مدل سازی داده محور و یادگیری ماشین در تثبیت کننده ولتاژ خطی ۷۸۰۵: مروری بر رفتار غیرخطی، پاسخ های گذرا و پیش بینی عملکرد

تثبیت کننده ولتاژ خطی ۷۸۰۵ علیرغم قدمت بیش از چهار دهه، همچنان یک قطعه پرکاربرد در طراحی منابع تغذیه مدارات الکترونیکی محسوب می شود. با این حال، مدل های تحلیلی ساده موجود در دیتاشیت های تجاری قادر به توصیف دقیق رفتار غیرخطی، پاسخ های گذرا، ریپل فرکانس بالا و وابستگی های حرارتی این قطعه در شرایط عملیاتی واقعی نیستند. این مقاله به مرور نظام مند پیشینه پژوهش در زمینه مدل سازی ۷۸۰۵ از نخستین مدل های خطی تا رویکردهای نوین یادگیری ماشین می پردازد. بررسی داده های تجربی گردآوری شده از پژوهش های پیشین نشان می دهد که پارامترهای کلیدی خطای خطی، خطای بار، ریپل رد، دمای پیوند و زمان بازیابی گذرا دارای وابستگی های غیرخطی و متقابلی به ولتاژ ورودی، جریان بار، دمای محیط و خازن های خارجی هستند. روش های شبکه عصبی عمیق، ماشین بردار پشتیبان و جنگل تصادفی توانسته اند با دقت بیش از ۹۵ درصد این پارامترها را پیش بینی کنند. نتیجه گیری نهایی آن است که ۷۸۰۵ به عنوان یک بستر ایده آل برای توسعه و اعتبارسنجی روش های یادگیری ماشین در مدل سازی قطعات قدرت خطی عمل می کند.

Keywords:

آی سی ۷۸۰۵ , تثبیت کننده ولتاژ خطی , مدل سازی غیرخطی , یادگیری ماشین , پاسخ گذرا , ریپل رد , دمای پیوند , داده محور