CN113945818A - 一种mosfet寿命预测方法 - Google Patents

一种mosfet寿命预测方法 Download PDF

Info

Publication number
CN113945818A
CN113945818A CN202111246228.5A CN202111246228A CN113945818A CN 113945818 A CN113945818 A CN 113945818A CN 202111246228 A CN202111246228 A CN 202111246228A CN 113945818 A CN113945818 A CN 113945818A
Authority
CN
China
Prior art keywords
mosfet
data
predicting
service life
state
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.)
Pending
Application number
CN202111246228.5A
Other languages
English (en)
Inventor
伍伟
古湧乾
陈勇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN202111246228.5A priority Critical patent/CN113945818A/zh
Publication of CN113945818A publication Critical patent/CN113945818A/zh
Pending legal-status Critical Current

Links

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
    • G01R31/2621—Circuits therefor for testing field effect transistors, i.e. FET's
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R27/00—Arrangements for measuring resistance, reactance, impedance, or electric characteristics derived therefrom
    • G01R27/02—Measuring real or complex resistance, reactance, impedance, or other two-pole characteristics derived therefrom, e.g. time constant

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

本发明公开了一种MOSFET寿命预测方法，其包括以下步骤：S1、获取MOSFET器件的历史数据；S2、通过曲线拟合建立数据驱动模型；S3、利用随机采样一致性算法进行数据处理；S4、利用卡尔曼滤波算法建立预测方程；S5、估计MOSFET的剩余使用寿命。本发明结合了两种算法用来估计MOSFET的剩余使用寿命，该方法的算法结构简单，创新性强，准确性高，能够提高功率MOSFET器件的使用可靠性。

