CN112986784B - 一种大功率焊接型igbt模块的异常识别方法及装置 - Google Patents
一种大功率焊接型igbt模块的异常识别方法及装置 Download PDFInfo
- Publication number
- CN112986784B CN112986784B CN202110431475.6A CN202110431475A CN112986784B CN 112986784 B CN112986784 B CN 112986784B CN 202110431475 A CN202110431475 A CN 202110431475A CN 112986784 B CN112986784 B CN 112986784B
- Authority
- CN
- China
- Prior art keywords
- igbt
- igbt module
- chips
- module
- monitoring data
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000005493 welding type Methods 0.000 title claims abstract description 32
- 238000012544 monitoring process Methods 0.000 claims abstract description 82
- 238000004364 calculation method Methods 0.000 claims abstract description 30
- 230000005856 abnormality Effects 0.000 claims description 24
- 230000002159 abnormal effect Effects 0.000 claims description 17
- 238000003860 storage Methods 0.000 claims description 14
- 230000009467 reduction Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 8
- 150000001875 compounds Chemical class 0.000 claims description 6
- 230000003071 parasitic effect Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012935 Averaging Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 2
- 238000003466 welding Methods 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 229910000679 solder Inorganic materials 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000008646 thermal stress Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/26—Testing of individual semiconductor devices
- G01R31/2607—Circuits therefor
- G01R31/2608—Circuits therefor for testing bipolar transistors
Abstract
本发明公开一种大功率焊接型IGBT模块的异常识别方法及装置,大功率焊接型IGBT模块的异常识别方法,将IGBT模块正向导通,提取IGBT模块正向导通时的压降和电流的监测数据并求取其平均值,并基于IGBT模块有效工作芯片计算模型,检测出因键合线脱落引起IGBT芯片失效后的IGBT模块有效工作芯片数目,经由与标准IGBT模块中的IGBT芯片个数对比,使得到IGBT模块异常识别结果,实现了仅需监测IGBT模块导通电压和导通电流,即可检测出IGBT模块中有效工作IGBT芯片数目的目的,有效地提高了大功率变流器功率模块预警功能的准确性。
Description
技术领域
本发明属于半导体功率模块状态监测技术领域,尤其涉及一种大功率焊接型IGBT模块的异常识别方法及装置。
背景技术
大功率变流器一般都采用塑封焊接型多芯片IGBT模块组成,键合线将芯片与芯片并联、芯片与DBC铜板焊接而成。由于芯片焊料和铝键合线的材料与硅芯片热膨胀系数差值较大,在交变热应力的反复冲击下,使得芯片焊接层发生断层破坏导热路径,在长期交变的热冲击作用下导致键合线断裂、脱落。据统计,IGBT模块键合线脱落故障率约为70%左右,开展键合线脱落下IGBT模块异常识别研究,对及早地获知IGBT模块健康状态具有重要意义。
