AI-Native Powerpor Rafael Collado

HERRAMIENTA EN EL NAVEGADOR / PROCESAMIENTO LOCAL

Entrena y examina un modelo sustituto de convertidor Buck

Empieza con el caso sintético reproducido o utiliza un CSV compatible. El entrenamiento se ejecuta en este dispositivo con ajustes de modelo fijos; la interfaz mantiene separadas la evidencia de validación y la autoridad de diseño.

  • Un CSV cada vez
  • Límite web de seguridad: 20 MB y 100.000 filas
  • Límite de ejecución de tres minutos con cancelación

01 / DATOS

Elige una ejecución acotada

La muestra crea 20.000 filas a partir de las ecuaciones simplificadas publicadas. Tu CSV debe usar las siete columnas numéricas documentadas y puede contener valores repetidos de case_id para una evaluación agrupada.

¿Qué columnas debe contener el CSV?

Utiliza una fila por punto de operación. El modelo lee cinco columnas de entrada y aprende dos columnas objetivo. Conserva exactamente los nombres de cabecera y las unidades del SI que se muestran.

ColumnaFunciónSignificadoUnidadValidación
vin_vEntradaTensión de entradaVMayor que cero
vout_vEntradaTensión de salidaVMayor que cero e inferior a vin_v
iout_aEntradaCorriente de salidaAMayor que cero
fsw_hzEntradaFrecuencia de conmutaciónHzMayor que cero
inductance_hEntradaInductanciaHMayor que cero
loss_wObjetivoPérdidas totales del convertidorWMayor que cero
ripple_current_aObjetivoRizado pico a pico de la corriente del inductorAMayor que cero; los valores superiores a iout_a generan un aviso sobre CCM

Columnas opcionales de trazabilidad: case_id activa una partición que aparta grupos completos cuando hay casos repetidos y al menos cinco grupos; source registra la procedencia, pero no se utiliza para entrenar. Las demás columnas se ignoran y generan un aviso.

El archivo debe contener entre 200 y 100.000 filas. Los valores obligatorios deben ser numéricos, finitos y no estar vacíos.

Prueba la muestra reproducida

Semilla 42 · 20.000 filas sintéticas · ajustes de modelo fijos.

Descargar CSV de ejemplo

Sube tu propio CSV

No se ha seleccionado ningún archivo

Elige la muestra o un CSV compatible para empezar.

QUÉ SIGNIFICA EL RESULTADO

Un resultado de filtrado, no una aprobación de diseño

La muestra incluida demuestra la aproximación de ecuaciones CCM simplificadas. Un CSV subido evalúa únicamente las filas y la partición representadas en ese archivo. Ninguno de los resultados demuestra rendimiento en otro simulador, familia de componentes o hardware.

La herramienta bloquea entradas mal formadas, avisa de una interpretación CCM débil, aparta grupos repetidos completos de case_id cuando están disponibles y señala predicciones físicamente no positivas. Su comprobación de límites de entrenamiento no es una detección completa de datos fuera de distribución.

La capacidad del navegador y la suficiencia del conjunto de datos son cuestiones distintas. Si el punto mayor de la curva de aprendizaje sigue mejorando o se alcanza el límite web, continúa con el repositorio local sin restricciones.