CN109738773A - 一种非平稳工况下igbt模块寿命预测方法 - Google Patents
一种非平稳工况下igbt模块寿命预测方法 Download PDFInfo
- Publication number
- CN109738773A CN109738773A CN201810629060.8A CN201810629060A CN109738773A CN 109738773 A CN109738773 A CN 109738773A CN 201810629060 A CN201810629060 A CN 201810629060A CN 109738773 A CN109738773 A CN 109738773A
- Authority
- CN
- China
- Prior art keywords
- junction temperature
- power
- operating condition
- igbt module
- igbt
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Testing Of Individual Semiconductor Devices (AREA)
Abstract
本发明涉及一种非平稳工况下IGBT模块寿命预测方法,包括以下步骤:步骤一:IGBT模块的退化机理调研;步骤二:IGBT模块电学模型建立;步骤三:基于Simulink的IGBT电学模型参数解耦;步骤四:考虑退化特性的结温在线监测;步骤五:窄结温幅值寿命预测模型建立;步骤六:功率循环试验平台搭建;步骤七:窄结温幅值寿命预测模型建立;步骤八:非平稳工况IGBT模块寿命预测模型。本发明首先基于器件电热模型和工作任务剖面计算出实际工况下功率模块的结温‑时间曲线,提取出相应的结温波动信息;然后,基于功率模块的寿命预测模型,计算不同结温波动对器件造成的累积损伤;最后,结合各结温应力循环次数,对实际工况下IGBT模块的MTTF进行评估。此方法属于IGBT模块寿命评价技术领域。
Description
(一)技术领域:
本发明涉及一种非平稳工况下IGBT模块寿命预测方法,它基于器件电热模型和工作任务 剖面计算出实际工况下功率模块的结温-时间曲线,提取出相应的结温波动信息;然后,基于 功率模块的寿命预测模型,计算不同结温波动对器件造成的累积损伤;最后,结合各结温应 力循环次数,对实际工况下IGBT模块的MTTF进行评估。此方法属于IGBT模块寿命评价 技术领域。
(二)背景技术:
由于绝缘栅双极型晶体管(IGBT)模块具有电压应力高、电流密度大、导通压降低以及 开关损耗低等优点,目前大多数功率变流器选择IGBT模块作为功率器件。根据最近工业界 的一份调查显示,以IGBT模块为代表的功率器件失效占到了变流器失效的40%,因而针对 实际工况下功率模块可靠性展开研究有助于提高功率变流器整体的使用可靠性。但由于IGBT 模块内部结构复杂,其可靠性问题涉及多学科的交叉,相关研究仍处于初级阶段,部分退化 机理和模型尚不明确。通常,结温对IGBT模块使用可靠性影响最为严重,而功率IGBT模 块内部芯片的结温往往无法直接获取。目前可通过以下四种方法测量得到:物理接触式测试 法、光学非接触测试法、热阻抗模型预测法及热敏感电参数法。其中热敏感电参数法是通过 测量器件随结温变化的电气特征参数反推出芯片结温,具有响应快、精度高、可在线测量等 优点,但已有提出的不少热敏感电参数测量时需要引入外界激励源,影响功率模块的正常实 际工作。此外,随着IGBT模块的老化进程各热敏感电参数与结温的对应关系也会发生相应 的改变,造成结温测量误差。因此,若能研究出和器件老化因素较小、且能实现非侵入式检 测的热敏感电参数,从而建立出实际条件下的结温在线监测方法很有重要意义。随着IGBT 模块结构工艺的改进,已有的寿命预测模型在窄结温幅值下预测精度较差;同时,IGBT模块 常常应用于非平稳工况条件下,有必要对非平稳工况下的IGBT模块进行寿命预测。
为此,本方法以结温预测模型为基础,提出了一种考虑窄结温幅值的寿命预测方法,建 立一种非平稳工况下IGBT模块寿命预测方法。
(三)发明内容:
1、目的:本发明的目的是:提供一种非平稳工况下IGBT模块寿命预测方法,该方法考 虑了IGBT模块窄结温幅值的情况。与传统的寿命预测评价方法相比,该仿真评价方法准确 性更高,适用范围更广泛。
2、技术方案:本发明一种非平稳工况下IGBT模块寿命预测方法,它包括如下步骤:
步骤一:IGBT模块的退化机理调研
典型键合封装的功率IGBT模块的内部结构是由多层具有不同的热膨胀系数的材料组成。 由于模块封装各层的材料不同,在温度循环的过程中材料之间热膨胀系数的不匹配会在不同 层之间的界面上产生热机械应力,这种应力会造成IGBT模块中键合线和焊料层的疲劳损伤。 所以IGBT的主要失效机理是键合线的裂纹和剥离,以及焊料层的空洞。
步骤二:IGBT模块电学模型建立
IGBT实际运行时,可在不借助额外的传感器或内置测量电路的前提下测量得到器件集电 极-发射极两端电压Vce和集电极电流Ic。因此,建立IGBT模块在导通情形下的饱和压降Vcesat的数值模型,并针对该机理模型结合前述讨论的IGBT模块退化机理,分析确定考虑退化特 性的结温在线监测参数。该参数可用于在线监测模块内部IGBT芯片正常工作时的结温。
步骤三:基于Simulink的IGBT电学模型参数解耦
在电学模型中,集电极电流Ic、结温Tj参数之间耦合关系复杂,若要考虑退化特性影响 在线监测器件结温,还需对电学模型中的集电极电流Ic、结温Tj进行参数解耦。封装部分压 降只与集电极电流Ic成正比关系,只需对通态压降部分进行解耦。另一方面,由于难以通过 纯数学变换方法对Von进行参数解耦,因此在Matlab/Simulink中建立器件电学模型,考虑温 度效应影响,仿真通态压降Von同结温、集电极电流的关系,实现参数解耦。
步骤四:考虑退化特性的结温在线监测
搭建结温测试平台,为避免键合丝与铝金属层结构退化的影响,采用集电极开启电压Vn作为热敏感参数用于在线监测功率模块内部IGBT芯片的结温测量:
Vn=kV·Tj+bV
集电极开启电压Vn和结温Tj呈负温度系数线性关系,能在功率模块实际工作电流较大 的条件下对器件结温实现非侵入式的测量,能有效应用于复杂工况下结温的在线监测。
步骤五:窄结温幅值寿命预测模型建立
采用卡尔曼滤波的方法,结合建立的考虑退化特性的结温监测方法,得到功率IGBT模块 全开关周期的结温预测模型,从而获得功率器件工作时的结温-时间历程曲线,为后续功率循 环试验的升温和降温时间提供依据,为实际工况下功率IGBT模块的寿命预测提供参考。
步骤六:功率循环试验平台搭建
功率循环试验电路主要由功率器件大电流老化部分和小电流结温测量部分组成,根据卡 尔曼滤波方法确定升温与降温时间,并确定功率循环试验终止条件。其中大电流老化部分主 要是对器件通以大电流,使功率器件结温在短时间内快速上升,是功率循环试验平台电路的 主要组成部分;小电流结温测量部分是在器件通以小电流10mA~100mA,可在大电流关断条 件下测量器件饱和压降Vcesat以间接获得器件结温。
步骤七:窄结温幅值寿命预测模型建立
根据多组不同应力条件的功率循环试验,基于试验数据的统计分析结果,利用Basquin方 程和Arrhenius方程建立窄结温幅值情形下的功率IGBT模块寿命预测模型,为后续实际非平 稳工况下功率IGBT模块剩余寿命的预测提供输入。
步骤八:非平稳工况IGBT模块寿命预测模型
在寿命预测理论基本实现方法的基础上,使用雨流算法提取器件结温随机波动载荷信息。 考虑功率IGBT模块不同工况区间的分布特点及器件结温幅值对器件损伤影响,提出非平稳 工况下功率IGBT模块的寿命预测方法。
(四)附图说明:
图1是本发明的实施步骤流程示意图
图2是Simulink中建立的器件电学模型
图3是结温Tj保持不变,通态压降Von与集电极电流Ic的关系
图4是集电极电流Ic保持不变,通态压降Von与结温Tj的关系
图5是结温测量试验平台电路原理图
图6是结温测量试验平台
图7是集电极开启电压Vn与结温Tj对应关系
图8是卡尔曼滤波结温预测流程图
图9是功率模块基于卡尔曼滤波结温预测方法整体思路
图10是卡尔曼滤波的结温预测结果示例
图11是功率循环试验平台电路示意图
图12是搭建的功率循环试验平台示意图
图13是窄结温幅值寿命预测模型拟合结果示意图
图14是非平稳工况下功率IGBT模块寿命评估流程图
图15是基于雨流计数法的随机结温波动信息提取示意图
(五)具体实施方式:
下面将结合附图和非平稳工况下IGBT结温预测方法,对本发明作进一步的详细说明。
本发明一种典型CMOS器件极限低温特性仿真方法,具体步骤如下:
步骤一:IGBT模块的退化机理调研
IGBT模块的退化机理可分为与芯片相关的退化机理(如时间相关介质电击穿、电迁移和 铝金属化重构等)和与模块封装有关的退化机理。与芯片有关的退化通常和半导体物理相关, 由硅材料内部缺陷引发并最终导致器件退化失效。这一失效虽不同于模块封装引起的退化失 效,但和模块封装结构的变化可能有关。
相比与芯片有关的退化机理,在众多应用领域科研人员更关注与模块封装有关的退化机 理,因为模块封装的退化或失效会引起器件工作结温的升高,进一步导致器件安全工作区和 性能参数的退化。由于模块封装各层的材料不同,在温度循环的过程中材料之间热膨胀系数 的不匹配会在不同层之间的界面上产生热机械应力,这种应力会造成IGBT模块中键合线和 焊料层的疲劳损伤。当键合线的疲劳累积损伤到达一定程度时,就会导致铝键合线产生裂纹 和剥离;而焊层的累积损伤也会造成硅芯片与直接覆铜基板、DCB与底板之间的焊料层产生 空洞。这两种失效机理是功率IGBT模块中最常见与模块封装相关的失效类型。
