CN103675637A - 功率mosfet健康状态评估与剩余寿命预测方法 - Google Patents

Abstract

本发明公开功率MOSFET健康状态评估与剩余寿命预测方法，具体步骤为：首先采集健康功率MOSFET的漏源极电压、漏源极电流和阈值电压，获取健康功率MOSFET的马氏距离，并进行Box-Cox变换以得到正态分布化的马氏距离，从而确定功率MOSFET的健康状态评估基准阈值，并选取正态分布化的马氏距离作为评估被测功率MOSFET的健康状态特征参数；然后对监测被测功率MOSFET的漏源极电压、漏源极电流和阈值电压进行健康状态评估；最后，根据被测MOSFET的不同健康状态建立不同剩余寿命预测模型。本发明将功率MOSFET的多特征参数变换为单特征参数进行健康状态评估，同时考虑了工作条件的温度和电压应力，建立了正常状态和异常状态下的剩余寿命预测模型，从而能够准确预测被测功率MOSFET的剩余寿命。

Description

功率MOSFET健康状态评估与剩余寿命预测方法

技术领域

本发明涉及一种功率MOSFET健康状态评估与剩余寿命预测方法，属于可靠性评估和电子故障预测与健康管理领域。

背景技术

随着半导体技术的不断进步与发展，功率MOSFET作为DC-DC电源模块、光伏逆变器等电力电子电路中开关功率器件的主要选择，是电子和电气机载自治功能子系统中不可缺少的器件，广泛应用于航空航天、轨道交通、新能源发电、导航和雷达系统等领域。通常，电路的退化或者失效往往是由某个或者某些关键器件导致的，有研究统计表明，功率MOSFET在电力电子电路中引起的故障率高达31％。对于关键任务系统而言，其性能退化及失效将极大地影响系统的正常安全运行，因此为避免这样的失效而引起的重大损失具有十分重要意义，从而需要健康状态评估与剩余寿命预测方法，为维修、更换和备件策略制定的重要依据。

目前，国内外对功率MOSFET的失效机理、失效模式的分析研究较多，而对其进行健康状态评估与剩余寿命预测的研究较少，采用的方法为选取单一的导通电阻或者阈值电压作为失效特征参数进行健康评估或故障预测，即仅考虑了某一种失效模式情形下的退化规律。然而，功率MOSFET在实际工作过程中，受到温度、电压等应力的同时作用，其失效形式可能由多个失效模式共同表征。因此，为准确评估功率MOSFET的健康状态及预测其剩余寿命需要选取恰当的健康状态特征参数以及合适的剩余寿命预测模型。

本发明融合功率MOSFET分别在电应力和温度应力失效下的特征参数，重新选取能够表征MOSFET在电应力和温度应力共同作用下健康状态的特征参数，以此评估被测功率MOSFET的健康状态。同时，根据健康状态的不同建立不同的寿命预测模型，本发明中建立的分数阶SVM预测模型，具有更好的泛化能力，预测精度更高。

发明内容

本发明的目的在于提供一种功率MOSFET健康状态评估与剩余寿命预测方法，通过采集健康功率MOSFET在正常工作条件下的阈值电压、漏源极电压和漏源极电流，建立Box-Cox变换的马氏距离模型，确定功率MOSFET的健康状态评估基准阈值。根据被测功率MOSFET的健康状态建立不同的剩余寿命预测模型，对于处于异常状态的功率MOSFET建立分数阶SVM(Support Vector Machine，支持向量机)预测模型，对于处于正常状态的功率MOSFET建立加速因子寿命模型。

为实现上述目的，本发明的功率MOSFET健康状态评估与剩余寿命预测方法，具体包括以下步骤：

步骤1：定义标称工作条件下(温度为25℃)性能参数满足要求的功率MOSFET为健康功率MOSFET；等时间间隔连续采集健康功率MOSFET在m个时刻的阈值电压V_th(i)、漏源极电压V_DS(i)和漏源极电流I_DS(i)，计算导通电阻R_DS(i)=V_DS(i)/I_DS(i)，其中i＝1，2，…，m；由导通电阻R_DS(i)和阈值电压V_th(i)获得马氏距离MD_(i)，将马氏距离MD_(i)经Box-Cox变换得到正态分布化的马氏距离服从正态分布N(μ，δ²)，其中μ为

