫探索、訓練和評估模型
為您的需求找出合適的模型
存取我們最佳化的通用時間序列模型庫，這些模型可根據效能和功耗要求進行擴展。
對於 MOSFET 溫度預測，請參考 TI tinyML 模型庫中的 examples → mosfet_temp_prediction 模型，以實現高準確度的溫度預測。
部署模型
首先使用我們的命令行工具，我們的 tinyml-modelzoo 託管了一套更廣泛、更靈活的模型開發工具，包括自帶資料 (BYOD) 或自帶模型 (BYOM)
選擇適合您的裝置
C2000 MCU 系列可為您的廣泛 AI 需求提供可擴展的效能，包括採用 F29H859TU-Q1 的 C29 的超長指令字 (VLIW) 並行效能、採用 TMS320F28P559SJ-Q1 的 TinyEngine™ NPU 等等。
開始使用所需的所有硬體、軟體與資源
硬體
LAUNCHXL-F29H85X
C2000™ 即時 MCU F29H85x LaunchPad™ 開發套件，可實現邊緣 AI 用例的快速開發。
F29H85X-SOM-EVM
F29H85x controlSOM 評估模組，可實現邊緣 AI 應用案例的快速開發。
LAUNCHXL-F28P55X
C2000™ 即時 MCU F28P55X LaunchPad™ 開發套件，可實現邊緣 AI 用例的快速開發。
軟體與開發工具
CCStudio™ Edge AI Studio
一套全面的工具，用於訓練、編譯模型並將其部署到 TI 邊緣 AI 設備。我們提供模型選擇工具，方便您查看預先產生的熱門模型基準測試結果。
CLI 工具
面向希望開發自訂模型的高級使用者的命令行介面。使用這款端對端模型開發工具，包含資料集處理、模型訓練與編譯。
F29-SDK
適用於 F29 即時微控制器的基礎軟體開發套件 (SDK)。