論文の概要: Physics-Informed Condition Monitoring of SiC Power Modules

• arxiv url: http://arxiv.org/abs/2608.08363v2
• Date: Tue, 11 Aug 2026 07:31:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-12 16:08:30.58868
• Title: Physics-Informed Condition Monitoring of SiC Power Modules
• Title（参考訳）: SiCパワーモジュールの物理インフォームド状態モニタリング
• Abstract要約: 3つの要素を組み合わせた条件監視フレームワークを提案する。 まず、物理インフォームド機能は、生のセンサー信号を累積的な損傷指標に置き換える。 第二に、ペナルティ正則化によって強制される単調性制約は、期待される劣化方向を物理誘導前のものとして埋め込む。
• 参考スコア（独自算出の注目度）: 1.0826731459445489
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Silicon carbide (SiC) power modules are increasingly deployed in automotive traction inverters, where condition monitoring is essential to prevent in-service failures. Despite extensive qualification under AQG 324, no consolidated approach exists for in-field health state estimation: physics-of-failure lifetime models lack real-time applicability, purely data-driven architectures require large labeled datasets and generalize poorly, and physics-informed frameworks remain too demanding for embedded deployment. We address SiC MOSFET modules assembled with sintered packaging, which suppresses solder degradation and produces aging behavior distinct from previously studied devices. Instead of the smooth quasi-exponential drift of solder-based modules, the forward voltage drop $V_{DS}$ exhibits multi-regime profiles, with wirebond liftoff events introducing abrupt, non-monotonic perturbations. We propose a condition monitoring framework combining three elements. First, physics-informed features replace raw sensor signals with cumulative damage indicators derived from junction temperature swing, mean junction temperature and a Miner rule accumulator, encoding degradation history in an interpretable form. Second, a monotonicity constraint enforced by gradient penalty regularization embeds the expected degradation direction as a physics-guided prior. Third, a heavy-tailed output distribution replaces the point estimate, giving calibrated uncertainty robust to the out-of-distribution variance introduced by liftoff. On an industrial power cycling dataset from Infineon Technologies, several neural architectures are compared under a strict cross-validation protocol. The full configuration reduces mean absolute error by approximately 70% over purely data-driven baselines and stays stable across all folds, while remaining lightweight enough for embedded deployment.
• Abstract（参考訳）: シリコン炭化物(SiC)の電力モジュールは、自動車のトラクションインバータにますます多くデプロイされている。 AQG 324の下での広範な資格にもかかわらず、フィールド内の健康状態推定には統合されたアプローチは存在しない: 物理障害寿命モデルはリアルタイム適用性に欠け、純粋にデータ駆動アーキテクチャは大きなラベル付きデータセットを必要とし、一般化が不十分であり、物理インフォームドフレームワークは組み込みデプロイメントにはあまりにも要求されすぎている。 焼結包装を組み込んだSiC MOSFETモジュールについて検討し, 半田劣化を抑制し, 従来研究されていた装置とは異なる時効挙動を示す。 半田型モジュールの滑らかな準指数的ドリフトの代わりに、フォワード電圧ドロップ$V_{DS}$は複数登録プロファイルを示し、ワイヤボンドリフトオフイベントは急激な非単調な摂動をもたらす。 3つの要素を組み合わせた条件監視フレームワークを提案する。 まず, 物理インフォーム機能により, 生センサ信号を接合温度変動, 平均ジャンクション温度, マイナー則蓄積器から導出した累積的損傷指標に置き換え, 劣化履歴を解釈可能な形で符号化する。 第二に、勾配のペナルティ正規化によって強制される単調性制約は、期待される劣化方向を物理誘導された先行方向として埋め込む。 第三に、重み付き出力分布は点推定を置き換え、リフトオフによってもたらされる分布外分散に対して校正された不確実性を与える。 Infineon Technologiesの産業用サイクリングデータセットでは、いくつかのニューラルネットワークを厳格なクロスバリデーションプロトコルで比較する。 完全な構成により、純粋なデータ駆動のベースラインよりも平均的な絶対誤差を約70%削減し、すべてのフォールドを安定させながら、組み込みデプロイメントに十分な軽量さを維持します。