的均值，δ²为

的方差；以正态分布化的马氏距离作为功率MOSFET的健康状态特征参数，确定功率MOSFET的健康状态评估基准阈值为L₁=(μ+3δ)；

步骤2：计算被测功率MOSFET在T_n时刻时的健康状态特征参数

评估被测功率MOSFET的健康状态；选取功率MOSFET的失效阈值L₂，并且L₂>L₁；当

时，判定此时被测功率MOSFET为正常状态，采用步骤3进行剩余寿命预测；当

时，判定其为异常状态，采用步骤4预测其剩余寿命；当

时，判定其为失效状态，即被测功率MOSFET寿命终结；

步骤3：依据T_n时刻被测功率MOSFET的工作温度T_emp(n)和阈值电压V_th(n)计算当前状态下的加速因子AF_(n)并结合功率MOSFET生产商提供的MTTF(Mean Time To Failure，平均失效时间)建立加速因子寿命模型：

$T_{\mathrm{EOL}\left(n\right)}=\frac{\mathrm{MTTF}-T_n}{{\mathrm{AF}}_{\left(n\right)}}$

T_n时刻的加速因子AF_(n)为：

${\mathrm{AF}}_{\left(n\right)}={(V_{\mathrm{th}\left(n\right)}/\stackrel{\‾}{V_{\mathrm{th}}})}^{\mathrm{\β}}\·e^{\frac{E_a}{k}(\frac{1}{T_{\mathrm{emp}\left(R\right)}}-\frac{1}{T_{\mathrm{emp}\left(n\right)}})}$

其中，T_EOL(n)为被测功率MOSFET在T_n时刻的剩余寿命(由于AF_(n)为一数值，因此下面参数选取时不考虑其单位)；β为一常数，取β=3；T_emp(R)为标称绝对温度，T_emp(R)=(25+273)；E_a为功率MOSFET的激活能，E_a=1.0；k为玻尔兹曼常数，k=0.00008617；

为健康功率MOSFET的平均阈值电压，

步骤4：选取分数阶傅里叶变换核函数建立分数阶SVM预测模型，由T₁～T_n时刻的建立数据集

作为分数阶SVM预测模型的训练样本数据，其中j=1，2，…，n；当预测到T_n+p-1时刻

且T_n+p时刻

时，则可得到T_n时刻被测功率MOSFET的剩余寿命为：T_EOL=T_n+p-T_n；

本发明解决了功率MOSFET在失效过程中可能存在的多种失效模式同时发生引起的多个失效特征参数同时变化而无法准确评估与预测的问题，考虑了功率MOSFET工作过程中的电应力和温度应力变化，从而可以精确地预测功率MOSFET的健康状态与剩余寿命。

附图说明

图1是功率MOSFET健康状态评估与剩余寿命预测方法流程图；

具体实施方式

下面结合说明书附图对本发明的技术方案进行详细说明。

如图1所示，采集健康功率MOSFET在正常工作条件下的阈值电压、漏源极电压和漏源极电流，建立Box-Cox变换的马氏距离模型，确定功率MOSFET的健康状态评估基准阈值。根据被测功率MOSFET的健康状态建立不同的剩余寿命预测模型，对于处于异常状态的功率MOSFET建立分数阶SVM寿命预测模型，对于处于正常状态的功率MOSFET建立基于加速因子的剩余寿命预测模型。

功率MOSFET健康状态评估与剩余寿命预测方法，具体实施方式如下：

步骤1：获取功率MOSFET健康状态评估阈值，其具体步骤如下：

步骤1.1、定义标称工作条件下(温度为25℃)性能参数满足要求的功率MOSFET为健康功率MOSFET；等时间间隔连续采集健康功率MOSFET在m个时刻的阈值电压V_th(i)、漏源极电压V_DS(i)和漏源极电流I_DS(i)，其中i=1，2，…，m；

步骤1.2、根据步骤1.1中采集的V_th(i)、V_DS(i)和I_DS(i)，计算导通电阻R_DS(i)=V_DS(i)/I_DS(i)，其中i＝1，2，…，m；将R_DS(i)和V_th(i)作为一个二维总体G，总体G的均值为