步骤二:IGBT模块电学模型建立
IGBT实际运行时,可在不借助额外的传感器或内置测量电路的前提下测量得到器件集电 极-发射极两端电压Vce和集电极电流Ic。因此,建立IGBT模块在导通情形下的饱和压降Vcesat的数值模型,并针对该机理模型结合前述讨论的IGBT模块退化机理,分析确定考虑退化特 性的结温在线监测参数。该参数可用于在线监测模块内部IGBT芯片正常工作时的结温。
一般的,测量得到的器件饱和压降主要包括器件芯片上的通态压降Von和集电极-发射极 通道上封装部分的压降:
Vcesat=Von(Tj,Ic)+Rcon·Ic
式中,Von为器件芯片上的通态压降,是关于器件结温Tj和集电极电流Ic的一个复杂函数; Rcon为铝金属层、键合线等电气互连结构形成的接触电阻。随着IGBT模块键合线以及铝金属 化层不断退化,Rcon也会不断增大,因此在恒定Ic下测量器件饱和压降表征器件结温时,键 合线与铝金属化层的退化会对测量结果的准确度造成影响。
步骤三:基于Simulink的IGBT电学模型参数解耦
在电学模型中,集电极电流Ic、结温Tj参数之间耦合关系复杂,若要考虑退化特性影响 在线监测器件结温,还需对电学模型中的集电极电流Ic、结温Tj进行参数解耦。封装部分压 降只与集电极电流Ic成正比关系,只需对通态压降部分进行解耦。另一方面,由于难以通过 纯数学变换方法对Von进行参数解耦,因此在Matlab/Simulink中建立器件电学模型,考虑温 度效应影响,仿真通态压降Von同结温、集电极电流的关系,实现参数解耦。
选取典型键合封装的三菱CM150DY-12NF型(150A/600V)IGBT模块为研究对象,电学 模型仿真中所需的相关器件参数通过经验估计、器件手册外推得到,相应取值如表1所示:
表1电学模型中相关参数取值
建立的Simulink器件电学模型如图2所示。在Matlab中利用sim函数调用Simulink进行 数值仿真。仿真主要通过两个步骤实现参数解耦:①结温Tj保持不变,仿真通态压降Von与 集电极电流Ic的关系;②集电极电流Ic保持不变,仿真通态压降Von与结温Tj的关系。根据 IGBT实际应用情况与本文所用IGBT型号的器件手册规定,仿真中结温Tj取值为300K到 450K之间,集电极电流Ic取值为10mA到200A之间,仿真结果如图3和图4所示。
从图3可以看出,在上述四个不同的恒定结温Tj取值下,当集电极电流Ic取值较小时, 通态压降Von和集电极电流Ic的非线性程度比较严重;而当Ic超过一定值(5A)时,通态压 降Von和集电极电流Ic呈现为较好的线性关系。因此,器件通态压降Von可与结温Tj和集电极电流Ic作如下解耦:
Von(Tj,Ic)=f(Tj)·Ic+Vn(Tj)
式中,f(Tj)和Vn(Tj)都是和Ic无关、和Tj相关的函数。当结温Tj保持为恒定值时,通态压降Von和集电极电流Ic可近似认为呈线性关系。
从图4可以看出,在六个不同的集电极电流Ic取值下,通态压降Von与结温Tj均呈现为 较好的线性关系。无论电流Ic如何取值,f(Tj)·Ic+Vn(Tj)均为关于Tj的线性函数,由此可知 f(Tj)和Vn(Tj)都是与集电极电流Ic无关、关于结温Tj的线性函数。即
f(Tj)=kf·Tj+bf
Vn(Tj)=kV·Tj+bV
式中,kf、bf、kv、bv均为常数,具体数值可通过实验得到。
Vcesat=Von(Tj,Ic)+Rcon·Ic=f(Tj)·Ic+Vn(Tj)+Rcon·Ic
=(kf·Tj+bf+Rcon)·Ic+kV·Tj+bV
步骤四:考虑退化特性的结温在线监测
为避免键合线与铝金属层等结构退化,造成器件封装电阻Rcon的增大对结温测量结果准 确性的影响,以集电极开启电压Vn作为热敏感参数用于在线监测功率模块内部IGBT芯片的 结温测量:
Vn=kV·Tj+bV
集电极开启电压Vn和结温Tj呈负温度系数线性关系,且不受功率模块键合线与铝金属层 疲劳退化影响,线性度好,能在功率模块实际工作电流较大的条件下对器件结温实现非侵入 式的测量,能有效应用于复杂工况下结温的在线监测。
结温测量试验平台电路原理图如图5所示。主电路由15V直流电源、恒流源和CM150DY-12NF型号的IGBT模块构成,待测器件放于恒温箱中。采用高速数据采集卡,记 录下待测器件开通瞬间的集射极压降变化情况,存储于PC机中。试验人员可从PC机中读取 得到器件开通瞬间的饱和压降Vcesat。搭建的结温测量试验平台如图6所示。
进行结温测量试验时,将待测IGBT模块置于恒温箱中,恒温20分钟后(使模块内部温 度稳定在所设温度)施加大小为15V的正向偏压,通以不同集电极电流Ic测量该温度下器件 导通压降Vcesat。参照本发明所用IGBT器件手册规定及IGBT实际应用情况,试验时电流取 值为10mA、100mA、1A、10A、20A、30A、40A、50A、60A、70A、100A、120A、150A, 饱和压降测量间隔为2分钟,以避免引入器件自热效应造成测量误差;恒温箱试验时温度设 置范围为30℃~130℃,步长ΔT为10℃,测量IGBT芯片在11个不同结温值下的饱和压降。 试验测得的饱和压降如表2所示:
表2饱和压降Vcesat测量结果
T<sub>j</sub>/℃ | 30 | 40 | 50 | 60 | 70 | 80 | 90 | 100 | 110 | 120 | 130 |
10mA | 0.321 | 0.303 | 0.285 | 0.264 | 0.248 | 0.231 | 0.212 | 0.194 | 0.176 | 0.160 | 0.144 |
100mA | 0.431 | 0.413 | 0.392 | 0.372 | 0.350 | 0.332 | 0.313 | 0.291 | 0.268 | 0.249 | 0.229 |
1A | 0.569 | 0.546 | 0.523 | 0.503 | 0.479 | 0.455 | 0.433 | 0.412 | 0.390 | 0.370 | 0.349 |
10A | 0.874 | 0.846 | 0.817 | 0.790 | 0.761 | 0.733 | 0.705 | 0.675 | 0.648 | 0.621 | 0.594 |
20A | 1.002 | 0.976 | 0.949 | 0.921 | 0.895 | 0.870 | 0.844 | 0.819 | 0.791 | 0.764 | 0.738 |
30A | 1.088 | 1.064 | 1.041 | 1.018 | 0.995 | 0.971 | 0.946 | 0.921 | 0.901 | 0.879 | 0.850 |
40A | 1.165 | 1.142 | 1.119 | 1.099 | 1.075 | 1.053 | 1.031 | 1.010 | 0.990 | 0.969 | 0.946 |
50A | 1.231 | 1.211 | 1.193 | 1.171 | 1.153 | 1.132 | 1.112 | 1.093 | 1.077 | 1.060 | 1.041 |
60A | 1.301 | 1.285 | 1.269 | 1.251 | 1.233 | 1.216 | 1.201 | 1.185 | 1.167 | 1.152 | 1.135 |
70A | 1.376 | 1.363 | 1.348 | 1.335 | 1.319 | 1.305 | 1.290 | 1.277 | 1.258 | 1.242 | 1.227 |
100A | 1.648 | 1.637 | 1.628 | 1.617 | 1.608 | 1.599 | 1.592 | 1.581 | 1.573 | 1.561 | 1.554 |
120A | 1.789 | 1.785 | 1.782 | 1.778 | 1.777 | 1.774 | 1.770 | 1.768 | 1.764 | 1.760 | 1.758 |
150A | 2.038 | 2.041 | 2.042 | 2.045 | 2.048 | 2.051 | 2.053 | 2.055 | 2.056 | 2.059 | 2.062 |
从上述结果可以看出,当集电极电流Ic超过一定范围时,器件的饱和压降Vcesat和结温Tj、 集电极电流Ic呈良好的线性关系。在电流较小(如10mA和100mA)且保持恒定时,Vcesat和Tj呈现非常好的线性关系,且灵敏度较高;但当器件工作不断增大时,Vcesat和Tj的灵敏度 不断下降,尤其工作电流为120A~150A左右时,器件饱和压降Vcesat与结温Tj都近似成水平 关系,灵敏度较低,在此种情形下测量器件饱和压降Vcesat得到的器件结温值和实际结果可能 存在较大的误差,这是大电流测量器件饱和压降方法的一个盲区。结合表2中饱和压降测量 结果,依据线性回归关系得到器件在不同结温对应的集电极开启电压Vn,如表3所示,并作 出线性拟合结果如图7所示。
表3不同结温的集电极开启电压Vn
T<sub>j</sub>/℃ | 30 | 40 | 50 | 60 | 70 | 80 |
V<sub>n</sub>/V | 0.8271 | 0.7959 | 0.7644 | 0.7339 | 0.7033 | 0.6730 |
T<sub>j</sub>/℃ | 90 | 100 | 110 | 120 | 130 | |
V<sub>n</sub>/V | 0.6420 | 0.6100 | 0.5820 | 0.5524 | 0.5210 |
