Verbundprojekt: trustAE - Transformation der Fahrzeugtechnik durch hochintegrierte Komponenten für robuste, digitalisierte und effiziente Antriebs- und Energiesysteme basierend auf WBG-Technologien; Teilvorhaben HTEC GmbH: KI-basierter Digitaler Zwilling zur intelligenten Schaltoptimierung im SiC-Antriebsumrichter

Abstract

Die Ansteuerung von SiC-MOSFETs in Antriebsumrichtern erfolgt in der industriellen Praxis überwiegend mit fest eingestellten oder in wenigen diskreten Stufen wählbaren Gate-Widerständen, deren Auslegung auf konservativen Arbeitspunktannahmen beruht. Ziel des Teilvorhabens der HTEC GmbH war die Entwicklung eines KI-basierten Digitalen Zwillings, der auf Basis der aktuellen Betriebsbedingungen (Drain-Source-Spannung, Testlaststrom, Temperatur) in Echtzeit die optimale Gate-Widerstandskonfiguration vorhersagt, ohne die physikalischen Sicherheitsgrenzen des Systems (VDS_peak < 1.200 V, dV/dt < 20 kV/μs) zu verletzen. Auf Basis eines von TU Dortmund bereitgestellten Simulationsdatensatzes mit 18 Betriebsszenarien wurde ein Hybrid-Modul entwickelt, das eine verlustfreie Lookup-Tabelle für bekannte Szenarien mit einem kompakten neuronalen Netz zur Generalisierung auf unbekannte Betriebspunkte kombiniert. Die Lösung wurde von einer Python-Prototypumgebung vollständig nach C konvertiert und für die Integration auf der Infineon-Aurix-TC4x-Plattform unter Verwendung der TASKING/SMARTCODE-Toolchain vorbereitet. Mit einer Inferenzlatenz von 80 μs, einer Modellgröße von rund 15.000 Parametern sowie einer auf dem Testevaluierungssubset nachgewiesenen Modellgüte von R² = 0,947 (MAE = 0,045, MSE = 0,017) wurden sämtliche Mindest- und Wunschanforderungen des Teilvorhabens erfüllt bzw. deutlich übertroffen. Die entwickelte Methodik ist nicht auf den Automotive-Anwendungsfall beschränkt und bietet Übertragungspotenzial auf weitere Anwendungsfelder der Leistungselektronik, etwa industrielle Antriebe und Wechselrichter für erneuerbare Energien, sowie einen Beitrag zu KI-gestützten Digitalen Zwillingen im Sinne von Industrie 4.0 und IoT. The control of SiC MOSFETs in traction inverters is predominantly carried out in industrial practice using fixed gate resistors, or resistors selectable from a few discrete steps, whose design is typically based on conservative operating-point assumptions. The goal of HTEC GmbH's sub-project was to develop an AI-based digital twin that predicts, in real time and on the basis of the current operating conditions (drain-source voltage, test load current, temperature), the optimal gate resistance configuration for the given switching event, without violating the system's physical safety limits (VDS_peak < 1,200 V, dV/dt < 20 kV/μs). Building on a simulation dataset covering 18 operating scenarios provided by TU Dortmund, a hybrid module was developed that combines a lookup table with zero prediction error for known scenarios with a compact neural network for generalization to unknown operating points. The solution was fully converted from a Python prototype environment into C and prepared for integration on the Infineon Aurix TC4x platform using the TASKING/SMARTCODE toolchain. With an inference latency of 80 μs, a model size of around 15,000 parameters, and a model quality of R² = 0.947 (MAE = 0.045, MSE = 0.017) demonstrated on the held-out test evaluation subset, all minimum and target requirements of the sub-project were met or clearly exceeded. The developed methodology is not limited to the automotive use case and offers transfer potential to further power-electronics applications, such as industrial drives and renewable-energy inverters, as well as a contribution to AI-based digital twins in the context of Industry 4.0 and IoT.