目前,国内外关于键合线状态脱落的IGBT状态监测研究,主要侧重在以下三个方面:(1)基于传感器的在线监测。该方法一般是通过在IGBT模块中增加传感器实现对其状态监测。如改变IGBT模块结构,在发射极引线处接入低值电阻,当某个芯片上的键合线全部脱落后,在电阻的公共端处将出现一个电信号,用于判断IGBT模块键合线的脱落情况。也有研究通过在IGBT模块发射极处键合线两端并联一个监测电阻,建立键合线故障程度与该电阻上压降的函数关系,以电阻压降是否超过规定阈值间接获知键合线故障程度。采用上述方法需在模块内、外部安置辅助测量电路,导致IGBT模块制造难度和成本增加,且可能降低模块可靠性。(2)基于IGBT模块门极信号的在线监测。当IGBT模块中的部分芯片上的键合线全部脱落后,将会使IGBT模块门极等效电容变小,从而使IGBT模块的门极信号发生变化。有研究者针对目前IGBT功率模块内部键合线故障需要通过复杂辅助电路才能实现识别、监测的难题,从IGBT模块结构特性入手,分析得出键合线及并联IGBT芯片的故障特性将在模块门极关断电压的变化上得到体现,采用小波奇异熵理论对门极电压信号进行了故障特征提取。然而,由于门极信号响应时间非常短,微秒甚至纳秒级别,该方法对测量硬件要求非常高,须借助专业设备进行捕捉。综上所述可见,上述方法还难以在实际中应用且工程应用较难,无法实现对风电变流器IGBT模块异常识别。
因此,亟需一种便捷、满足工程要求的大功率焊接型IGBT模块的异常识别方法。
发明内容
本发明提供一种大功率焊接型IGBT模块的异常识别方法及装置,用于至少解决上述技术问题之一。
第一方面,本发明提供一种大功率焊接型IGBT模块的异常识别方法,包括:获取某一IGBT模块的导通电压监测数据和导通电流监测数据,并基于移动平均降噪,求取导通电压监测数据的平均值和导通电流监测数据的平均值;基于IGBT模块的导通电压和IGBT模块的导通电流的关系,推导某一IGBT模块的电气量特征信息与IGBT有效工作芯片数的表达式,并构建有效工作芯片计算模型;将获取的导通电压监测数据的平均值和导通电流监测数据的平均值输入至有效工作芯片计算模型中,使得到某一IGBT模块的有效工作芯片数目;将某一IGBT模块的有效工作芯片数目与标准IGBT模块内的并联IGBT芯片个数进行比对,并基于两者代数差的绝对值判断某一IGBT模块是否异常。
第二方面,本发明提供一种大功率焊接型IGBT模块的异常识别装置,包括:获取模块,配置为获取某一IGBT模块的导通电压监测数据和导通电流监测数据,并基于移动平均降噪,求取导通电压监测数据的平均值和导通电流监测数据的平均值;计算模块,配置为基于IGBT模块的导通电压和IGBT模块的导通电流的关系,推导某一IGBT模块的电气量特征信息与IGBT有效工作芯片数的表达式,并构建有效工作芯片计算模型;输出模块,配置为将获取的导通电压监测数据的平均值和导通电流监测数据的平均值输入至有效工作芯片计算模型中,使得到某一IGBT模块的有效工作芯片数目;判断模块,配置为将某一IGBT模块的有效工作芯片数目与标准IGBT模块内的并联IGBT芯片个数进行比对,并基于两者代数差的绝对值判断某一IGBT模块是否异常。
第三方面,提供一种电子设备,其包括:至少一个处理器,以及与所述至少一个处理器通信连接的存储器,其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例的大功率焊接型IGBT模块的异常识别方法的步骤。
第四方面,本发明还提供一种计算机程序产品,所述计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,使所述计算机执行本发明任一实施例的大功率焊接型IGBT模块的异常识别方法的步骤。
本申请的一种大功率焊接型IGBT模块的异常识别方法及装置,采用将IGBT模块正向导通,提取IGBT模块正向导通时的压降和电流的监测数据并求取其平均值,并基于IGBT模块有效工作芯片计算模型,检测出因键合线脱落引起IGBT芯片失效后的IGBT模块有效工作芯片数目,经由与标准IGBT模块中的IGBT芯片个数对比,使得到IGBT模块异常识别结果,实现了仅需监测IGBT模块导通电压和导通电流,即可检测出IGBT模块中有效工作IGBT芯片数目的目的,有效地提高了大功率变流器功率模块预警功能的准确性。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一实施例提供的一种大功率焊接型IGBT模块的异常识别方法的流程图;
图2为本发明一实施例提供一个具体实施例的异常识别方法的流程图;
图3为本发明一实施例提供一个具体实施例的不同IGBT芯片失效时的IGBT模块导通电压的曲线图;
图4为本发明一实施例提供的一种大功率焊接型IGBT模块的异常识别装置的结构框图;