方差为S_q。

记X_qi＝[X_1i  X_2i]^T＝[R_DS(i)  V_th(i)]^T， $\stackrel{\‾}{X_q}=\frac{1}{m}\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\stackrel{\‾}{X_{\mathrm{qi}}},S_q=\sqrt{\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{(X_{\mathrm{qi}}-\stackrel{\‾}{X_q})}^2/(m-1)},$ $Z_{\mathrm{qi}}=\frac{X_{\mathrm{qi}}-\stackrel{\‾}{X_q}}{S_q},$ Z_i＝[Z_1i  Z_2i]^T， $C=\frac{1}{(m-1)}\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{Z}_i{Z}_i^T,$ 其中q=1，2。

从而，由导通电阻R_DS(i)和阈值电压V_th(i)得到马氏距离MD_(i)为：

MD_(i)＝Z_i ^TC^-1Z_i          (1)

对马氏距离MD_(i)采取Box-Cox变换，其变换模型为：

${\mathrm{MD}}_{\mathrm{BC}\left(i\right)}^{\left(\mathrm{\λ}\right)}=\left\{\begin{array}{c}({\mathrm{MD}}_{\left(i\right)}^{\mathrm{\λ}}-1)/\mathrm{\λ},\mathrm{\λ}\≠0\\ \mathrm{In}\left({\mathrm{MD}}_{\left(i\right)}\right),\mathrm{\λ}=0\end{array}\right.---\left(2\right)$

其中λ为变换参数。对于λ的选取可以采用极大似然法获得，即首先在一个经验范围内选择参数λ的值，再由

$L^{\left(\mathrm{\λ}\right)}=-\frac{m}{2}\·\mathrm{In}\left[\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\frac{{({\mathrm{MD}}_{\mathrm{BC}\left(i\right)}^{\left(\mathrm{\λ}\right)}-\stackrel{\‾}{{\mathrm{MD}}_{\mathrm{BC}}^{\left(\mathrm{\λ}\right)}})}^2}{m}\right]+(\mathrm{\λ}-1)\·\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\mathrm{In}\left({\mathrm{MD}}_{\left(i\right)}\right)---\left(3\right)$

$\stackrel{\‾}{{\mathrm{MD}}_{\mathrm{BC}}^{\left(\mathrm{\λ}\right)}}=\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{\mathrm{MD}}_{\mathrm{BC}\left(i\right)}^{\left(\mathrm{\λ}\right)}---\left(4\right)$

获得λ与L^(λ)的关系，选择使得L^(λ)最大时的λ值作为最优参数λ^*。同时，经Box-Cox变换后的

服从正态分布N(μ，δ²)，其中μ为

的均值，δ²为

的方差；

步骤1.3、以正态分布化的马氏距离作为功率MOSFET的健康状态特征参数，并根据步骤1.2所得

的均值μ和方差δ²确定功率MOSFET的健康状态评估基准阈值为L₁＝(μ+3δ)；

步骤2：采集被测功率MOSFET在T_n时刻时的阈值电压V_th(n)、漏源极电压V_DS(n)和漏源极电流I_DS(n)，计算T_n时刻的导通电阻R_DS(n)=V_th(n)／I_DS(n)，记W_(n)＝[R_DS(n)  I_DS(n)]^T，计算此时刻W_(n)与总体G的马氏距离MD_(n)：

${\mathrm{MD}}_{\left(n\right)}=\sqrt{{(W_{\left(n\right)}-\stackrel{\‾}{X_q})}^T{C}^{-1}\left(W_{\left(n\right)}-\stackrel{\‾}{X_q}\right)}---\left(5\right)$

将马氏距离MD_(n)由式(2)进行Box-Cox变换，得到正态分布化的马氏距离

选取功率MOSFET的失效阈值为L₂，并且L₂>L₁，评估T_n时刻被测功率MOSFET的健康状态：

(1)当

时，判定此时被测功率MOSFET为正常状态，采用步骤3行剩余寿命预测；

(2)当

时，判定此时被测功率MOSFET为异常状态，采用步骤4预测其剩余寿命；

(3)当

时，判定此时被测功率MOSFET为失效状态，即被测功率MOSFET寿命终结。

步骤3：依据T_n时刻被测功率MOSFET的工作温度T_emp(n)和阈值电压V_th(n)计算当前状态下的加速因子AF_(n)(由于AF_(n)为一数值，因此下面参数选取时不考虑其单位)：