从图7可以看出,试验得到的集电极开启电压Vn和结温Tj呈良好的负温度系数线性关系。
步骤五:基于卡尔曼滤波的结温预测模型
为使用卡尔曼滤波对IGBT模块进行全开关周期的结温预测,需获得模块热传导过程中的 状态空间描述。热传导过程中的状态空间表达式可表达为如下形式:
状态方程
输出方程
Tj(t)=Cx(t)+Du(t)
其中
x(t)代表RC网络每个网格的温度差,且u(t)=[Pd Tc]T。状态空间表达式中的状态方程 描述了RC网格温度差的变化趋势,而输出方程表示结温Tj为Foster RC热网络各网格温度差 与壳温之和。矩阵An×n为系统矩阵,Bn×2为输入矩阵,C1×n为输出矩阵,D1×2为前馈矩阵。
卡尔曼滤波通常用于线性离散情况下的系统状态预测,而上述建立的状态空间表达式是 一个连续状态空间函数,因此需要利用向后欧拉法将此连续状态空间函数转换为离散的状态 空间函数。取时间步长为ts,即假设k时刻对应时间为kts,并假设系统状态驱动和结温测量 时均存在相互独立的白噪声,则得到的离散状态空间函数为:
x[k]=Fx[k-1]+Gu[k-1]+w[k-1]
Tj[k]=Cx[k]+Du[k]+v[k]
其中,
C=[1 1 1 … D=[0 1]
x[k]指t=kts时刻当前系统的状态变量,其余与此类似。
考虑到实际复杂工况下功率模块焊料层退化造成RC热阻网络的热阻、热容发生变化,而 卡尔曼滤波算法的更新特性使得其能有效适用于实际复杂工况下热流通道退化时功率模块的 结温预测。基于卡尔曼滤波的结温预测方法可分为预测和校正两大过程。预测过程主要是利 用时间更新方程,即建立的热传导状态空间模型计算当前结温的先验估计;校正过程负责反 馈,利用观测更新方程在结温先验估计和热敏感电参数法测量得到的器件结温基础上得到了 改进后的结温的后验估计。卡尔曼滤波结温预测的具体表达式如下:
预测过程
校正过程
预测过程和校正过程的具体实施顺序如图8所示。可以看出,若当前时刻存在通过热敏 感电参数得到的结温在线监测结果(即Tj[k]存在),则进行结温的预测与校正;反之,若当 前时刻不存在结温的在线监测结果(即Tj[k]不存在),则只进行结温的预测。Tj[k]不存在时 可令C=0,则此时系统状态估计和估计误差协方差P[k]的先验估计结果和后验估计结 果保持一致。
以CM150DY-12NF型IGBT模块作为研究对象,开展结温预测方法验证。参考其器件手 册,基于瞬态热阻抗曲线通过曲线拟合的方法得到模块Foster RC热网络中热阻、热容的值, 当RC网格单元为3个时,模型已达到很好的拟合效果,对应的参数拟合结果如表4所示。
表4 Foster RC热网络参数拟合结果
IGBT模块的电学模型描述了器件饱和压降同集电极电流、结温的关系,由此可进一步根 据器件结温、集电极电流得到当前功率模块的耗散功率,用于卡尔曼滤波结温预测的输入。 根据2.3.2节饱和压降机理模型参数解耦结果,有器件饱和压降:
Vcesat(Tj.Ic)=a1×Ic×Tj+a2×Ic+a3×Tj+a4
其中,a1,a2,a3,a4均为常数。由此拟合结温测量试验得到的器件饱和压降数据,得到 的拟合精度R2=0.9987,且
a1=2.199×10-5,a2=7.431×10-3
a3=-3.305×10-3,a4=0.916
在此基础上,结合结温在线监测的功率模块基于卡尔曼滤波的结温预测方法的整体思路 如图9所示。由测量采集电路得到功率模块当前时刻的集电极电流与饱和压降,根据线性关 系反推出集电极开启电压,获得当前时刻的结温在线监测结果,用于卡尔曼滤波的校正;卡 尔曼滤波的预测结果即结温Tj起到了反馈作用,由结温Tj和集电极电流根据电学模型计算出 当前器件功耗,结合器件壳温用于卡尔曼滤波的预测步骤。值得指出的是,器件功耗也可由 测量采集电路采集的集电极电流和饱和压降计算得到,后者允许在功率模块退化情形下更为 精确地进行器件结温预测。同时,假定在测量功率模块饱和压降和壳温时均存在相应的高斯 噪声,造成结温在线监测结果误差。
基于卡尔曼滤波预测功率模块结温时,均在器件集电极电流不少于10A的情形下得到, 这也符合功率模块实际工作在大电流条件下的特点。图10为集电极电流为100A时,功率 IGBT模块工作周期为2s且占空比为0.5时,取时间步长为0.1ms,基于卡尔曼滤波的结温预 测结果。可以看出,只有在功率IGBT模块正向导通的情形下,才可进行功率模块结温的在 线监测,从而对卡尔曼滤波的结温预测结果进行校正;当功率IGBT模块反向阻断时,则可 基于卡尔曼滤波只进行结温预测。
步骤六:功率循环试验平台搭建
功率循环试验平台的电路示意图如图11所示,该电路主要由功率器件大电流老化部分和 小电流结温测量部分组成。其中大电流老化部分主要是对器件通以大电流,使功率器件结温 在短时间内快速上升,是功率循环试验平台电路的主要组成部分;小电流结温测量部分是在 器件通以小电流10mA~100mA,可在大电流关断条件下测量器件饱和压降Vcesat以间接获得 器件结温。
大电流老化电路部分主要包括试验IGBT模块(三菱CM150DY-12NF,150A/600V)、额定功率为4kW的安捷伦N5764A可程控直流功率电源、DH1718G-4型直流三路稳压稳流电源、栅极驱动电路、风冷散热系统、TP9000多路温度记录仪和数据采集卡及PC主机。其中,功 率循环试验过程中由N5764A可程控直流功率电源向试验IGBT模块通以恒定大电流导通, 该功率电源最大可输出76A电流。试验中将两个功率电源并联以输出140A电流,并通过控 制主电源的周期开关实现功率模块结温的交替变化。功率IGBT模块栅极驱动电路主要实现控制电路与被驱动IGBT栅极的电隔离。本文用DH1718G-4型直流三路稳压稳流电源在功率IGBT模块栅极、发射极两端施加大小为15V的恒定电压,并选用富士公司的光耦驱动模块VLA517-01R ZIP-13用于功率模块的栅极驱动。风冷散热系统利用功率IGBT模块和散热器之间涂以导热硅脂进行传热,并且为了提高功率模块的降温速率以降低功率循环试验所需时 间,在模块两侧分别放置轴流风机实现空气的平稳对流。采用拓普锐TP9000多通道温度记 录仪,在功率模块基板底部放置热电偶监测采集功率循环试验过程中器件壳温变化情况。数 据采集卡并与PC主机相连,在功率循环试验过程中定时监测IGBT模块的饱和压降,一方面 用于评估功率模块的老化程度,另一方面在功率模块大电流关断只通以小电流时获得功率模 块结温数据,用于确定功率模块升温、降温时间。
对于小电流结温测量电路,根据前面建立的饱和压降解耦模型可以看出,在电流Ic较小 的情形下,当功率模块键合线疲劳或芯片铝金属层重构造成接触电阻Rcon增大时,器件饱和 压降Vcesat的退化影响较小,因而可近似认为小电流情形下饱和压降Vcesat和结温Tj的对应关 系几乎不受模块老化影响发生变化。采用DH1718G-4型直流三路稳压稳流电源的另一路对功 率IGBT模块集电极、发射极两端通以恒定100mA小电流,从而可在大电流关断条件下监测 器件饱和压降Vcesat以间接获得器件结温。
根据前面结温测量试验结果,使用Matlab拟合函数线性拟合100mA时器件饱和压降Vcesat和结温Tj的关系,结果如下式所示。
Tj=-491.6×Vcesat+242.7
最终,建立的功率循环试验平台如图12所示。功率模块的升温、降温时间利用卡尔曼滤 波法进行粗略的估算,确定模块升降温时间ton和toff的值。设定功率循环试验的最大循环次 数(考虑功率循环试验所需时间,这里设定为250000次),并在Arduino uno开发板中编程设 定相应功率模块的升降温时间。在功率循环试验过程中功率模块不断加热冷却,监测器件的 饱和压降Vcesat和壳温,根据大电流条件下监测到的饱和压降判定器件是否发生达到失效阈值 (饱和压降变化超过初始值15%),若达到失效阈值则停止功率循环试验。同时,若器件功率 循环次数已超过250000次而未发生失效,也停止功率循环试验。
进行9组不同条件的窄结温幅值功率循环试验,有两只IGBT管子进行同一试验条件进行 试验。同时,为了和窄结温幅值功率循环试验结果进行对比,本文还进行了一组宽结温幅值 功率循环试验。各组试验条件及升温、降温时间详细如表5所示。
表5功率循环试验条件及升温、降温时间
步骤七:窄结温幅值寿命预测模型建立
该功率模块CM150DY-12NF在不同应力条件下失效前功率循环次数如表6所示,其中除 器件J1外其余器件记录的功率循环次数为饱和压降Vcesat相对初始值上升15%的功率循环次 数。
表6不同应力功率循环试验的失效前功率循环次数
功率IGBT模块在承受热机械应力冲击时,焊料层及键合线等受到的总应变Δεtot可分为 如下三类:与时间无关的弹性应变Δεe、塑性应变Δεp以及与时间相关的蠕性应变Δεc,即
Δεtot=Δεe+Δεp+Δεc
一般而言,当功率IGBT模块经受功率循环试验的结温波动幅值较大时(低周疲劳),材 料遭受的应力超过其屈服强度,此时应变主要由塑形应变构成;反之,当功率IGBT模块经 受功率循环试验的结温波动幅值较小时(高周疲劳),材料遭受的应力超过其屈服强度,此时 应变主要由弹形应变构成。在通常情形下,由于功率IGBT模块工作在高频条件下经历较为 快速的温度循环,其蠕性应变基本可忽略不计。故而在功率IGBT经历温度循环结温幅值较 宽时,其寿命主要由塑性应变决定;在功率IGBT经历温度循环结温幅值较窄时,其寿命主 要由弹性应变决定。根据Basquin方程,基于弹性应变的老化模型可将模块寿命和弹性应变 用指数关系联系起来,其表达式为:
式中,Δεe代表器件在一个功率循环中的弹性应变范围;E代表模块的弹性模量;σf和b 均为与材料相关的疲劳延性系数和疲劳延性指数。
在弹性应变情形下,器件在一个功率循环中弹性应变范围Δεe和结温幅值ΔTj成正比,上 式可变为如下形式:
Nf=A·(ΔTj)α
参考Arrhenius模型,考虑功率循环过程中结温平均值Tm对功率循环寿命的影响,有:
式中,Nf为器件失效前功率循环次数;参数A1、α、A2均为常数,可通过表6的功率循环 次数结果拟合得到。借助Matlab,参数A1、α、A2的拟合结果分别为4521、-0.432和1758,拟合结果如图12所示。该模型适用于ΔTj<80K的窄结温幅值情形,同时模型的相关参数仅限于当前型号的IGBT模块。对于其它型号功率IGBT模块,参数A1、α、A2可通过该型号器 件的窄结温幅值功率循环试验结果拟合得到。
步骤八:非平稳工况IGBT模块寿命预测模型
当功率IGBT模块运用于风电变流器,或是机车牵引、电动汽车驱动变流器时,其往往工 作于输入功率大范围波动造成结温随机波动的非平稳工况下。针对非平稳工况下IGBT模块 进行寿命预测时,需要计及结温幅值和工况类型的影响。同时,考虑到实际非平稳工况下难 以准确确定功率变流器的工作任务剖面,本方法提出热敏感电参数法监测器件结温,并采用 卡尔曼滤波方法获取器件的结温剖面,最终建立的非平稳工况下IGBT模块寿命评估流程如 图14所示。
其评估步骤如下:
1)分析功率IGBT模块非平稳工况特点,划分各工况区间并确定各工况区间在实际工况 下的概率分布。记工况区间序号为i(i=1,2,…,n),对应工况区间在非平稳工况所占比例为 fi,显然有:
2)针对各工况区间,根据热敏感电参数法在线监测器件结温,并基于卡尔曼滤波算法获 取功率模块在该工况区间的结温波动剖面。
3)采用雨流计数法提取各工况区间结温波动剖面相应的结温幅值、结温平均值和对应的 应力循环次数。雨流计数法的步骤如下:
a.将基于器件结温在线监测得到的结温-时间历程曲线沿着顺时针方向旋转90°,如图15 所示,此时横坐标轴代表器件结温,纵坐标轴代表时间。
b.每个峰值(或谷值)为雨流计数法计算的起始点,规定雨流从每个起始点内侧沿着斜 坡往下流,进而根据雨点轨迹(图15虚线所示)提取结温波动信息:当雨流从某一峰值(或 谷值)内侧开始流动,在流到峰值(或谷值)处竖直落下,直到流到比起始点更大的峰值(或 更小的谷值)时停止流动;或者雨滴流动过程中遇到上层斜面留下的雨滴时便停止流动。当 雨滴停止流动时,其轨迹就会形成一个完整的闭合曲线,即一个完整的结温波动循环。
c.对提取到的某一特定结温波动循环,记其起点值为To,终点值为Ts,对应的结温幅值 ΔTj和结温平均值Tm可由下式确定:
ΔTj=|To-Ts|
d.对应结温波动循环(ΔTj,Tm)的应力循环次数N(ΔTj,Tm)在原先统计结果上加1。
e.重复步骤b~d步,直至遍历整个结温-时间历程曲线。
4)基于线性疲劳累积损伤理论,计算在工况区间i下功率模块的MTTFi:
式中,N(ΔTj,Tm)为器件在工况区间i时间Ti内应力循环次数统计值;Nf(ΔTj,Tm)为根 据器件寿命预测模型得到的在结温幅值为ΔTj、结温平均值为Tm的寿命预测结果。在进行寿 命预测时,应计及结温幅值对器件功率循环能力的影响,窄结温幅值情形(ΔTj≤80℃)下基 于本方法前述建立的窄结温幅值寿命预测模型进行预测,较宽结温幅值情形(ΔTj>80℃)下 可基于Lesit模型进行预测。
5)根据非平稳工况下各工况区间的概率分布,计算实际非平稳工况下功率IGBT模块的 平均失效前时间MTTF:
非平稳工况下功率IGBT模块的剩余使用寿命也可基于该寿命评估模型计算得到。
Claims (8)
1.一种非平稳工况下IGBT模块寿命预测方法,其特征在于:首先,基于器件电热模型和工作任务剖面计算出实际工况下功率模块的结温-时间曲线,提取出相应的结温波动信息;然后,基于功率模块的寿命预测模型,计算不同结温波动对器件造成的累积损伤;最后,结合各结温应力循环次数,对实际工况下IGBT模块的MTTF进行评估。该方法具体步骤如下:
步骤一:IGBT模块的退化机理调研
步骤二:IGBT模块电学模型建立
步骤三:基于Simulink的IGBT电学模型参数解耦
步骤四:考虑退化特性的结温在线监测
步骤五:窄结温幅值寿命预测模型建立
步骤六:功率循环试验平台搭建
步骤七:窄结温幅值寿命预测模型建立
步骤八:非平稳工况IGBT模块寿命预测模型
2.根据权利要求1所述的一种非平稳工况下IGBT模块寿命预测方法,其特征在于:在步骤二中所述的IGBT模块电学模型建立。具体过程如下:
IGBT实际运行时,可在不借助额外的传感器或内置测量电路的前提下测量得到器件集电极-发射极两端电压Vce和集电极电流Ic。因此,建立IGBT模块在导通情形下的饱和压降Vcesat的数值模型,并针对该机理模型结合前述讨论的IGBT模块退化机理,分析确定考虑退化特性的结温在线监测参数。该参数可用于在线监测模块内部IGBT芯片正常工作时的结温。
一般的,测量得到的器件饱和压降主要包括器件芯片上的通态压降Von和集电极-发射极通道上封装部分的压降:
Vcesat=Von(Tj,Ic)+Rcon·Ic
式中,Von为器件芯片上的通态压降,是关于器件结温Tj和集电极电流Ic的一个复杂函数;Rcon为铝金属层、键合线等电气互连结构形成的接触电阻。随着IGBT模块键合线以及铝金属化层不断退化,Rcon也会不断增大,因此在恒定Ic下测量器件饱和压降表征器件结温时,键合线与铝金属化层的退化会对测量结果的准确度造成影响。
3.根据权利要求1所述的一种非平稳工况下IGBT模块寿命预测方法,其特征在于:在步骤三中所述的基于Simulink的IGBT电学模型参数解耦。具体过程如下:
在电学模型中,集电极电流Ic、结温Tj参数之间耦合关系复杂,若要考虑退化特性影响在线监测器件结温,还需对电学模型中的集电极电流Ic、结温Tj进行参数解耦。封装部分压降只与集电极电流Ic成正比关系,只需对通态压降部分进行解耦。另一方面,由于难以通过纯数学变换方法对Von进行参数解耦,因此在Matlab/Simulink中建立器件电学模型,考虑温度效应影响,仿真通态压降Von同结温、集电极电流的关系,实现参数解耦。
在Matlab中利用sim函数调用Simulink进行数值仿真。仿真主要通过两个步骤实现参数解耦:①结温Tj保持不变,仿真通态压降Von与集电极电流Ic的关系;②集电极电流Ic保持不变,仿真通态压降Von与结温Tj的关系。
解耦结果如下:
器件通态压降Von可与结温Tj和集电极电流Ic作如下解耦:
Von(Tj,Ic)=f(Tj)·Ic+Vn(Tj)
式中,f(Tj)和Vn(Tj)都是和Ic无关、和Tj相关的函数。当结温Tj保持为恒定值时,通态压降Von和集电极电流Ic可近似认为呈线性关系。
在不同的集电极电流Ic取值下,通态压降Von与结温Tj均呈现为较好的线性关系。无论电流Ic如何取值,f(Tj)·Ic+Vn(Tj)均为关于Tj的线性函数,由此可知f(Tj)和Vn(Tj)都是与集电极电流Ic无关、关于结温Tj的线性函数。即
f(Tj)=kf·Tj+bf
Vn(Tj)=kV·Tj+bV
式中,kf、bf、kv、bv均为常数,具体数值可通过实验得到。
Vcesat=Von(Tj,Ic)+Rcon·Ic=f(Tj)·Ic+Vn(Tj)+Rcon·Ic
=(kf·Tj+bf+Rcon)·Ic+kV·Tj+bV
4.根据权利要求1所述的一种非平稳工况下IGBT模块寿命预测方法,其特征在于:在步骤四中所述的考虑退化特性的结温在线监测。具体过程如下:
为避免键合线与铝金属层等结构退化,造成器件封装电阻Rcon的增大对结温测量结果准确性的影响,以集电极开启电压Vn作为热敏感参数用于在线监测功率模块内部IGBT芯片的结温测量:
Vn=kV·Tj+bV
集电极开启电压Vn和结温Tj呈负温度系数线性关系。结温测量试验平台主电路由15V直流电源、恒流源和CM150DY-12NF型号的IGBT模块构成,待测器件放于恒温箱中。采用高速数据采集卡,记录下待测器件开通瞬间的集射极压降变化情况,存储于PC机中。试验人员可从PC机中读取得到器件开通瞬间的饱和压降Vcesat。
进行结温测量试验时,将待测IGBT模块置于恒温箱中,恒温20分钟后施加大小为15V的正向偏压,通以不同集电极电流Ic测量该温度下器件导通压降Vcesat。参照本发明所用IGBT器件手册规定及IGBT实际应用情况,试验时电流取值为10mA、100mA、1A、10A、20A、30A、40A、50A、60A、70A、100A、120A、150A,饱和压降测量间隔为2分钟,以避免引入器件自热效应造成测量误差;恒温箱试验时温度设置范围为30℃~130℃,步长ΔT为10℃,测量IGBT芯片在11个不同结温值下的饱和压降。
试验结果显示,当集电极电流Ic超过一定范围时,器件的饱和压降Vcesat和结温Tj、集电极电流Ic呈良好的线性关系。同时,集电极开启电压Vn也和结温Tj呈良好的负温度系数线性关系。
5.根据权利要求1所述的一种非平稳工况下IGBT模块寿命预测方法,其特征在于:在步骤五中所述的基于卡尔曼滤波的结温预测模型。具体过程如下:
为使用卡尔曼滤波对IGBT模块进行全开关周期的结温预测,需获得模块热传导过程中的状态空间描述。热传导过程中的状态空间表达式可表达为如下形式:
状态方程
输出方程
Tj(t)=Cx(t)+Du(t)
其中
x(t)代表RC网络每个网格的温度差,且u(t)=[Pd Tc]T。状态空间表达式中的状态方程描述了RC网格温度差的变化趋势,而输出方程表示结温Tj为Foster RC热网络各网格温度差与壳温之和。矩阵An×n为系统矩阵,Bn×2为输入矩阵,C1×n为输出矩阵,D1×2为前馈矩阵。