图5是本发明一实施例提供的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,其示出了本申请的一种大功率焊接型IGBT模块的异常识别方法的流程图。
如图1所示,在S101中,获取某一IGBT模块的导通电压监测数据和导通电流监测数据,并基于移动平均降噪,求取导通电压监测数据的平均值和导通电流监测数据的平均值;
在S102中,基于IGBT模块的导通电压和IGBT模块的导通电流的关系,推导某一IGBT模块的电气量特征信息与IGBT有效工作芯片数的表达式,并构建有效工作芯片计算模型;
在S103中,将获取的导通电压监测数据的平均值和导通电流监测数据的平均值输入至有效工作芯片计算模型中,使得到某一IGBT模块的有效工作芯片数目;
在S104中,将某一IGBT模块的有效工作芯片数目与标准IGBT模块内的并联IGBT芯片个数进行比对,并基于两者代数差的绝对值判断某一IGBT模块是否异常。
在本实施例中,采集IGBT模块的导通电压和电流监测数据且通过移动平均降噪后,将导通电压和电流分别求平均,得到导通电压监测数据的平均值和导通电流监测数据的平均值,依据正电阻温度系数下可认为导通电压和电流为线性关系,建立IGBT模块有效工作芯片计算模型之后,通过获取的导通电压监测数据的平均值和导通电流监测数据的平均值输入至有效工作芯片计算模型中,使得到某一IGBT模块的有效工作芯片数目m,接着,将计算的IGBT模块有效工作芯片数目m四舍五入求整后得到有效工作芯片个数,与标准的IGBT模块内的并联IGBT芯片个数n对比,求取两者代数差的绝对值ε,计算式为:ε=|n-|,当绝对值ε为0时,给出“正常”结果,否则给出“异常”结果。
在本实施例的方法中,首先,将IGBT模块正向导通,提取IGBT模块正向导通时的压降和电流的监测数据并求取其平均值;其次,依据正电阻温度系数下可认为导通电压和电流为线性关系,利用所提出的IGBT模块有效工作芯片计算模型,检测出因键合线脱落引起IGBT芯片失效后的IGBT模块有效工作芯片数目;最后,将检测出的IGBT模块有效工作芯片数目与厂家提供的健康IGBT模块中IGBT芯片个数对比,若数目相同,给出“正常”结果,否则给出“异常”结果,从而实现提高大功率变流器功率模块预警功能的准确性的目的,可为优化高速动车、新能源汽车、风电机组等高端机电装备中大功率变流器运维和检修策略提供技术支撑,对确保高端机电装备高效、可靠、安全运行具有重要的应用价值。
请参阅图2,其示出了本申请的一个具体实施例的异常识别方法的流程图。
如图2所示,在一个具体的实施例中,一种大功率焊接型IGBT模块异常识别方法包括以下步骤:
例如,大功率IGBT模块(型号FF450R17ME4)常用于风电变流器中,其中上、下桥臂各为3个IGBT芯片和3个续流二极管组成,即IGBT芯片个数为n=3。当导通电流为90A时,逐个IGBT芯片失效时的IGBT模块导通电压见图3所示。当0、1、2个IGBT芯片键合线全部脱落时(即剩余有效IGBT芯片的个数分别为3、2、1时),采集导通电压数据并求平均,导通电压监测数据的平均值分别为1.26V、1.38V和1.74V。
步骤二、将步骤一中的导通电压监测数据的平均值和导通电流监测数据的平均值作为IGBT模块有效工作芯片计算模型的输入,进而得到IGBT模块中有效工作芯片数目m。所建立的IGBT模块有效工作芯片计算模型数学表达式为:
式中,m为键合线脱落后IGBT模块中剩余IGBT芯片的数目,n为无键合线脱落的标准IGBT模块中并联IGBT芯片的个数,n≥m≥0,和分别为n个IGBT芯片并联时的导通电压和导通电流,为IGBT模块固有电压,和分别为导通电压监测数据的平均值和导通电流监测数据的平均值。
其中,所述导通电压监测数据的平均值的数学表达式为:
例如,当==90A、=1.23V、=0.9258、剩余有效IGBT芯片的个数分别为3、2、1时,导通电压的平均值分别为1.26V、1.38V和1.74V,采用式(2)计算得到的剩余有效IGBT芯片数目见下表所示:
具体地,IGBT模块有效工作芯片计算模型,其推导过程如下:
由于IGBT模块一般是由n个IGBT芯片并联组成,在某个参考温度T0下,IGBT芯片导通电压可表示为:
考虑在正电阻温度系数下可近似认为导通压降和电流为线性关系,根据电阻伏安特性以及欧姆定律,n个IGBT芯片并联均流时,等效电阻值为:
当某些芯片因键合线全部脱落而导致芯片不能工作,剩下m个IGBT芯片并联时,等效电阻值为:
依据式(4)、(5),可得到IGBT模块中剩余有效IGBT芯片的数量为:
根据异常识别规则获得识别结果:当绝对值ε为0时,给出“正常”结果,否则给出“异常”结果。
请参阅图4,其示出了本发明一实施例提供的大功率焊接型IGBT模块的异常识别装置的结构框图。
如图4所示,异常识别装置200,包括获取模块210、计算模块220、输出模块230以及判断模块240。