Description

一种MOSFET寿命预测方法
技术领域
本发明涉及半导体领域，具体涉及一种MOSFET寿命预测方法。
背景技术
电力电子设备近年来发展迅速，被应用于很多大型的领域，其中金属-氧化物半导体场效应晶体管(简称MOSFET)是电力电子系统中的核心器件，但由于其工作环境复杂，导致其会经常发生故障。因此，对MOSFET器件运行情况的可靠性评估具有非常重要意义，如果能够通过一定的技术手段预测其失效的发生时间，并提前制定对应的预警方案，就可以避免一些事故的发生，所以对MOSFET器件进行寿命预测方向的研究有着非常重要的实际意义。
发明内容
本发明提出了一种MOSFET寿命预测方法。这种方法结合随机采样一致性和卡尔曼滤波两种方法来对MOSFET的剩余使用寿命进行预测，与现有的技术相比，本发明创新强，方法结构简单，实用性强。
为了达到上述发明目的，本发明采用的技术方案为：
提供一种MOSFET寿命预测方法，其包括以下步骤：
S1、获取MOSFET器件的历史数据；
S2、通过曲线拟合建立数据驱动模型；
S3、利用随机采样一致性算法进行数据处理；
S4、利用卡尔曼滤波算法建立预测方程；
S5、估计MOSFET的剩余使用寿命。
进一步地，步骤S1的具体方法为：
对MOSFET器件进行热应力循环老化实验，通过传感器获取器件的开关电压和开关电流，再由数字信号处理模块(DSP)通过开关电压除以开关电流来计算器件的导通电阻R，以此来获取MOSFET的导通电阻随热老化的变化情况，得到历史数据集。
进一步地，步骤S2的具体方法包括以下步骤：
S2-1、通过曲线拟合得到导通电阻的变化量ΔR随着循环次数n(即热老化)的变化情况，拟合模型如下：
ΔR＝exp(an)+b
其中，a和b为拟合模型的参数；
S2-2、将上述拟合模型进行线性转换，得到最后的数据驱动模型，以便于后续进行数据处理，转换结果如下：
ln(ΔR)＝an+exp(b)
ln(ΔR)＝an+c
其中，c为线性转换后的等效参数。
进一步地，步骤S3的具体方法包括以下步骤：
S3-1、从历史数据中随机选择k个点作为一个子样本集；
S3-2、计算出该子样本集的拟合模型f(n)；
S3-3、设置一个阈值δ，用子样本集的拟合模型f(n)对所有历史数据进行阈值检验，判别依据如下：
若|Xi-f(n)|≤δ，则Xi被标记为内群点；
若|Xi-f(n)|＞δ，则Xi被标记为离群点；
其中，Xi为第i个历史数据；同时记录下内群点的数量；
S3-4、重复操作步骤S3-1至S3-3，迭代次数设置为m；
S3-5、迭代完成后，选择出内群点的数量最多的那一次，再对这些内群点用最小二乘法重新估计出拟合模型h(n)，同时舍弃历史数据集中的其余数据。
进一步地，步骤S4的具体方法包括以下步骤：
S4-1、根据模型h(n)分别建立系统的状态方程和观测方程：
X(k)＝AX(k-1)+Bw(k-1)
Z(k)＝CX(k)+Dv(k)
其中，X(k)为步骤S3操作后剩余数据中的第k个数据；w和v分别为系统的过程噪声与测量噪声；A、B、C、D为系统相关的参数矩阵；
S4-2、根据状态方程，利用第k-1次的数据预测第k次的数据：
X(k|k-1)＝AX(k-1|k-1)
其预测的协方差矩阵为：
P(k|k-1)＝AP(k-1|k-1)AT+BQBT
计算其卡尔曼增益为：
K＝P(k|k-1)CT/(CP(k|k-1)CT+R)
再利用状态的观测值，来最优化预测值，从而进行状态更新：
X(k|k)＝X(k|k-1)+K(Z(k)-CX(k|k-1))
最后更新协方差矩阵：
P(k|k)＝[I-KC]P(k|k-1)
其中，Q和R分别为过程噪声和测量噪声的协方差；Z为系统的观测值；I为单位矩阵；
S4-3、系统进入下一个状态，重复步骤S4-2，继续更新对应的协方差矩阵，从而继续估算下一状态的值，以此迭代计算下去。
进一步地，步骤S5的具体方法为：
设置一个预警阈值，当某一状态估计的值大于或等于这个阈值时，该状态对应的循环次数就是器件的寿命终点，再根据当前器件的实验次数，就可以估算出该MOSFET器件的剩余使用寿命。