卡尔曼滤波通常用于线性离散情况下的系统状态预测,而上述建立的状态空间表达式是一个连续状态空间函数,因此需要利用向后欧拉法将此连续状态空间函数转换为离散的状态空间函数。取时间步长为ts,即假设k时刻对应时间为kts,并假设系统状态驱动和结温测量时均存在相互独立的白噪声,则得到的离散状态空间函数为:
Tj[k]=Cx[k]+Du[k]+v[k]
其中,
C=[1 1 1 … 1] D=[0 1]
x[k]指t=kts时刻当前系统的状态变量,其余与此类似。
考虑到实际复杂工况下功率模块焊料层退化造成RC热阻网络的热阻、热容发生变化,而卡尔曼滤波算法的更新特性使得其能有效适用于实际复杂工况下热流通道退化时功率模块的结温预测。基于卡尔曼滤波的结温预测方法可分为预测和校正两大过程。预测过程主要是利用时间更新方程,即建立的热传导状态空间模型计算当前结温的先验估计;校正过程负责反馈,利用观测更新方程在结温先验估计和热敏感电参数法测量得到的器件结温基础上得到了改进后的结温的后验估计。卡尔曼滤波结温预测的具体表达式如下:
预测过程
校正过程
若当前时刻存在通过热敏感电参数得到的结温在线监测结果(即Tj[k]存在),则进行结温的预测与校正;反之,若当前时刻不存在结温的在线监测结果(即Tj[k]不存在),则只进行结温的预测。Tj[k]不存在时可令C=0,则此时系统状态估计和估计误差协方差P[k]的先验估计结果和后验估计结果保持一致。
6.根据权利要求1所述的一种非平稳工况下IGBT模块寿命预测方法,其特征在于:在步骤六中所述的功率循环试验平台搭建。具体过程如下:
功率循环试验平台的电路主要由功率器件大电流老化部分和小电流结温测量部分组成。其中大电流老化部分主要是对器件通以大电流,使功率器件结温在短时间内快速上升,是功率循环试验平台电路的主要组成部分;小电流结温测量部分是在器件通以小电流10mA~100mA,可在大电流关断条件下测量器件饱和压降Vcesat以间接获得器件结温。
功率模块的升温、降温时间利用卡尔曼滤波法进行粗略的估算,确定模块升降温时间ton和toff的值。设定功率循环试验的最大循环次数(考虑功率循环试验所需时间,这里设定为250000次),并在Arduino uno开发板中编程设定相应功率模块的升降温时间。在功率循环试验过程中功率模块不断加热冷却,监测器件的饱和压降Vcesat和壳温,根据大电流条件下监测到的饱和压降判定器件是否发生达到失效阈值(饱和压降变化超过初始值15%),若达到失效阈值则停止功率循环试验。同时,若器件功率循环次数已超过250000次而未发生失效,也停止功率循环试验。
7.根据权利要求1所述的一种非平稳工况下IGBT模块寿命预测方法,其特征在于:在步骤七中所述的窄结温幅值寿命预测模型建立。具体过程如下:
功率IGBT模块在承受热机械应力冲击时,焊料层及键合线等受到的总应变Δεtot可分为如下三类:与时间无关的弹性应变Δεe、塑性应变Δεp以及与时间相关的蠕性应变Δεc,即
Δεtot=Δεe+Δεp+Δεc
一般而言,当功率IGBT模块经受功率循环试验的结温波动幅值较大时(低周疲劳),材料遭受的应力超过其屈服强度,此时应变主要由塑形应变构成;反之,当功率IGBT模块经受功率循环试验的结温波动幅值较小时(高周疲劳),材料遭受的应力超过其屈服强度,此时应变主要由弹形应变构成。在通常情形下,由于功率IGBT模块工作在高频条件下经历较为快速的温度循环,其蠕性应变基本可忽略不计。故而在功率IGBT经历温度循环结温幅值较宽时,其寿命主要由塑性应变决定;在功率IGBT经历温度循环结温幅值较窄时,其寿命主要由弹性应变决定。根据Basquin方程,基于弹性应变的老化模型可将模块寿命和弹性应变用指数关系联系起来,其表达式为:
式中,Δεe代表器件在一个功率循环中的弹性应变范围;E代表模块的弹性模量;σf和b均为与材料相关的疲劳延性系数和疲劳延性指数。
在弹性应变情形下,器件在一个功率循环中弹性应变范围Δεe和结温幅值ΔTj成正比,上式可变为如下形式:
Nf=A·(ΔTj)α
参考Arrhenius模型,考虑功率循环过程中结温平均值Tm对功率循环寿命的影响,有:
式中,Nf为器件失效前功率循环次数;参数A1、α、A2均为常数,可通过功率循环次数结果拟合得到。
8.根据权利要求1所述的一种非平稳工况下IGBT模块寿命预测方法,其特征在于:在步骤八中所述的非平稳工况IGBT模块寿命预测模型。具体过程如下:
针对非平稳工况下IGBT模块进行寿命预测时,需要计及结温幅值和工况类型的影响。同时,考虑到实际非平稳工况下难以准确确定功率变流器的工作任务剖面,本方法提出热敏感电参数法监测器件结温,并采用卡尔曼滤波方法获取器件的结温剖面,最终建立的非平稳工况下IGBT模块寿命评估流程。
其评估步骤如下:
1)分析功率IGBT模块非平稳工况特点,划分各工况区间并确定各工况区间在实际工况下的概率分布。记工况区间序号为i(i=1,2,…,n),对应工况区间在非平稳工况所占比例为fi,显然有:
2)针对各工况区间,根据热敏感电参数法在线监测器件结温,并基于卡尔曼滤波算法获取功率模块在该工况区间的结温波动剖面。
3)采用雨流计数法提取各工况区间结温波动剖面相应的结温幅值、结温平均值和对应的应力循环次数。雨流计数法的步骤如下:
a.将基于器件结温在线监测得到的结温-时间历程曲线沿着顺时针方向旋转90°,如图15所示,此时横坐标轴代表器件结温,纵坐标轴代表时间。
b.每个峰值(或谷值)为雨流计数法计算的起始点,规定雨流从每个起始点内侧沿着斜坡往下流,进而根据雨点轨迹(图15虚线所示)提取结温波动信息:当雨流从某一峰值(或谷值)内侧开始流动,在流到峰值(或谷值)处竖直落下,直到流到比起始点更大的峰值(或更小的谷值)时停止流动;或者雨滴流动过程中遇到上层斜面留下的雨滴时便停止流动。当雨滴停止流动时,其轨迹就会形成一个完整的闭合曲线,即一个完整的结温波动循环。
c.对提取到的某一特定结温波动循环,记其起点值为To,终点值为Ts,对应的结温幅值ΔTj和结温平均值Tm可由下式确定:
ΔTj=|To-Ts|
d.对应结温波动循环(ΔTj,Tm)的应力循环次数N(ΔTj,Tm)在原先统计结果上加1。
e.重复步骤b~d步,直至遍历整个结温-时间历程曲线。
4)基于线性疲劳累积损伤理论,计算在工况区间i下功率模块的MTTFi:
式中,N(ΔTj,Tm)为器件在工况区间i时间Ti内应力循环次数统计值;Nf(ΔTj,Tm)为根据器件寿命预测模型得到的在结温幅值为ΔTj、结温平均值为Tm的寿命预测结果。在进行寿命预测时,应计及结温幅值对器件功率循环能力的影响,窄结温幅值情形(ΔTj≤80℃)下基于本方法前述建立的窄结温幅值寿命预测模型进行预测,较宽结温幅值情形(ΔTj>80℃)下可基于Lesit模型进行预测。
5)根据非平稳工况下各工况区间的概率分布,计算实际非平稳工况下功率IGBT模块的平均失效前时间MTTF:
非平稳工况下功率IGBT模块的剩余使用寿命也可基于该寿命评估模型计算得到。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810629060.8A CN109738773B (zh) | 2018-06-19 | 2018-06-19 | 一种非平稳工况下igbt模块寿命预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810629060.8A CN109738773B (zh) | 2018-06-19 | 2018-06-19 | 一种非平稳工况下igbt模块寿命预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109738773A true CN109738773A (zh) | 2019-05-10 |
CN109738773B CN109738773B (zh) | 2021-07-16 |
Family
ID=66354272
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810629060.8A Active CN109738773B (zh) | 2018-06-19 | 2018-06-19 | 一种非平稳工况下igbt模块寿命预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109738773B (zh) |
Cited By (35)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110489790A (zh) * | 2019-07-10 | 2019-11-22 | 合肥工业大学 | 基于改进abc-svr的igbt结温预测方法 |
CN110703066A (zh) * | 2019-11-12 | 2020-01-17 | 云南电网有限责任公司电力科学研究院 | 预测晶体管故障的方法及其系统 |
CN110807516A (zh) * | 2019-10-31 | 2020-02-18 | 西安工程大学 | 一种驱动器用igbt模块的结温预测方法 |
CN110850261A (zh) * | 2019-11-12 | 2020-02-28 | 广州广电计量检测股份有限公司 | 一种在线测量电路及测量方法 |
CN110988641A (zh) * | 2019-12-06 | 2020-04-10 | 武汉大学 | 一种igbt模块结温在线估计电路系统及方法 |
CN111044876A (zh) * | 2020-01-19 | 2020-04-21 | 重庆大学 | Igbt模块键合线状态监测电路及其半桥结构监测电路 |
CN111090940A (zh) * | 2019-12-17 | 2020-05-01 | 南方电网科学研究院有限责任公司 | 一种基于ansys的mmc子模块压接式igbt短期失效分析方法 |