其中,获取模块210,配置为获取某一IGBT模块的导通电压监测数据和导通电流监测数据,并基于移动平均降噪,求取导通电压监测数据的平均值和导通电流监测数据的平均值;计算模块220,配置为基于IGBT模块的导通电压和IGBT模块的导通电流的关系,推导某一IGBT模块的电气量特征信息与IGBT有效工作芯片数的表达式,并构建有效工作芯片计算模型;输出模块230,配置为将获取的导通电压监测数据的平均值和导通电流监测数据的平均值输入至有效工作芯片计算模型中,使得到某一IGBT模块的有效工作芯片数目;判断模块240,配置为将某一IGBT模块的有效工作芯片数目与标准IGBT模块内的并联IGBT芯片个数进行比对,并基于两者代数差的绝对值判断某一IGBT模块是否异常。
应当理解,图4中记载的诸模块与参考图1中描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作和特征以及相应的技术效果同样适用于图4中的诸模块,在此不再赘述。
在另一些实施例中,本发明实施例还提供了一种非易失性计算机存储介质,计算机存储介质存储有计算机可执行指令,该计算机可执行指令可执行上述任意方法实施例中的大功率焊接型IGBT模块的异常识别方法;
作为一种实施方式,本发明的非易失性计算机存储介质存储有计算机可执行指令,计算机可执行指令设置为:
获取某一IGBT模块的导通电压监测数据和导通电流监测数据,并基于移动平均降噪,求取导通电压监测数据的平均值和导通电流监测数据的平均值;
基于IGBT模块的导通电压和IGBT模块的导通电流的关系,推导某一IGBT模块的电气量特征信息与IGBT有效工作芯片数的表达式,并构建有效工作芯片计算模型;
将获取的导通电压监测数据的平均值和导通电流监测数据的平均值输入至有效工作芯片计算模型中,使得到某一IGBT模块的有效工作芯片数目;
将某一IGBT模块的有效工作芯片数目与标准IGBT模块内的并联IGBT芯片个数进行比对,并基于两者代数差的绝对值判断某一IGBT模块是否异常。
非易失性计算机可读存储介质可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据大功率焊接型IGBT模块的异常识别装置的使用所创建的数据等。此外,非易失性计算机可读存储介质可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中,非易失性计算机可读存储介质可选包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至大功率焊接型IGBT模块的异常识别装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
本发明实施例还提供一种计算机程序产品,计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序,计算机程序包括程序指令,当程序指令被计算机执行时,使计算机执行上述任一项大功率焊接型IGBT模块的异常识别方法。
图5是本发明实施例提供的电子设备的结构示意图,如图5所示,该设备包括:一个或多个处理器310以及存储器320,图5以一个处理器310为例。大功率焊接型IGBT模块的异常识别方法的设备还可以包括:输入装置330和输出装置340。处理器310、存储器320、输入装置330和输出装置340可以通过总线或者其他方式连接,图5中以通过总线连接为例。存储器320为上述的非易失性计算机可读存储介质。处理器310通过运行存储在存储器320中的非易失性软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例大功率焊接型IGBT模块的异常识别方法。输入装置330可接收输入的数字或字符信息,以及产生与大功率焊接型IGBT模块的异常识别装置的用户设置以及功能控制有关的键信号输入。输出装置340可包括显示屏等显示设备。
上述产品可执行本发明实施例所提供的方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本发明实施例所提供的方法。
作为一种实施方式,上述电子设备应用于大功率焊接型IGBT模块的异常识别装置中,用于客户端,包括:至少一个处理器;以及,与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够:
获取某一IGBT模块的导通电压监测数据和导通电流监测数据,并基于移动平均降噪,求取导通电压监测数据的平均值和导通电流监测数据的平均值;
基于IGBT模块的导通电压和IGBT模块的导通电流的关系,推导某一IGBT模块的电气量特征信息与IGBT有效工作芯片数的表达式,并构建有效工作芯片计算模型;
将获取的导通电压监测数据的平均值和导通电流监测数据的平均值输入至有效工作芯片计算模型中,使得到某一IGBT模块的有效工作芯片数目;
将某一IGBT模块的有效工作芯片数目与标准IGBT模块内的并联IGBT芯片个数进行比对,并基于两者代数差的绝对值判断某一IGBT模块是否异常。
以上所描述的装置实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (8)