本发明的有益效果为：本发明只需要通过获取MOSFET的开关电压和开关电流来计算导通电阻，然后利用随机采样一致性的方法对数据进行处理，再利用卡尔曼滤波算法进行预测。本发明相比于现有的技术，所提出的方法操作简便，算法结构简单，具有很强的实用性。
附图说明
图1为本方法的流程示意图。
具体实施方式
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
如图1所示，该MOSFET寿命预测方法包括以下步骤：
S1、获取MOSFET器件的历史数据；
S2、通过曲线拟合建立数据驱动模型；
S3、利用随机采样一致性算法进行数据处理；
S4、利用卡尔曼滤波算法建立预测方程；
S5、估计MOSFET的剩余使用寿命。
步骤S1的具体方法为：
对MOSFET器件进行热应力循环老化实验，通过传感器获取器件的开关电压和开关电流，再由数字信号处理模块(DSP)通过开关电压除以开关电流来计算器件的导通电阻R，以此来获取MOSFET的导通电阻随热老化的变化情况，得到历史数据集。
步骤S2的具体方法包括以下步骤：
S2-1、通过曲线拟合得到导通电阻的变化量ΔR随着循环次数n(即热老化)的变化情况，拟合模型如下：
ΔR＝exp(an)+b
其中，a和b为拟合模型的参数；
S2-2、将上述拟合模型进行线性转换，得到最后的数据驱动模型，以便于后续进行数据处理，转换结果如下：
ln(ΔR)＝an+exp(b)
ln(ΔR)＝an+c
其中，c为线性转换后的等效参数。
步骤S3的具体方法包括以下步骤：
S3-1、从历史数据中随机选择k个点作为一个子样本集；
S3-2、计算出该子样本集的拟合模型f(n)；
S3-3、设置一个阈值δ，用子样本集的拟合模型f(n)对所有历史数据进行阈值检验，判别依据如下：
若|Xi-f(n)|≤δ，则Xi被标记为内群点；
若|Xi-f(n)|＞δ，则Xi被标记为离群点；
其中，Xi为第i个历史数据；同时记录下内群点的数量；
S3-4、重复操作步骤S3-1至S3-3，迭代次数设置为m；
S3-5、迭代完成后，选择出内群点的数量最多的那一次，再对这些内群点用最小二乘法重新估计出拟合模型h(n)，同时舍弃历史数据集中的其余数据。
步骤S4的具体方法包括以下步骤：
S4-1、根据模型h(n)分别建立系统的状态方程和观测方程：
X(k)＝AX(k-1)+Bw(k-1)
Z(k)＝CX(k)+Dv(k)
其中，X(k)为步骤S3操作后剩余数据中的第k个数据；w和v分别为系统的过程噪声与测量噪声；A、B、C、D为系统相关的参数矩阵；
S4-2、根据状态方程，利用第k-1次的数据预测第k次的数据：
X(k|k-1)＝AX(k-1|k-1)
其预测的协方差矩阵为：
P(k|k-1)＝AP(k-1|k-1)AT+BQBT
计算其卡尔曼增益为：
K＝P(k|k-1)CT/(CP(k|k-1)CT+R)
再利用状态的观测值，来最优化预测值，从而进行状态更新：
X(k|k)＝X(k|k-1)+K(Z(k)-CX(k|k-1))
最后更新协方差矩阵：
P(k|k)＝[I-KC]P(k|k-1)
其中，Q和R分别为过程噪声和测量噪声的协方差；Z为系统的观测值；I为单位矩阵；
S4-3、系统进入下一个状态，重复步骤S4-2，继续更新对应的协方差矩阵，从而继续估算下一状态的值，以此迭代计算下去。
步骤S5的具体方法为：
设置一个预警阈值，当某一状态估计的值大于或等于这个阈值时，该状态对应的循环次数就是器件的寿命终点，再根据当前器件的实验次数，就可以估算出该MOSFET器件的剩余使用寿命。
综上所述，本发明提出了一种MOSFET寿命预测方法。所提出的方法结合了随机采样一致性和卡尔曼滤波两种高效的算法，随机采样一致性算法主要用于进行数据处理，卡尔曼滤波主要用于数据预测，该方法创新性强，结构设计简单，实用性强，能够提高功率MOSFET器件在实际运用中的可靠性。