${\mathrm{AF}}_{\left(n\right)}={(V_{\mathrm{th}\left(n\right)}/\stackrel{\‾}{V_{\mathrm{th}}})}^{\mathrm{\β}}\·e^{\frac{E_a}{k}(\frac{1}{T_{\mathrm{emp}\left(R\right)}}-\frac{1}{T_{\mathrm{emp}\left(n\right)}})}---\left(6\right)$

其中，β为一常数，取β=3；T_emp(R)为标称绝对温度，T_emp(R)=(25+273)；E_a为功率MOSFET的激活能，取E_a=1.0；k为玻尔兹曼常数，k=0.00008617；为健康功率MOSFET的平均阈值电压， $\stackrel{\‾}{V_{\mathrm{th}}}=\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{V}_{\mathrm{th}\left(i\right)}.$

结合功率MOSFET生产商提供的MTTF(Mean Time To Failure，平均失效时间)建立加速因子寿命模型：

$T_{\mathrm{EOL}\left(n\right)}=\frac{\mathrm{MTTF}-T_n}{{\mathrm{AF}}_{\left(n\right)}}---\left(7\right)$

步骤4：根据被测功率MOSFET在T₁～T_n时刻的进行健康状态评估，采用分数阶SVM对其进行时间序列预测，获取功率MOSFET在未来时刻的健康状态，预测其剩余寿命，具体步骤如下：

步骤4.1、获取被测功率MOSFET在T₁～T_n时刻的健康状态特征参数

值，其中j=1，2，…，n；

步骤4.2、选择分数阶SVM预测模型的输入向量维数l(1<l<n)，输出向量维数为1，输入向量为l个正态分布化的马氏距离，输出向量为下一时刻的正态分布化马氏距离，对数据

进行相空间重构，得到输入向量的个数为u，记训练输入向量为x_u；

步骤4.3、选择分数阶傅里叶变换核函数建立分数阶SVM预测模型，记预测输入向量为x，则得到核函数

$K_{\mathrm{\&alpha;}}(x,x_u)=\left\{\begin{array}{c}\sqrt{1-j\cot \mathrm{\&alpha;}}\&CenterDot;e^{-\mathrm{j\&pi;}(x^2\cot \mathrm{\&alpha;}-2{\mathrm{xx}}_u\csc \mathrm{\&alpha;}+x_u^2\cot \mathrm{\&alpha;})},\mathrm{\&alpha;}\&NotEqual;\mathrm{r\&pi;}\\ \mathrm{\&delta;}(x-x_u),\mathrm{\&alpha;}=\mathrm{r\&pi;}\\ \mathrm{\&delta;}(x+x_u),\mathrm{\&alpha;}=(2r\&PlusMinus;1)\mathrm{\&pi;}\end{array}\right.---\left(8\right)$

其中，α=hπ／2，h为分数阶傅里叶变换的分数阶，h的取值一般为0～1，r为整数。

步骤4.4、确定分数阶SVM预测模型的参数，由核函数矩阵计算拉格朗日乘子和偏置值，得到回归函数为：

$f\left(x\right)=\underset{d=1}{\overset{u}{\mathrm{\&Sigma;}}}{\mathrm{\&gamma;}}_{d}K(x,x_d)+b---\left(9\right)$

其中，γ_d为拉格朗日乘子，b为偏置值。

步骤4.5、输入T_n时刻的预测向量，由分数阶SVM预测模型进行p步预测，当预测到T_n+p-1时刻

且T_n+p时刻时，则可得到T_n时刻功率MOSFET的剩余寿命为：T_EOL=T_n+p-T_n。

Claims (4)

1.功率MOSFET健康状态评估与剩余寿命预测方法，其特征在于，具体包括以下步骤：

步骤1：获取功率MOSFET健康状态评估基准阈值，其具体步骤如下：

步骤1.1、定义标称工作条件下(温度为25℃)性能参数满足要求的功率MOSFET为健康功率MOSFET；等时间间隔连续采集健康功率MOSFET在m个时刻的阈值电压V_th(i)、漏源极电压V_DS(i)和漏源极电流I_DS(i)，其中i＝1，2，…，m；

步骤1.2、根据步骤1.1中采集的V_th(i)、V_DS(i)和I_DS(i)建立马氏距离模型MD_(i)，对马氏距离MD_(i)采取Box-Cox变换得到正态分布化的马氏距离