CN111275293A (zh) * | 2020-01-09 | 2020-06-12 | 南京亚派软件技术有限公司 | 一种机电设备非线性故障预测方法 |
CN111832226A (zh) * | 2020-07-13 | 2020-10-27 | 中国南方电网有限责任公司超高压输电公司柳州局 | 一种基于辅助粒子滤波的igbt剩余寿命估算方法 |
CN111856233A (zh) * | 2020-07-03 | 2020-10-30 | 武汉大学 | 基于键合引线退化的igbt模块可靠性评估方法及装置 |
CN112014707A (zh) * | 2020-07-13 | 2020-12-01 | 北京工业大学 | 一种功率循环实验中测量与控制SiC功率VDMOS器件结温的方法 |
CN112098789A (zh) * | 2020-08-04 | 2020-12-18 | 株洲中车时代半导体有限公司 | Igbt模块寿命的统计方法、装置、电子设备及存储介质 |
CN112632843A (zh) * | 2020-12-30 | 2021-04-09 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | 电子元器件故障管理方法以及装置 |
CN112699579A (zh) * | 2020-12-09 | 2021-04-23 | 电子科技大学 | 一种基于有限元仿真的igbt状态监测方法 |
CN112731091A (zh) * | 2020-12-01 | 2021-04-30 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | SiC MOSFET功率循环试验方法 |
CN112986784A (zh) * | 2021-04-21 | 2021-06-18 | 国网江西省电力有限公司电力科学研究院 | 一种大功率焊接型igbt模块的异常识别方法及装置 |
CN112986707A (zh) * | 2019-12-02 | 2021-06-18 | 北京新能源汽车股份有限公司 | 一种功率模块的寿命评估方法、装置及汽车 |
CN113239653A (zh) * | 2021-04-20 | 2021-08-10 | 武汉大学 | 基于复合失效模式耦合的igbt寿命预测方法及系统 |
CN113267690A (zh) * | 2021-05-06 | 2021-08-17 | 中车青岛四方车辆研究所有限公司 | 一种牵引变流器功率模块老化评估方法 |
CN113358995A (zh) * | 2021-05-24 | 2021-09-07 | 丽水方德智驱应用技术研究院有限公司 | 一种功率元器件在线结温估算方法 |
CN113514747A (zh) * | 2021-04-15 | 2021-10-19 | 华电(烟台)功率半导体技术研究院有限公司 | 一种测量电力电子器件温度分布的电学方法 |
CN113570116A (zh) * | 2021-07-02 | 2021-10-29 | 福建时代星云科技有限公司 | 一种储充站发热功率的估算方法及终端 |
CN113688589A (zh) * | 2021-07-15 | 2021-11-23 | 电子科技大学 | 一种电磁热可靠性寿命分析方法 |
CN113901612A (zh) * | 2021-10-13 | 2022-01-07 | 江苏徐工工程机械研究院有限公司 | 一种结构件退化建模和可靠度预估方法及系统 |
CN113987998A (zh) * | 2021-10-25 | 2022-01-28 | 西安交通大学 | 基于电力工况的全控型功率半导体模块功率循环方法 |
CN114185293A (zh) * | 2021-12-10 | 2022-03-15 | 无锡市智控科技有限公司 | 基于深紫外线的高效灭菌装置 |
CN114217261A (zh) * | 2021-12-15 | 2022-03-22 | 浙江大学 | 一种用于功率循环测试的功率器件老化参数校正方法 |
CN115081144A (zh) * | 2022-06-30 | 2022-09-20 | 华中科技大学 | 一种热电器件性能退化预测方法及应用 |
CN115290945A (zh) * | 2022-09-29 | 2022-11-04 | 山东阅芯电子科技有限公司 | 功率循环测试用高精度测试电流源及方法 |
CN116148624A (zh) * | 2023-04-04 | 2023-05-23 | 无锡钊源电力电子有限公司 | 一种在线igbt结温测量方法 |
CN116776747A (zh) * | 2023-08-18 | 2023-09-19 | 江西五十铃汽车有限公司 | 一种igbt模块使用寿命计算方法及系统 |
CN116859206A (zh) * | 2023-09-04 | 2023-10-10 | 湖南大学 | 一种功率模块中键合界面最小剩余长度预测方法 |
CN117150199A (zh) * | 2023-11-01 | 2023-12-01 | 贵州芯际探索科技有限公司 | 一种igbt的封装温度监测方法 |
CN117195665A (zh) * | 2023-11-07 | 2023-12-08 | 湖南大学 | 一种功率半导体器件键合线的寿命预测模型构建方法 |
US11862531B2 (en) | 2021-02-10 | 2024-01-02 | Huawei Technologies Co., Ltd. | Power device, power device assembly, and related apparatus |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104038080A (zh) * | 2014-06-30 | 2014-09-10 | 重庆大学 | 风电变流器igbt模块平均故障间隔时间评估方法 |
CN105158670A (zh) * | 2015-10-13 | 2015-12-16 | 中国人民解放军海军工程大学 | 基于集电极漏电流的igbt健康状态监测方法 |
CN105929316A (zh) * | 2016-07-10 | 2016-09-07 | 北京工业大学 | 多路igbt结温及热疲劳实时监控系统 |
CN106124957A (zh) * | 2016-07-19 | 2016-11-16 | 浙江大学 | 一种绝缘栅双极型晶体管退化的在线监测方法 |
CN106324472A (zh) * | 2016-09-13 | 2017-01-11 | 同济大学 | 一种非接触式变流器igbt模块状态监测方法 |
CN106443400A (zh) * | 2016-09-14 | 2017-02-22 | 河北工业大学 | 一种igbt模块的电‑热‑老化结温计算模型建立方法 |
CN106528987A (zh) * | 2016-11-03 | 2017-03-22 | 河北工业大学 | 一种电动汽车用igbt模块累积损伤度计算以及寿命预测方法 |
EP3255443A1 (en) * | 2016-06-07 | 2017-12-13 | Rolls-Royce plc | Method for estimating power system health |
US20180017613A1 (en) * | 2016-04-08 | 2018-01-18 | Nutech Ventures | Monitoring aging of power semiconductor devices based on case temperature |
CN107861040A (zh) * | 2016-09-22 | 2018-03-30 | 北京航空航天大学 | 一种基于仿真建模和短时试验的igbt间歇寿命试验方法 |
-
2018
- 2018-06-19 CN CN201810629060.8A patent/CN109738773B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104038080A (zh) * | 2014-06-30 | 2014-09-10 | 重庆大学 | 风电变流器igbt模块平均故障间隔时间评估方法 |
CN105158670A (zh) * | 2015-10-13 | 2015-12-16 | 中国人民解放军海军工程大学 | 基于集电极漏电流的igbt健康状态监测方法 |
US20180017613A1 (en) * | 2016-04-08 | 2018-01-18 | Nutech Ventures | Monitoring aging of power semiconductor devices based on case temperature |
EP3255443A1 (en) * | 2016-06-07 | 2017-12-13 | Rolls-Royce plc | Method for estimating power system health |
CN105929316A (zh) * | 2016-07-10 | 2016-09-07 | 北京工业大学 | 多路igbt结温及热疲劳实时监控系统 |
CN106124957A (zh) * | 2016-07-19 | 2016-11-16 | 浙江大学 | 一种绝缘栅双极型晶体管退化的在线监测方法 |