Claims (6)

1.一种MOSFET寿命预测方法，其特征在于，包括以下步骤：
S1、获取MOSFET器件的历史数据；
S2、通过曲线拟合建立数据驱动模型；
S3、利用随机采样一致性算法进行数据处理；
S4、利用卡尔曼滤波算法建立预测方程；
S5、估计MOSFET的剩余使用寿命。
2.根据权利要求1所述的MOSFET寿命预测方法，其特征在于，所述步骤S1的具体方法为：
对MOSFET器件进行热应力循环老化实验，通过传感器获取器件的开关电压和开关电流，再由数字信号处理模块(DSP)通过开关电压除以开关电流来计算器件的导通电阻R，以此来获取MOSFET的导通电阻随热老化的变化情况，得到历史数据集。
3.根据权利要求1所述的MOSFET寿命预测方法，其特征在于，所述步骤S2的具体步骤为：
S2-1、通过曲线拟合得到导通电阻的变化量ΔR随着循环次数n(即热老化)的变化情况，拟合模型如下：
ΔR＝exp(an)+b
其中，a和b为拟合模型的参数；
S2-2、将上述拟合模型进行线性转换，得到最后的数据驱动模型，以便于后续进行数据处理，转换结果如下：
ln(ΔR)＝an+exp(b)
ln(ΔR)＝an+c
其中，c为线性转换后的等效参数。
4.根据权利要求1所述的MOSFET寿命预测方法，其特征在于，所述步骤S3的具体步骤为：
S3-1、从历史数据中随机选择k个点作为一个子样本集；
S3-2、计算出该子样本集的拟合模型f(n)；
S3-3、设置一个阈值δ，用子样本集的拟合模型f(n)对所有历史数据进行阈值检验，判别依据如下：
若|Xi-f(n)|≤δ，则Xi被标记为内群点；
若|Xi-f(n)|＞δ，则Xi被标记为离群点；
其中，Xi为第i个历史数据；同时记录下内群点的数量；
S3-4、重复操作步骤S3-1至S3-3，迭代次数设置为m；
S3-5、迭代完成后，选择出内群点的数量最多的那一次，再对这些内群点用最小二乘法重新估计出拟合模型h(n)，同时舍弃历史数据集中的其余数据。
5.根据权利要求1所述的MOSFET寿命预测方法，其特征在于，所述步骤S4的具体步骤为：
S4-1、根据模型h(n)分别建立系统的状态方程和观测方程：
X(k)＝AX(k-1)+Bw(k-1)
Z(k)＝CX(k)+Dv(k)
其中，X(k)为步骤S3操作后剩余数据中的第k个数据；w和v分别为系统的过程噪声与测量噪声；A、B、C、D为系统相关的参数矩阵；
S4-2、根据状态方程，利用第k-1次的数据预测第k次的数据：
X(k|k-1)＝AX(k-1|k-1)
其预测的协方差矩阵为：
P(k|k-1)＝AP(k-1|k-1)AT+BQBT
计算其卡尔曼增益为：
K＝P(k|k-1)CT/(CP(k|k-1)CT+R)
再利用状态的观测值，来最优化预测值，从而进行状态更新：
X(k|k)＝X(k|k-1)+K(Z(k)-CX(k|k-1))
最后更新协方差矩阵：
P(k|k)＝[I-KC]P(k|k-1)
其中，Q和R分别为过程噪声和测量噪声的协方差；Z为系统的观测值；I为单位矩阵；
S4-3、系统进入下一个状态，重复步骤S4-2，继续更新对应的协方差矩阵，从而继续估算下一状态的值，以此迭代计算下去。
6.根据权利要求1所述的MOSFET寿命预测方法，其特征在于，所述步骤S5的具体方法为：
设置一个预警阈值，当某一状态估计的值大于或等于这个阈值时，该状态对应的循环次数就是器件的寿命终点，再根据当前器件的实验次数，就可以估算出该MOSFET器件的剩余使用寿命。
CN202111246228.5A 2021-10-26 2021-10-26 一种mosfet寿命预测方法 Pending CN113945818A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111246228.5A CN113945818A (zh) 2021-10-26 2021-10-26 一种mosfet寿命预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111246228.5A CN113945818A (zh) 2021-10-26 2021-10-26 一种mosfet寿命预测方法

Publications (1)

Publication Number Publication Date
CN113945818A true CN113945818A (zh) 2022-01-18

Family

ID=79332330

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111246228.5A Pending CN113945818A (zh) 2021-10-26 2021-10-26 一种mosfet寿命预测方法

Country Status (1)