関連論文リスト

• Failure-Mechanism Transferability of Cumulative-Damage Features for Health State Estimation of SiC Power Modules [1.0826731459445489]
  我々は,2つのSiCパワーサイクルキャンペーンにおいて,物理インフォームドNODE(Neural Ordinary Differential Equation)に対する5つの基準手法をベンチマークした。 NODEはパイプラインの残りの部分を共有する2つの入力レジームで評価される。
  論文  参考訳（メタデータ） (2026-08-08T23:28:57Z)
• MPC for underactuated spacecraft control with a Lyapunov supervised physics-informed neural network correction layer [2.4919077201316067]
  未作動の宇宙船は、制御可能性の限界に直面し、環境障害に対する感度を高める。 i) 非線形モデル予測制御器(NMPC) の制約と非作動性を考慮した操作計画と, アクチュエータリミット下での名目上の閉ループ安定性, (ii) 物理インフォームドニューラルネットワーク(PINN) シミュレーションデータをオフラインでトレーニングし, 残差トルクを推定すること, (iii) 学習した補正をオンラインで評価し, ベースラインコントローラの安定性を維持または抑制するリアプノフベースの監視安全機構。
  論文  参考訳（メタデータ） (2026-06-11T09:39:14Z)
• When Sensors Fail: Temporal Sequence Models for Robust PPO under Sensor Drift [64.37959940809633]
  時間的持続的なセンサ故障下でのPPOのロバスト性について検討する。 トランスフォーマーを用いたシーケンスポリシーは, センサ数が少ない場合でも高いリターンを保ちながら, 堅牢性, RNN, SSMよりも大幅に優れていた。
  論文  参考訳（メタデータ） (2026-03-04T22:21:54Z)
• Structure-Aware Epistemic Uncertainty Quantification for Neural Operator PDE Surrogates [10.39662017167378]
  不確かさの定量化(UQ)は、計算的に効率的かつ空間的に忠実でなければならない。 本稿では,現代のNOに共通するモジュラー・アナロジーを利用した構造対応UQスキームを提案する。 挑戦的なPDEベンチマークの実験では、提案された構造認識設計により、より信頼性の高いカバレッジ、よりタイトなバンド、残留不確実性アライメントの改善が示されている。
  論文  参考訳（メタデータ） (2026-02-24T10:17:24Z)
• Structured Prototype-Guided Adaptation for EEG Foundation Models [56.35233377493694]
  脳波基礎モデルでは、主観レベルの監督が限定されている場合、一般化が不十分であることが示されている。 この失敗は、ノイズ、限られた監督とEMFの高可塑性パラメータ空間の間の構造的ミスマッチに起因する。 EFMファインチューニングのための構造化COnfidence対応プロトタイプ誘導適応フレームワークSCOPEを提案する。
  論文  参考訳（メタデータ） (2026-02-19T10:54:29Z)
• Generalizing GNNs with Tokenized Mixture of Experts [75.8310720413187]
  安定性の向上には,変化に敏感な特徴への依存を低減し,既約最悪の一般化フロアを残す必要があることを示す。 本研究では,STEM-GNNを提案する。STEM-GNN,STEM-GNN,STEM-GNN,STEM-GNN,STEM-GNN,STEM-GNN,STEM-GNN,STEM-GNN,STEM-GNN。 9つのノード、リンク、グラフのベンチマークで、STEM-GNNはより強力な3方向バランスを実現し、クリアグラフ上での競争力を維持しながら、次数/ホモフィリーシフトや特徴/エッジの破損に対する堅牢性を改善している。
  論文  参考訳（メタデータ） (2026-02-09T22:48:30Z)
• SpanNorm: Reconciling Training Stability and Performance in Deep Transformers [55.100133502295996]
  両パラダイムの強度を統合することでジレンマを解消する新しい手法であるSpanNormを提案する。 我々は、SpanNormと原則付きスケーリング戦略を組み合わせることで、ネットワーク全体にわたって有界信号のばらつきを維持できることを理論的に示す。 経験的に、SpanNormは、密集および混成実験(Mixture-of-Experts、MoE)のシナリオにおいて、標準正規化スキームを一貫して上回っている。
  論文  参考訳（メタデータ） (2026-01-30T05:21:57Z)
• Position: Certifiable State Integrity in Cyber-Physical Systems -- Why Modular Sovereignty Solves the Plasticity-Stability Paradox [0.0]
  最近の証拠は、微調整された時系列基盤モデルが、以前の政権における破滅的な、劣化するパフォーマンスを忘れてしまうことを示唆している。 この位置紙は、塑性安定性パラドックスはグローバルパラメータ更新によって完全には解決できないと主張している。 代わりに、モジュール・ソブリンティ・パラダイム(Modular Sovereignty paradigm)を提唱する。
  論文  参考訳（メタデータ） (2026-01-29T04:10:58Z)
• PhyG-MoE: A Physics-Guided Mixture-of-Experts Framework for Energy-Efficient GNSS Interference Recognition [49.955269674859004]
  本稿では,PhyG-MoE(Physics-Guided Mixture-of-Experts)について述べる。 静的アーキテクチャとは異なり、提案システムはスペクトル特性の絡み合いに基づいて信号をルーティングするスペクトルベースのゲーティング機構を用いる。 高容量のTransNeXtエキスパートがオンデマンドでアクティベートされ、飽和シナリオで複雑な機能を分離する一方、軽量のエキスパートは基本的なシグナルを処理してレイテンシを最小化する。
  論文  参考訳（メタデータ） (2026-01-19T07:57:52Z)
• Physics-Aware Heterogeneous GNN Architecture for Real-Time BESS Optimization in Unbalanced Distribution Systems [9.651906452129657]
  本稿では、詳細な3相グリッド情報を埋め込むことで、多様なGNNアーキテクチャがネットワーク状態変数を高精度に予測できることを実証する。 物理インフォームド・ロス関数は、訓練中のソフトペナルティによって、-SoCとCレートの限界という重要なバッテリ制約を組み込む。 6.92e-07 (GCN), 1.21e-06 (GAT), 3.29e-05 (GPS), 9.04e-07 (SAGE) のバス電圧 MSE は低い予測誤差を実現する。
  論文  参考訳（メタデータ） (2025-12-10T16:00:18Z)
• Towards Long-Term Time-Series Forecasting: Feature, Pattern, and Distribution [57.71199089609161]
  長期的時系列予測(LTTF)は、風力発電計画など、多くのアプリケーションで需要が高まっている。 トランスフォーマーモデルは、高い計算自己認識機構のため、高い予測能力を提供するために採用されている。 LTTFの既存の手法を3つの面で区別する,Conformer という,効率的なTransformer ベースモデルを提案する。
  論文  参考訳（メタデータ） (2023-01-05T13:59:29Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。