Wide-Bandgap Leistungshalbleiter + Systeme

Galliumnitrid (GaN)-basierte High Electron Mobility Transistoren (HEMTs) spielen eine Schlüsselrolle in der modernen Leistungselektronik, insbesondere in Anwendungen wie Hochfrequenzschaltungen, Leistungswandlern und erneuerbaren Energiesystemen.  Die präzise Modellierung dieser Transistoren ist entscheidend, um ihre Leistungsfähigkeit und Effizienz zu maximieren.  Ein etabliertes Modell hierfür ist das ASM GaN HEMT-Modell, das speziell für die Beschreibung der komplexen physikalischen Eigenschaften von GaN-Transistoren entwickelt wurde. 
Traditionelle Ansätze zur Parameterextraktion, wie manuelle Anpassung, stoßen jedoch oft an ihre Grenzen, insbesondere bei nichtlinearen Systemen wie HEMTs. Reinforcement Learning (RL) bietet eine vielversprechende Alternative, indem es adaptive, datengetriebene Optimierungsstrategien ermöglicht, die die Genauigkeit und Effizienz der Parameterextraktion für das ASM-Modell verbessern könnten.

Art der Arbeit:

BA ❌ FA ✅ MA ✅ 

Vorkentnisse:

• Grundkenntnisse in Transistormodellierung
• Erfahrung mit Programmierung (idealerweise Python) und maschinellem Lernen
• Interesse an der Anwendung moderner KI-Methoden in der Leistungselektronik

Kontakt:

Diego Kuderna Melgar

Zusammen mit den Leistungstransistoren auf Basis von Halbleitern mit hoher Bandlücke, wie z. B. SiC-Leistungs-MOSFETs und GaN-Leistungs-HEMTs, bilden Keramikkondensatoren die Grundbausteine von schnell schaltenden Hochstrom- und Hochspannungs-Kommutierungszellen und Leistungsmodulen in Schaltnetzteilen mit hoher Leistungsdichte. Die Leistungskondensatoren müssen den Hochfrequenzeigenschaften der Leistungstransistoren folgen, um nicht zum Engpass für die Schaltverlustenergie und das Wärmemanagement zu werden, und es müssen genaue Simulationsmodelle für die Hochfrequenzeigenschaften der Kondensatoren entwickelt werden, um ein zuverlässiges Design schnell schaltender Leistungsmodule zu ermöglichen. Die Arbeiten werden in Zusammenarbeit mit der Universität Stuttgart, Deutschland, und dem ENSI Caen, Frankreich, durchgeführt. Das endgültige Arbeitsprogramm wird in trilateraler Planung zwischen den Tutoren und dem Studenten festgelegt und kann Folgendes umfassen: Überblick über den aktuellen Stand der Technik, Mikrowellencharakterisierung von Keramikkondensatoren am ILH, einschließlich des Entwurfs spezieller Testbreadboards, Modellentwicklung, Implementierung in VerilogA und Verifizierung am ENSI Caen, optional: Entwurf eines Leistungsmoduls auf einem Breadboard und experimentelle Validierung am ILH.

Art der Arbeit:

BA ✅ FA ✅ MA ✅ 

Vorkentnisse:

• Theoretische Kenntnisse in Leistungshalbleiterbauelementen und leistungselektronischen Schaltungen sind empfohlen.

Kontakt:

Ingmar Kallfass

Weitere Informationen:

Die Arbeit findet in Zusammenarbeit und gemeinsamer Betreuung mit der ENSI Caen in Frankreich statt. Teile der Arbeit können an der ENSI Caen durchgeüfhrt werden.

Gallium-Nitrid (GaN)-Leistungshalbleiter bieten hohe Schaltgeschwindigkeiten, geringe Verluste und eine kompakte Bauweise und sind damit ideal für Inverter der nächsten Generation von bürstenlosen Gleichstrommotoren (BLDC). Um jedoch eine optimale Leistung zu erreichen, ist eine gezielte Auslegung von Filtern erforderlich, um den Wirkungsgrad zu steigern, die elektromagnetische Verträglichkeit (EMV) zu verbessern und Soft-Switching zu ermöglichen.

In dieser Arbeit sollen geeignete LC-Filterkonzepte entwickelt, simuliert und bewertet werden, um das Schaltverhalten und die Gesamtleistung von GaN-basierten BLDC-Invertern zu optimieren. Ziel ist es, durch entsprechend ausgelegte Resonanz- oder Kommutierungsnetzwerke Zero Voltage Switching (ZVS) bzw. Zero Current Switching (ZCS) zu realisieren.

Art der Arbeit:

BA ✅ FA ✅ MA ✅ 

Vorkentnisse:

• Leistungselektronik 1
• Grundkenntnisse in Schaltungssimulation und elektrischer Messtechnik
• Erfahrung mit MATLAB/Simulink, LTspice oder PLECS von Vorteil

Kontakt:

Jeremy Nuzzo

Moderne Hochfrequenz‑ und Leistungselektronik erfordert hochgradig optimierte Leiterplattenlayouts, die sowohl elektrische als auch thermische Anforderungen erfüllen. Parametrisierte Layouts ermöglichen es, Designvarianten automatisiert zu erzeugen, systematisch zu bewerten und zu optimieren. In Kombination mit FEM‑Simulationen und algorithmischer Optimierung (z. B. Parameter Sweeps oder genetische Algorithmen) entsteht so ein leistungsfähiger Entwicklungsworkflow, der Designzyklen verkürzt.

Ziele der Arbeit ist die Entwicklung eines vollständigen Workflows, welcher es ermöglicht:
   - parametrisierte PCB‑Layouts in Keysight ADS automatisiert zu erzeugen
   - diese Layouts in einer FEM‑Umgebung zu simulieren,
   - die Simulationsergebnisse auszuwerten und
   - das Layout mittels Parameter Sweep oder genetischem Algorithmus auf ein bestimmtzes Ziel hin zu optimieren.
Der Workflow soll reproduzierbar, modular und auf ausgewählte Layout‑Topologien übertragbar sein.

Art der Arbeit:

BA ✅ FA ✅ MA ✅ 

Vorkentnisse:

• LE1
• RPSS1
• FEM Kentnisse

Kontakt:

Michael Bosch, Diego Kuderna Melgar