1.一种大功率焊接型IGBT模块的异常识别方法,其特征在于,包括:
获取某一IGBT模块的导通电压监测数据和导通电流监测数据,并基于移动平均降噪,求取所述导通电压监测数据的平均值和所述导通电流监测数据的平均值;
基于IGBT模块的导通电压和IGBT模块的导通电流的关系,推导某一IGBT模块的电气量特征信息与IGBT有效工作芯片数的表达式,并构建有效工作芯片计算模型,其中,所述有效工作芯片计算模型的表达式为:
式中,m为键合线脱落后IGBT模块中剩余IGBT芯片的数目,n为无键合线脱落的标准IGBT模块中并联IGBT芯片的个数,n≥m≥0,和分别为n个IGBT芯片并联时的导通电压和导通电流,V0为IGBT模块固有电压,Vce和ic分别为导通电压监测数据的平均值和导通电流监测数据的平均值;
将获取的所述导通电压监测数据的平均值和所述导通电流监测数据的平均值输入至所述有效工作芯片计算模型中,使得到某一IGBT模块的有效工作芯片数目;
将所述某一IGBT模块的有效工作芯片数目与标准IGBT模块内的并联IGBT芯片个数进行比对,并基于两者代数差的绝对值判断某一IGBT模块是否异常。
2.根据权利要求1所述的一种大功率焊接型IGBT模块的异常识别方法,其特征在于,在将所述某一IGBT模块有效工作芯片数目与标准IGBT模块内的并联IGBT芯片个数进行比对,并基于两者代数差的绝对值判断某一IGBT模块是否异常之前,所述方法还包括对所述某一IGBT模块有效工作芯片数目进行求整。
6.一种大功率焊接型IGBT模块的异常识别装置,其特征在于,包括:
获取模块,配置为获取某一IGBT模块导通电压监测数据和导通电流监测数据,并基于移动平均降噪,求取所述导通电压监测数据的平均值和所述导通电流监测数据的平均值;
计算模块,配置为基于IGBT模块的导通电压和IGBT模块的导通电流的关系,推导某一IGBT模块的电气量特征信息与IGBT有效工作芯片数的表达式,并构建有效工作芯片计算模型,其中,所述有效工作芯片计算模型的表达式为:
式中,m为键合线脱落后IGBT模块中剩余IGBT芯片的数目,n为无键合线脱落的标准IGBT模块中并联IGBT芯片的个数,n≥m≥0,和分别为n个IGBT芯片并联时的导通电压和导通电流,V0为IGBT模块固有电压,Vce和ic分别为导通电压监测数据的平均值和导通电流监测数据的平均值;
输出模块,配置为将获取的所述导通电压监测数据的平均值和所述导通电流监测数据的平均值输入至所述有效工作芯片计算模型中,使得到某一IGBT模块的有效工作芯片数目;
判断模块,配置为将所述某一IGBT模块的有效工作芯片数目与标准IGBT模块内的并联IGBT芯片个数进行比对,并基于两者代数差的绝对值判断某一IGBT模块是否异常。
7.一种电子设备,其特征在于,包括:至少一个处理器,以及与所述至少一个处理器通信连接的存储器,其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1至5任一项所述方法的步骤。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现权利要求1至5任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110431475.6A CN112986784B (zh) | 2021-04-21 | 2021-04-21 | 一种大功率焊接型igbt模块的异常识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110431475.6A CN112986784B (zh) | 2021-04-21 | 2021-04-21 | 一种大功率焊接型igbt模块的异常识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112986784A CN112986784A (zh) | 2021-06-18 |
CN112986784B true CN112986784B (zh) | 2021-09-10 |
Family
ID=76341594
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110431475.6A Active CN112986784B (zh) | 2021-04-21 | 2021-04-21 | 一种大功率焊接型igbt模块的异常识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112986784B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113759227B (zh) * | 2021-08-24 | 2023-04-18 | 桂林电子科技大学 | 功率器件的检测方法 |