Country Link
CN (1) CN113945818A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115308558A (zh) * 2022-08-29 2022-11-08 北京智芯微电子科技有限公司 Cmos器件寿命预测方法、装置、电子设备及介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103675637A (zh) * 2013-11-14 2014-03-26 南京航空航天大学 功率mosfet健康状态评估与剩余寿命预测方法
CN107403242A (zh) * 2017-08-10 2017-11-28 四川大学 基于改进无味粒子滤波的设备剩余寿命预测方法
CN110991011A (zh) * 2019-11-14 2020-04-10 广东电网有限责任公司 一种变压器实时热点温度预测方法
CN112329352A (zh) * 2021-01-06 2021-02-05 山东广域科技有限责任公司 应用于电力系统的超级电容器寿命预测方法及装置
CN113392507A (zh) * 2021-05-25 2021-09-14 西安科技大学 一种锂离子动力电池剩余寿命预测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103675637A (zh) * 2013-11-14 2014-03-26 南京航空航天大学 功率mosfet健康状态评估与剩余寿命预测方法
CN107403242A (zh) * 2017-08-10 2017-11-28 四川大学 基于改进无味粒子滤波的设备剩余寿命预测方法
CN110991011A (zh) * 2019-11-14 2020-04-10 广东电网有限责任公司 一种变压器实时热点温度预测方法
CN112329352A (zh) * 2021-01-06 2021-02-05 山东广域科技有限责任公司 应用于电力系统的超级电容器寿命预测方法及装置
CN113392507A (zh) * 2021-05-25 2021-09-14 西安科技大学 一种锂离子动力电池剩余寿命预测方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
刘坤: ""概率引导的随机采样一致性算法"", 《计算机辅助设计及图形学学报》 *
刘坤: ""概率引导的随机采样一致性算法"", 《计算机辅助设计及图形学学报》, vol. 21, no. 5, 30 May 2009 (2009-05-30), pages 1 - 3 *
郭稳: ""功率MOSFET剩余使用寿命预测方法及热疲劳建模研究"", 《中国优秀硕士学位论文全文数据库（电子期刊）》 *
郭稳: ""功率MOSFET剩余使用寿命预测方法及热疲劳建模研究"", 《中国优秀硕士学位论文全文数据库（电子期刊）》, 31 March 2021 (2021-03-31), pages 2 - 4 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115308558A (zh) * 2022-08-29 2022-11-08 北京智芯微电子科技有限公司 Cmos器件寿命预测方法、装置、电子设备及介质

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
CN113987932A (zh) 一种基于时间序列模型的mosfet寿命预测方法
CN113945818A (zh) 一种mosfet寿命预测方法
CN109143012B (zh) Igbt剩余寿命预估方法
CN111293671B (zh) 基于结温预测的功率器件热保护与预警方法及系统
CN110297130B (zh) 一种具有燃料电池内阻测量功能的dc/dc变换器及内阻测量方法
CN108445371B (zh) 绝缘栅双极型晶体管使用寿命预分拣方法
CN111190088A (zh) 一种igbt性能退化特征参数的提取方法
Heydarzadeh et al. Bayesian remaining useful lifetime prediction of thermally aged power MOSFETs
CN116205140A (zh) 一种基于lstm-arima的igbt剩余使用寿命预测方法
Ismail et al. Gaussian process regression remaining useful lifetime prediction of thermally aged power IGBT
Biglarbegian et al. On condition monitoring of high frequency power GaN converters with adaptive prognostics
CN105550397A (zh) 一种基于损伤电压的igbt模块状态评估方法
CN112098798A (zh) 一种基于神经网络的碳化硅mos器件结温在线测量方法
Dou An improved prediction model of IGBT junction temperature based on backpropagation neural network and Kalman filter
CN107544008B (zh) 车载igbt状态监测方法及装置
Yuan et al. Online junction temperature estimation system for IGBT based on BP neural network
CN114186492A (zh) 一种基于门控循环单元神经网络的SiC MOSFET器件寿命预测方法
CN116702060A (zh) 一种多电平逆变器功率器件故障诊断方法
CN107622167B (zh) 一种用于栅控器件的集电极电流软测量方法
Haque et al. RUL estimation of power semiconductor switch using evolutionary time series prediction
US20230104896A1 (en) Nonlinear autoregressive exogenous (narx) modelling for power electronic device modelling
CN113987899A (zh) 一种基于无迹卡尔曼粒子滤波的igbt寿命预测方法
CN113987900A (zh) 一种基于扩展卡尔曼粒子滤波的igbt寿命预测方法
Alyakhni et al. Joint estimation of MOSFET degradation in a DC-DC converter using extended Kalman filter

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20220118