用于汽车 WBG 转换器的人工智能增强 EMC 数字孪生

该项目旨在开发一种预测性电磁兼容数字孪生框架，以评估汽车电源转换器产生的高频辐射。通过整合电磁建模、人工智能技术及实验验证，本研究旨在简化对汽车标准的符合性评估过程，从而降低成本并缩短研发时间。申请者应具备工程或计算机科学背景，并具备较强的分析能力。

引言： 全球向电动出行转型的趋势，要求汽车电力电子器件具备更高的功率密度、热性能及效率。采用宽带隙（WBG）半导体材料，如碳化硅（SiC）和氮化镓（GaN），能够实现极高的开关频率并降低损耗。然而，快速开关过程会产生严重的高频电磁干扰（EMI）。传统上，为确保符合汽车标准（如CISPR 25），必须在产品开发周期的后期进行大量的物理预合规测试，从而导致昂贵的迭代成本。 该博士项目通过开发一种预测性、多领域电磁兼容（EMC）数字孪生框架，旨在解决这一瓶颈问题。该研究结合电磁建模、机器学习及硬件验证技术，能够实现对汽车电源转换器的快速虚拟合规评估。 项目细节： 该为期3.5年的博士奖学金旨在开发一种由人工智能驱动的数字孪生系统，能够依据CISPR标准预测高频传导及辐射发射性能，从而实现3D虚拟模拟与实际物理合规测试之间的衔接。 该学生将参与一个结构化的虚拟建模、人工智能开发及实验验证项目。初始工作将涉及为 WBG 转换器设计基准状态与退化状态的 EMI 布局原型，并使用三维电磁求解器提取布局寄生效应。利用这些数据集，将开发两种人工智能替代模型：一种用于低频传导辐射预测的高斯过程回归（GPR）模型，以及一种嵌入麦克斯韦方程以预测空间辐射场的物理诱导神经网络（PINN）模型。这些替代模型将被整合到统一的数字孪生系统中。最后，该虚拟框架将针对原型硬件进行验证与校准。 实验性诊断将利用考文垂大学的预合规实验室对人工智能模型进行校准。 通过提升虚拟 EMC 筛选的可靠性，该项目将有助于降低开发下一代汽车电力电子产品的成本、风险及所需时间。

Entry requirements: A minimum of a 2:1 first degree in a relevant discipline/subject area with a minimum 60% mark in the project element or equivalent with a minimum 60% overall module average. PLUS The potential to engage in innovative research and to complete the PhD within 3.5 years. A minimum of English language proficiency (IELTS academic overall minimum score of 6.5 with a minimum of 6.0 in each component). Additional requirements: This studentship is suitable for candidates with a background in Electrical/Electronic Engineering, Power Electronics, Automotive Engineering, Computer Science, Applied Mathematics, or a related discipline. Applicants must be highly motivated, possess strong analytical problem-solving skills, and be able to rapidly master new simulation environments, analytical evaluation techniques, and experimental frameworks. Ideal candidates will also possess the following technical skills and competencies: Strong theoretical knowledge of circuit analysis, power electronics, or electromagnetic principles. Experience in mathematical or computational programming. Knowledge of circuit simulation tools (SPICE/PWL based). Knowledge of, or a willingness to learn, 3D electromagnetic simulation tools. An interest in, or basic knowledge of, artificial intelligence and machine learning frameworks.

资助来源： 学费与奖学金 优势： 成功候选人将获得全面的研究训练，包括技术、个人及职业技能方面的培养。考文垂大学的所有研究人员（从博士到教授）均属于博士与研究员学院成员，该学院提供高质量的培训与职业发展支持。

申请方式： 如需了解该项目详情，请联系 "[会员信息]" 所有申请者需提供完整的辅助材料、推荐信，以及一篇长度为2000字的说明文，以证明申请者的专业能力与兴趣与该项目具有相关性。 申请考文垂大学 申请流程：