CN117094275B (zh) * | 2023-08-24 | 2024-03-12 | 上海合芯数字科技有限公司 | 芯片端口的布设方法、存储介质、电子设备及芯片 |
Family Cites Families (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5986909A (en) * | 1998-05-21 | 1999-11-16 | Robicon Corporation | Multiphase power supply with plural series connected cells and failed cell bypass |
KR101017585B1 (ko) * | 2008-12-31 | 2011-02-28 | 지에스플라텍 주식회사 | 혼합형 플라즈마 토치의 전원 장치 |
JP5343901B2 (ja) * | 2010-03-17 | 2013-11-13 | 富士電機株式会社 | パワーサイクル寿命予測方法、寿命予測装置及び該寿命予測装置を備えた半導体装置 |
CN103278727A (zh) * | 2013-04-26 | 2013-09-04 | 西南交通大学 | 基于输出功率的三相逆变器igbt开路故障的诊断方法 |
KR20140024442A (ko) * | 2014-01-06 | 2014-02-28 | 한국철도기술연구원 | 전력공급용 스위칭 소자의 능동형 보호회로 |
CN104880657B (zh) * | 2014-02-28 | 2018-01-12 | 西安永电电气有限责任公司 | Igbt器件的故障检测方法及相应的检测电路 |
CN104251965B (zh) * | 2014-09-24 | 2017-07-04 | 河北工业大学 | 一种igbt动态性能测试装置及其运行方法 |
JP6402591B2 (ja) * | 2014-10-31 | 2018-10-10 | 富士電機株式会社 | 半導体装置 |
US10193322B2 (en) * | 2015-11-13 | 2019-01-29 | Silicon Power Corporation | Low-loss and fast acting solid-state breaker |
CN106324472B (zh) * | 2016-09-13 | 2018-10-26 | 同济大学 | 一种非接触式变流器igbt模块状态监测方法 |
CN106443400B (zh) * | 2016-09-14 | 2019-06-11 | 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 |
US20190250205A1 (en) * | 2018-02-13 | 2019-08-15 | GM Global Technology Operations LLC | Thermal model based health assessment of igbt |
CN108680847A (zh) * | 2018-05-16 | 2018-10-19 | 国网浙江省电力公司舟山供电公司 | 基于故障电流下的igbt结温的热计算方法 |
CN108599606B (zh) * | 2018-05-24 | 2019-10-15 | 浙江大学 | 一种用于降低mmc桥臂子模块数量的控制方法 |
CN109738773B (zh) * | 2018-06-19 | 2021-07-16 | 北京航空航天大学 | 一种非平稳工况下igbt模块寿命预测方法 |
CN109284543B (zh) * | 2018-09-04 | 2023-05-23 | 河北工业大学 | 基于最优尺度高斯过程模型的igbt剩余寿命预测方法 |
CN110082661A (zh) * | 2019-04-16 | 2019-08-02 | 合肥工业大学 | 即插即用型igbt功率模块键合线故障监测系统 |
CN110110461B (zh) * | 2019-05-15 | 2021-03-30 | 福州大学 | 基于卡尔曼滤波算法的mmc中igbt参数估计方法 |
CN110133468A (zh) * | 2019-05-30 | 2019-08-16 | 西南交通大学 | 一种基于多变量的igbt健合线老化监测评估方法 |
CN110726915B (zh) * | 2019-08-28 | 2020-08-18 | 重庆大学 | 模块化多电平换流阀子模块igbt故障检测系统及方法 |
CN110780188A (zh) * | 2019-10-18 | 2020-02-11 | 合肥工业大学 | 一种igbt驱动电路故障诊断方法 |
CN111190088B (zh) * | 2019-12-30 | 2021-05-14 | 西安电子科技大学 | 一种igbt性能退化特征参数的提取方法 |