服从正态分布N(μ，δ²)，其中μ为的均值，δ²为

的方差；

步骤1.3、以正态分布化的马氏距离作为功率MOSFET的健康状态特征参数，并确定功率MOSFET的健康状态评估基准阈值为L₁=(μ+3δ)；

步骤2：计算被测功率MOSFET在T_n时刻时的健康状态特征参数

评估被测功率MOSFET的健康状态；选取功率MOSFET的失效阈值L₂，并且L₂>L₁；当

时，判定此时被测功率MOSFET为正常状态，采用步骤3进行剩余寿命预测；当

时，判定其为异常状态，采用步骤4预测其剩余寿命；当

时，判定其为失效状态，即被测功率MOSFET寿命终结；

步骤3：依据T_n时刻被测功率MOSFET的工作温度T_emp(n)和阈值电压V_th(n)计算当前状态下的加速因子AF_(n)并结合功率MOSFET生产商提供的MTTF(Mean Time To Failure，平均失效时间)建立加速因子寿命模型预测其剩余寿命；

步骤4：建立分数阶SVM预测模型，将被测功率MOSFET在T₁～T_n时刻的

作为分数阶SVM预测模型的训练样本数据，对其进行时间序列预测，当预测到T_n+p-1时刻

且T_n+p时刻

时，则可得到功率MOSFET在T_n时刻的剩余寿命，其中j=1，2，…，n。

2.根据权利要求1所述的功率MOSFET健康状态评估与剩余寿命预测方法，其特征在于，所述步骤1中建立马氏距离模型并采取Box-Cox变换，具体步骤如下：

(1)根据漏源极电压V_DS(i)和漏源极电流I_DS(i)计算导通电阻R_DS(i)=V_DS(i)/T_DS(i)；

(2)由导通电阻R_DS(i)和阈值电压V_th(i)获得马氏距离MD_(i)；

(3)将马氏距离MD_(i)经Box-Cox变换得到正态分布化的马氏距离

，其Box-Cox变换模型为：

${\mathrm{MD}}_{\mathrm{BC}\left(i\right)}^{\left(\mathrm{\&lambda;}\right)}=\left\{\begin{array}{c}({\mathrm{MD}}_{\left(i\right)}^{\mathrm{\&lambda;}}-1)/\mathrm{\&lambda;},\mathrm{\&lambda;}\&NotEqual;0\\ \mathrm{In}\left({\mathrm{MD}}_{\left(i\right)}\right),\mathrm{\&lambda;}=0\end{array}\right.$

其中λ为变换参数。

3.根据权利要求1所述的功率MOSFET健康状态评估与剩余寿命预测方法，其特征在于，步骤3中的加速因子寿命模型为：

$T_{\mathrm{EOL}\left(n\right)}=\frac{\mathrm{MTTF}-T_n}{{\mathrm{AF}}_{\left(n\right)}}$

T_n时刻的加速因子AF_(n)为：

${\mathrm{AF}}_{\left(n\right)}={(V_{\mathrm{th}\left(n\right)}/\stackrel{\&OverBar;}{V_{\mathrm{th}}})}^{\mathrm{\&beta;}}\&CenterDot;e^{\frac{E_a}{k}(\frac{1}{T_{\mathrm{emp}\left(R\right)}}-\frac{1}{T_{\mathrm{emp}\left(n\right)}})}$

其中，T_EOL(n)为被测功率MOSFET在T_n时刻的剩余寿命；β为一常数；T_emp(R)为标称绝对温度；E_a为功率MOSFET的激活能；k为玻尔兹曼常数；

为健康功率MOSFET的平均阈值电压， $\stackrel{\&OverBar;}{V_{\mathrm{th}}}=\underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}{V}_{\mathrm{th}\left(i\right)}.$

4.根据权利要求1所述的功率MOSFET健康状态评估与剩余寿命预测方法，其特征在于，所述步骤4中选取分数阶傅里叶变换核函数建立分数阶SVM预测模型，将数据集

作为分数阶SVM预测模型的训练样本数据，当预测到T_n+p-1时刻

且T_n+p时刻

时，则可得到被测功率MOSFET在T_n时刻的剩余寿命为：T_EOL=T_n+p-T_n。