CN106324472A (zh) * | 2016-09-13 | 2017-01-11 | 同济大学 | 一种非接触式变流器igbt模块状态监测方法 |
CN106443400A (zh) * | 2016-09-14 | 2017-02-22 | 河北工业大学 | 一种igbt模块的电‑热‑老化结温计算模型建立方法 |
CN107861040A (zh) * | 2016-09-22 | 2018-03-30 | 北京航空航天大学 | 一种基于仿真建模和短时试验的igbt间歇寿命试验方法 |
CN106528987A (zh) * | 2016-11-03 | 2017-03-22 | 河北工业大学 | 一种电动汽车用igbt模块累积损伤度计算以及寿命预测方法 |
Non-Patent Citations (3)
Title |
---|
MAOGONG JIANG 等: "Method to Predict Lifetime of IGBT under Power Cycling based-on Fast Electro-Thermo-Mechanical Model", 《INTERNATIONAL CONFERENCE ON THERMAL, MECHANICAL AND MULTI-PHYSICS SIMULATION AND EXPERIMENTS IN MICROELECTRONICS AND MICROSYSTEMS (EUROSIME)》 * |
UI-MIN CHOI 等: "Validation of Lifetime Prediction of IGBT Modules Based on Linear Damage Accumulation by Means of Superimposed Power Cycling Tests", 《IEEE TRANSACTIONS ON INDUSTRIAL ELECTRONICS》 * |
姚芳: "考虑退化状态的功率器件寿命预测研究", 《现代电子技术》 * |
Cited By (55)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110489790B (zh) * | 2019-07-10 | 2022-09-13 | 合肥工业大学 | 基于改进abc-svr的igbt结温预测方法 |
CN110489790A (zh) * | 2019-07-10 | 2019-11-22 | 合肥工业大学 | 基于改进abc-svr的igbt结温预测方法 |
CN110807516A (zh) * | 2019-10-31 | 2020-02-18 | 西安工程大学 | 一种驱动器用igbt模块的结温预测方法 |
CN110703066A (zh) * | 2019-11-12 | 2020-01-17 | 云南电网有限责任公司电力科学研究院 | 预测晶体管故障的方法及其系统 |
CN110850261A (zh) * | 2019-11-12 | 2020-02-28 | 广州广电计量检测股份有限公司 | 一种在线测量电路及测量方法 |
CN110703066B (zh) * | 2019-11-12 | 2021-11-12 | 云南电网有限责任公司电力科学研究院 | 预测晶体管故障的方法及其系统 |
CN112986707A (zh) * | 2019-12-02 | 2021-06-18 | 北京新能源汽车股份有限公司 | 一种功率模块的寿命评估方法、装置及汽车 |
CN110988641A (zh) * | 2019-12-06 | 2020-04-10 | 武汉大学 | 一种igbt模块结温在线估计电路系统及方法 |
CN111090940A (zh) * | 2019-12-17 | 2020-05-01 | 南方电网科学研究院有限责任公司 | 一种基于ansys的mmc子模块压接式igbt短期失效分析方法 |
CN111090940B (zh) * | 2019-12-17 | 2023-04-14 | 南方电网科学研究院有限责任公司 | 一种基于ansys的mmc子模块压接式igbt短期失效分析方法 |
CN111275293A (zh) * | 2020-01-09 | 2020-06-12 | 南京亚派软件技术有限公司 | 一种机电设备非线性故障预测方法 |
CN111044876B (zh) * | 2020-01-19 | 2021-03-23 | 重庆大学 | Igbt模块键合线状态监测电路及其半桥结构监测电路 |
CN111044876A (zh) * | 2020-01-19 | 2020-04-21 | 重庆大学 | Igbt模块键合线状态监测电路及其半桥结构监测电路 |
CN111856233A (zh) * | 2020-07-03 | 2020-10-30 | 武汉大学 | 基于键合引线退化的igbt模块可靠性评估方法及装置 |
CN111856233B (zh) * | 2020-07-03 | 2021-04-27 | 武汉大学 | 基于键合引线退化的igbt模块可靠性评估方法及装置 |
CN111832226A (zh) * | 2020-07-13 | 2020-10-27 | 中国南方电网有限责任公司超高压输电公司柳州局 | 一种基于辅助粒子滤波的igbt剩余寿命估算方法 |
CN111832226B (zh) * | 2020-07-13 | 2024-04-26 | 中国南方电网有限责任公司超高压输电公司柳州局 | 一种基于辅助粒子滤波的igbt剩余寿命估算方法 |
CN112014707A (zh) * | 2020-07-13 | 2020-12-01 | 北京工业大学 | 一种功率循环实验中测量与控制SiC功率VDMOS器件结温的方法 |
CN112098789A (zh) * | 2020-08-04 | 2020-12-18 | 株洲中车时代半导体有限公司 | Igbt模块寿命的统计方法、装置、电子设备及存储介质 |
CN112098789B (zh) * | 2020-08-04 | 2023-06-13 | 株洲中车时代半导体有限公司 | Igbt模块寿命的统计方法、装置、电子设备及存储介质 |
CN112731091A (zh) * | 2020-12-01 | 2021-04-30 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | SiC MOSFET功率循环试验方法 |
CN112731091B (zh) * | 2020-12-01 | 2024-04-23 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | SiC MOSFET功率循环试验方法 |
CN112699579A (zh) * | 2020-12-09 | 2021-04-23 | 电子科技大学 | 一种基于有限元仿真的igbt状态监测方法 |
CN112632843A (zh) * | 2020-12-30 | 2021-04-09 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | 电子元器件故障管理方法以及装置 |
US11862531B2 (en) | 2021-02-10 | 2024-01-02 | Huawei Technologies Co., Ltd. | Power device, power device assembly, and related apparatus |
CN113514747A (zh) * | 2021-04-15 | 2021-10-19 | 华电(烟台)功率半导体技术研究院有限公司 | 一种测量电力电子器件温度分布的电学方法 |
CN113239653B (zh) * | 2021-04-20 | 2022-08-12 | 武汉大学 | 基于复合失效模式耦合的igbt寿命预测方法及系统 |
CN113239653A (zh) * | 2021-04-20 | 2021-08-10 | 武汉大学 | 基于复合失效模式耦合的igbt寿命预测方法及系统 |
CN112986784A (zh) * | 2021-04-21 | 2021-06-18 | 国网江西省电力有限公司电力科学研究院 | 一种大功率焊接型igbt模块的异常识别方法及装置 |
CN113267690A (zh) * | 2021-05-06 | 2021-08-17 | 中车青岛四方车辆研究所有限公司 | 一种牵引变流器功率模块老化评估方法 |
CN113358995B (zh) * | 2021-05-24 | 2022-05-17 | 丽水方德智驱应用技术研究院有限公司 | 一种功率元器件在线结温估算方法 |
CN113358995A (zh) * | 2021-05-24 | 2021-09-07 | 丽水方德智驱应用技术研究院有限公司 | 一种功率元器件在线结温估算方法 |
CN113570116B (zh) * | 2021-07-02 | 2022-02-18 | 福建时代星云科技有限公司 | 一种储充站发热功率的估算方法及终端 |
CN113570116A (zh) * | 2021-07-02 | 2021-10-29 | 福建时代星云科技有限公司 | 一种储充站发热功率的估算方法及终端 |
CN113688589B (zh) * | 2021-07-15 | 2023-05-02 | 电子科技大学 | 一种电磁热可靠性寿命分析方法 |