CN111812476A (zh) * | 2020-04-17 | 2020-10-23 | 中电普瑞电力工程有限公司 | 一种igbt模块电气参数在线测量装置和方法 |
-
2021
- 2021-04-21 CN CN202110431475.6A patent/CN112986784B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112986784A (zh) | 2021-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109738773B (zh) | 一种非平稳工况下igbt模块寿命预测方法 | |
CN112986784B (zh) | 一种大功率焊接型igbt模块的异常识别方法及装置 | |
US10168381B2 (en) | Method for determining a deterioration of power semiconductor modules as well as a device and circuit arrangement | |
Dusmez et al. | Remaining useful lifetime estimation for power MOSFETs under thermal stress with RANSAC outlier removal | |
EP3531146B1 (en) | Wire-bonded power semi-conductor module monitoring | |
WO2017071365A1 (zh) | 数字化驱动的igbt电流检测系统及其检测方法 | |
CN110710095B (zh) | 功率转换装置、电动机控制系统和功率转换装置的诊断方法 | |
EP3614551B1 (en) | Power conversion device, diagnosis system for same, diagnosis method, and electric motor control system using said diagnosis method | |
CN107589320B (zh) | 功率模块的录波方法及录波装置 | |
Dusmez et al. | Remaining useful lifetime estimation for degraded power MOSFETs under cyclic thermal stress | |
Heydarzadeh et al. | Bayesian remaining useful lifetime prediction of thermally aged power MOSFETs | |
CN107121629B (zh) | 一种判定电力电子模块失效的检测装置和方法 | |
Hanif et al. | Active power cycling and condition monitoring of IGBT power modules using reflectometry | |
CN108549001B (zh) | 一种电力电子模块劳损状态的检测系统及方法 | |
CN111258303B (zh) | 伺服系统故障检测方法、装置、计算机设备和存储介质 | |
Dusmez et al. | A robust remaining useful lifetime estimation method for discrete power MOSFETs | |
Yuan et al. | Online junction temperature estimation system for IGBT based on BP neural network | |
CN112818622B (zh) | 一种多芯片并联igbt模块可靠性综合评价方法及系统 | |
CN106054056A (zh) | Igbt故障信息的获取方法 | |
Anderson et al. | Online algorithm for early stage fault detection in IGBT switches | |
CN112632843A (zh) | 电子元器件故障管理方法以及装置 | |
JP2019060792A (ja) | 電力変換装置の診断回路および診断システム | |
WO2019198775A1 (ja) | 診断装置及び診断システム | |
KR101531018B1 (ko) | 전력반도체소자의 불량 예측 방법 | |
CN113884851A (zh) | 一种基于开尔文发射极电压变化的igbt健康监测方法 |
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 |