CN113688589A (zh) * | 2021-07-15 | 2021-11-23 | 电子科技大学 | 一种电磁热可靠性寿命分析方法 |
CN113901612A (zh) * | 2021-10-13 | 2022-01-07 | 江苏徐工工程机械研究院有限公司 | 一种结构件退化建模和可靠度预估方法及系统 |
CN113987998A (zh) * | 2021-10-25 | 2022-01-28 | 西安交通大学 | 基于电力工况的全控型功率半导体模块功率循环方法 |
CN113987998B (zh) * | 2021-10-25 | 2024-04-12 | 西安交通大学 | 基于电力工况的全控型功率半导体模块功率循环方法 |
CN114185293B (zh) * | 2021-12-10 | 2022-08-30 | 无锡市智控科技有限公司 | 基于深紫外线的高效灭菌装置 |
CN114185293A (zh) * | 2021-12-10 | 2022-03-15 | 无锡市智控科技有限公司 | 基于深紫外线的高效灭菌装置 |
CN114217261A (zh) * | 2021-12-15 | 2022-03-22 | 浙江大学 | 一种用于功率循环测试的功率器件老化参数校正方法 |
CN114217261B (zh) * | 2021-12-15 | 2022-09-09 | 浙江大学 | 一种用于功率循环测试的功率器件老化参数校正方法 |
CN115081144A (zh) * | 2022-06-30 | 2022-09-20 | 华中科技大学 | 一种热电器件性能退化预测方法及应用 |
CN115290945A (zh) * | 2022-09-29 | 2022-11-04 | 山东阅芯电子科技有限公司 | 功率循环测试用高精度测试电流源及方法 |
CN115290945B (zh) * | 2022-09-29 | 2022-12-23 | 山东阅芯电子科技有限公司 | 功率循环测试用高精度测试电流源及方法 |
CN116148624A (zh) * | 2023-04-04 | 2023-05-23 | 无锡钊源电力电子有限公司 | 一种在线igbt结温测量方法 |
CN116776747B (zh) * | 2023-08-18 | 2023-11-03 | 江西五十铃汽车有限公司 | 一种igbt模块使用寿命计算方法及系统 |
CN116776747A (zh) * | 2023-08-18 | 2023-09-19 | 江西五十铃汽车有限公司 | 一种igbt模块使用寿命计算方法及系统 |
CN116859206B (zh) * | 2023-09-04 | 2024-01-30 | 湖南大学 | 一种功率模块中键合界面最小剩余长度预测方法 |
CN116859206A (zh) * | 2023-09-04 | 2023-10-10 | 湖南大学 | 一种功率模块中键合界面最小剩余长度预测方法 |
CN117150199B (zh) * | 2023-11-01 | 2024-03-08 | 贵州芯际探索科技有限公司 | 一种igbt的封装温度监测方法 |
CN117150199A (zh) * | 2023-11-01 | 2023-12-01 | 贵州芯际探索科技有限公司 | 一种igbt的封装温度监测方法 |
CN117195665A (zh) * | 2023-11-07 | 2023-12-08 | 湖南大学 | 一种功率半导体器件键合线的寿命预测模型构建方法 |
CN117195665B (zh) * | 2023-11-07 | 2024-01-26 | 湖南大学 | 一种功率半导体器件键合线的寿命预测模型构建方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109738773B (zh) | 2021-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109738773A (zh) | 一种非平稳工况下igbt模块寿命预测方法 | |
Hu et al. | Online calculation of the increase in thermal resistance caused by solder fatigue for IGBT modules | |
Dusmez et al. | Aging precursor identification and lifetime estimation for thermally aged discrete package silicon power switches | |
Dusmez et al. | Remaining useful lifetime estimation for power MOSFETs under thermal stress with RANSAC outlier removal | |
Baba et al. | Active Power Cycling Test Bench for SiC Power MOSFET s—Principles, Design, and Implementation | |
Chen et al. | Data-driven approach for fault prognosis of SiC MOSFETs | |
CN103782143A (zh) | 用于估计半导体芯片温度的方法和设备 | |
Wei et al. | Condition monitoring of IGBT modules based on changes of thermal characteristics | |
Wu et al. | Junction temperature prediction of IGBT power module based on BP neural network | |
Lai et al. | Condition monitoring in a power module using on-state resistance and case temperature | |
Hu et al. | Cost-effective prognostics of IGBT bond wires with consideration of temperature swing | |
CN113759225A (zh) | Igbt剩余寿命预测和状态评估实现方法 | |
Katsis | A thermal, mechanical, and electrical study of voiding in the solder die-attach of power MOSFETs | |
Chen et al. | Predicting IGBT junction temperature with thermal network component model | |
Van Der Broeck et al. | Intelligent Monitoring and Maintenance Technology for Next-Generation Power Electronic Systems | |
Ali et al. | Analysis of V th variations in IGBTs under thermal stress for improved condition monitoring in automotive power conversion systems | |
Otto et al. | Reliability of new SiC BJT power modules for fully electric vehicles | |
Babel et al. | Condition monitoring and failure prognosis of IGBT inverters based on on-line characterization | |
CN116879702A (zh) | SiC MOSFET功率循环退化机理的在线诊断方法、系统、装置 | |
CN114184927A (zh) | 晶闸管寿命评估方法 | |
Liu et al. | An electro-thermal parametric degradation model of insulated gate bipolar transistor modules | |
CN110197012B (zh) | 考虑牵引传动系统故障影响的支撑电容寿命评估方法 | |
Sun et al. | A generalized equivalent temperature model in a time-varying environment | |
Liu et al. | Nonparametric model-based online junction temperature and state-of-health estimation for insulated gate bipolar transistors | |
Sayed et al. | Dynamic remaining useful lifetime (RUL) estimation of power converters based on GaN power FETs |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |