CN114902156B - 功率半导体模组散热系统的配置方法及电子设备 - Google Patents
功率半导体模组散热系统的配置方法及电子设备 Download PDFInfo
- Publication number
- CN114902156B CN114902156B CN202180007590.9A CN202180007590A CN114902156B CN 114902156 B CN114902156 B CN 114902156B CN 202180007590 A CN202180007590 A CN 202180007590A CN 114902156 B CN114902156 B CN 114902156B
- Authority
- CN
- China
- Prior art keywords
- system configuration
- power semiconductor
- iteration
- target
- configurations
- 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
- 239000004065 semiconductor Substances 0.000 title claims abstract description 191
- 238000000034 method Methods 0.000 title claims abstract description 66
- 230000017525 heat dissipation Effects 0.000 title claims abstract description 55
- 238000005457 optimization Methods 0.000 claims abstract description 121
- 239000000463 material Substances 0.000 claims description 35
- 238000004806 packaging method and process Methods 0.000 claims description 30
- 230000007246 mechanism Effects 0.000 claims description 26
- 238000003860 storage Methods 0.000 claims description 6
- 238000012804 iterative process Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 2
- 238000013461 design Methods 0.000 abstract description 4
- 239000000758 substrate Substances 0.000 description 40
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 24
- 229910052802 copper Inorganic materials 0.000 description 24
- 239000010949 copper Substances 0.000 description 24
- 229910000679 solder Inorganic materials 0.000 description 18
- 239000002245 particle Substances 0.000 description 17
- 238000004422 calculation algorithm Methods 0.000 description 15
- 210000000349 chromosome Anatomy 0.000 description 12
- 230000002068 genetic effect Effects 0.000 description 12
- 230000006870 function Effects 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 10
- 239000004519 grease Substances 0.000 description 10
- 229920001296 polysiloxane Polymers 0.000 description 10
- 230000035772 mutation Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 108090000623 proteins and genes Proteins 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 239000000110 cooling liquid Substances 0.000 description 7
- 230000008859 change Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- HBMJWWWQQXIZIP-UHFFFAOYSA-N silicon carbide Chemical compound [Si+]#[C-] HBMJWWWQQXIZIP-UHFFFAOYSA-N 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 4
- 238000010438 heat treatment Methods 0.000 description 4
- 239000002184 metal Substances 0.000 description 4
- 229910052751 metal Inorganic materials 0.000 description 4
- 230000002093 peripheral effect Effects 0.000 description 4
- 229910010271 silicon carbide Inorganic materials 0.000 description 4
- 238000003466 welding Methods 0.000 description 4
- 238000012356 Product development Methods 0.000 description 3
- 238000001816 cooling Methods 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 229920000049 Carbon (fiber) Polymers 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 2
- PNEYBMLMFCGWSK-UHFFFAOYSA-N aluminium oxide Inorganic materials [O-2].[O-2].[O-2].[Al+3].[Al+3] PNEYBMLMFCGWSK-UHFFFAOYSA-N 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 239000004917 carbon fiber Substances 0.000 description 2
- 239000004020 conductor Substances 0.000 description 2
- 239000002826 coolant Substances 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000011810 insulating material Substances 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 230000002787 reinforcement Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 108010045503 Myeloma Proteins Proteins 0.000 description 1
- 102000005717 Myeloma Proteins Human genes 0.000 description 1
- 229910052581 Si3N4 Inorganic materials 0.000 description 1
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003638 chemical reducing agent Substances 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 229910052593 corundum Inorganic materials 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000002542 deteriorative effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 229920006336 epoxy molding compound Polymers 0.000 description 1
- 239000003822 epoxy resin Substances 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000005669 field effect Effects 0.000 description 1
- 239000000499 gel Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 150000002736 metal compounds Chemical class 0.000 description 1
- 238000000465 moulding Methods 0.000 description 1
- 239000002070 nanowire Substances 0.000 description 1
- 239000012782 phase change material Substances 0.000 description 1
- 238000007747 plating Methods 0.000 description 1
- 229920000647 polyepoxide Polymers 0.000 description 1
- 230000010076 replication Effects 0.000 description 1
- 229920005989 resin Polymers 0.000 description 1
- 239000011347 resin Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- HQVNEWCFYHHQES-UHFFFAOYSA-N silicon nitride Chemical compound N12[Si]34N5[Si]62N3[Si]51N64 HQVNEWCFYHHQES-UHFFFAOYSA-N 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 229910001845 yogo sapphire Inorganic materials 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
- G06F1/16—Constructional details or arrangements
- G06F1/20—Cooling means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L23/00—Details of semiconductor or other solid state devices
- H01L23/34—Arrangements for cooling, heating, ventilating or temperature compensation ; Temperature sensing arrangements
- H01L23/36—Selection of materials, or shaping, to facilitate cooling or heating, e.g. heatsinks
- H01L23/367—Cooling facilitated by shape of device
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Computer Hardware Design (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Biomedical Technology (AREA)
- Genetics & Genomics (AREA)
- Data Mining & Analysis (AREA)
- Power Engineering (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Chemical & Material Sciences (AREA)
- Materials Engineering (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Physiology (AREA)
- Geometry (AREA)
- Cooling Or The Like Of Semiconductors Or Solid State Devices (AREA)
Abstract
一种功率半导体模组散热系统的配置方法及电子设备,其中,该方法包括:获取目标电学参数和目标优化参数;获取初始系统配置集合,初始系统配置集合包括至少一个系统配置,该系统配置用于指示功率半导体模组散热系统中的组件的配置,组件包括功率半导体芯片,系统配置中的功率半导体芯片的数量由目标电学参数确定;以目标优化参数为优化目标在约束条件内对初始系统配置集合进行优化,其中,满足约束条件的系统配置的峰值工况温度小于温度阈值;输出最终优化后的系统配置。该方法将系统分解为组件,可以基于要求自动化设计系统配置,快速得到符合要求的产品解决方案。
Description
技术领域
本发明涉及能源技术领域,尤其涉及一种功率半导体模组散热系统的配置方法及电子设备。
背景技术
功率半导体模组(power semiconductor module)是大功率电子电力芯片按一定的功能组合再灌封成一体的产品。功率半导体模组可根据封装的元器件的不同实现不同功能,其是逆变器、变换器等电力电子产品的核心器件,也是最主要的发热器件,其封装的散热能力对产品的技术指标起到决定性作用。
然而,客户对功率半导体模组散热系统的需求日益多样化,在基于客户要求设计功率半导体模组散热系统时,需要基于客户要求和自身经验来挑选各个元器件进行组装,产品开发效率低。此外,在对模组设计原理不了解的情况下,客户无法定义出最优的需求配置;而供应商对于客户的应用场景不了解时,也无法给出最优的参数配置建议。
因此,如何进行功率半导体模组散热系统的自动化、最优化设计是当前亟待解决的技术问题。
发明内容
本申请实施例提供了一种功率半导体模组散热系统的配置方法及电子设备,将系统分解为可以独立演进的组件,可以基于要求实现自动化最优化设计,快速得到符合要求的产品解决方案。
第一方面,本发明实施例提供了一种功率半导体模组散热系统的配置方法,包括:
电子设备获取目标电学参数和目标优化参数;获取初始系统配置集合,该初始系统配置集合包括至少一个系统配置,系统配置用于指示功率半导体模组散热系统中的组件的配置,组件是功率半导体模组散热系统中一个元部件或多个元部件的组合,组件包括功率半导体芯片,系统配置中的功率半导体芯片的数量由所述目标电学参数确定;进一步地,以目标优化参数为优化目标在约束条件内对初始系统配置集合进行优化,其中,满足约束条件的系统配置的峰值工况温度小于温度阈值;进而,输出最终优化后的系统配置。
上述方法将系统分解为组件,组件可以独立演进和设计,可以基于要求自动化设计系统配置,快速得到符合要求的产品解决方案。
进一步地,该方法可以实现系统中组件的独立演进,加快了产品开发效率。并且,各个系统配置可以共用系统封装的生产线,不同的系统配置仅需调整该生产线中的必要参数即可。
在一种可能的实现中,电子设备以所述目标优化参数为优化目标在约束条件内对所述初始系统配置集合进行优化的一种实现可以是:以所述目标优化参数为优化目标在约束条件内对所述初始系统配置集合进行多次迭代优化,其中,k为大于1的正整数,第k次迭代过程包括:确定第k-1次迭代得到的系统配置集合中每一个系统配置的目标优化参数,第0次迭代得到的系统配置集合为所述初始系统配置集合;根据所述每一个系统配置的峰值工况损耗和所述每一个系统配置的热阻,确定所述每一个系统配置的峰值工况温度;从所述第k-1次迭代得到的系统配置集合中选择峰值工况温度满足所述约束条件的系统配置且目标优化参数最优的多个系统配置;在不满足迭代终止条件时,根据选择出的系统配置,生成第k次迭代得到的系统配置集合;
此时,输出最终优化后的系统配置的一种实现可以是:在满足迭代终止条件时,输出所述选择的系统配置或输出所述选择的系统配置中目标优化参数最优的系统配置。
上述方法,通过迭代寻找目标优化参数最优的系统配置,更加高效,大大缩短产品解决方案的交付时长。
在一种可能的实现中,电子设备可以采用遗传算法进行优化,此时,电子设备根据选择出的系统配置,生成第k次迭代得到的系统配置集合的一种实现方式可以是:电子设备对选择出的系统配置中的任意两个系统配置进行交叉操作,得到交叉后的系统配置;对所述交叉后的系统配置进行变异,得到变异后的系统配置;此时,所述第k次迭代得到的系统配置集合包括所述变异后的系统配置,或包括所述选择出的系统配置和所述变异后的系统配置。
上述方法,通过遗传算法进行迭代寻找目标优化参数最优的系统配置,在进行遗传操作时,采用了交叉操作和变异操作,可以得到的系统配置的全局最优解。
在一种可能的实现中,电子设备可以采用粒子群算法进行优化,此时,电子设备根据选择出的系统配置,生成第k次迭代得到的系统配置集合的一种实现方式可以是:电子设备确定历史迭代得到的系统配置中目标优化参数最优的系统配置与选择出的系统配置的差异为所述第一差异;确定所述选择出的系统配置历史更新得到的系统配置中目标优化参数最优的系统配置与所述选择出的系统配置的差异为第二差异;对所述第一差异和所述第二差异进行加权求和,得到第三差异;进一步地,更新所述选择出的系统配置为所述选择出的系统配置与所述第三差异之和,得到第k次迭代得到的系统配置集合,所述第k次迭代得到的系统配置集合包括更新后的所述选择出的系统配置。
上述方法,通过粒子群算法进行迭代寻找目标优化参数最优的系统配置,在优化时,考虑了全局最优解和个体最优解,加快优化的进程,且可以得到的系统配置的全局最优解。
在一种可能的实现中,电子设备根据所述每一个系统配置的峰值工况损耗和所述每一个系统配置的热阻,确定所述每一个系统配置的峰值工况温度的一种实现可以是:电子设备根据所述每一个系统配置中的功率半导体芯片的类型和数量,确定所述每一个系统配置中的功率半导体芯片的峰值工况损耗;确定所述每一个系统配置的热阻为所述每一个系统配置中除所述功率半导体芯片外所有组件的总热阻;确定所述每一个系统配置的峰值工况温度为所述每一个系统配置中的功率半导体芯片的峰值工况损耗与所述每一个系统配置的热阻的比值。
上述方法,保证了得到的系统配置可以符合实际应用的需要。
在一种可能的实现中,所述获取初始系统配置集合,包括:
随机生成多个系统配置;
从所述多个系统配置中选择组件满足匹配要求的系统配置作为所述至少一个系统配置。
上述方法,避免组件不匹配的系统配置,保证了得到的系统配置可以符合实际应用的需要。
在一种可能的实现中,所述目标优化参数包括成本、寿命和效率中的至少一种,或者其它可以计算得出的任意目标。
第二方面,本申请实施例还提供了一种功率半导体模组散热系统的配置装置,包括:
第一获取单元,用于获取目标电学参数和目标优化参数;
第二获取单元,用于获取初始系统配置集合,所述初始系统配置集合包括至少一个系统配置,所述系统配置用于指示功率半导体模组散热系统中的组件的配置,所述组件包括功率半导体芯片,所述组件是所述功率半导体模组散热系统中一个元部件或多个元部件的组合,所述系统配置中的功率半导体芯片的数量由所述目标电学参数确定;
优化单元,用于以所述目标优化参数为优化目标在约束条件内对所述初始系统配置集合进行优化,其中,满足所述约束条件的系统配置的峰值工况温度小于温度阈值;
输出单元,用于输出最终优化后的系统配置。
在一种可能的实现中,所述优化单元具体用于:以所述目标优化参数为优化目标在约束条件内对所述初始系统配置集合进行多次迭代优化,其中,k为大于1的正整数,第k次迭代过程包括:
确定第k-1次迭代得到的系统配置集合中每一个系统配置的目标优化参数,第0次迭代得到的系统配置集合为所述初始系统配置集合;
根据所述每一个系统配置的峰值工况损耗和所述每一个系统配置的热阻,确定所述每一个系统配置的峰值工况温度;
从所述第k-1次迭代得到的系统配置集合中选择峰值工况温度满足所述约束条件的系统配置且目标优化参数最优的多个系统配置;
在不满足迭代终止条件时,根据选择出的系统配置,生成第k次迭代得到的系统配置集合;
所述输出最终优化后的系统配置,包括:在满足迭代终止条件时,输出所述选择的系统配置或输出所述选择的系统配置中目标优化参数最优的系统配置。
在一种可能的实现中,所述优化单元用于根据选择出的系统配置,生成第k次迭代得到的系统配置集合,包括用于:
对选择出的系统配置中的任意两个系统配置进行交叉操作,得到交叉后的系统配置;
对所述交叉后的系统配置进行变异,得到变异后的系统配置;
所述第k次迭代得到的系统配置集合包括所述变异后的系统配置,或包括所述选择出的系统配置和所述变异后的系统配置。
在一种可能的实现中,所述优化单元用于根据选择出的系统配置,生成第k次迭代得到的系统配置集合,包括用于:
确定历史迭代得到的系统配置中目标优化参数最优的系统配置与选择出的系统配置的差异为所述第一差异;
确定所述选择出的系统配置历史更新得到的系统配置中目标优化参数最优的系统配置与所述选择出的系统配置的差异为第二差异;
对所述第一差异和所述第二差异进行加权求和,得到第三差异;
更新所述选择出的系统配置为所述选择出的系统配置与所述第三差异之和,得到第k次迭代得到的系统配置集合,所述第k次迭代得到的系统配置集合包括更新后的所述选择出的系统配置。
在一种可能的实现中,所述优化单元用于根据所述每一个系统配置的峰值工况损耗和所述每一个系统配置的热阻,确定所述每一个系统配置的峰值工况温度,包括用于:
根据所述每一个系统配置中的功率半导体芯片的类型和数量,确定所述每一个系统配置中的功率半导体芯片的峰值工况损耗;
确定所述每一个系统配置的热阻为所述每一个系统配置中除所述功率半导体芯片外所有组件的总热阻;
确定所述每一个系统配置的峰值工况温度为所述每一个系统配置中的功率半导体芯片的峰值工况损耗与所述每一个系统配置的热阻的比值。
在一种可能的实现中,所述第二获取单元,具体用于:
随机生成多个系统配置;
从所述多个系统配置中选择组件满足匹配要求的系统配置作为所述至少一个系统配置。
在一种可能的实现中,所述目标优化参数包括成本、寿命和效率中的至少一种。
可选地,上述装置还可以包括其他用于实现上述第一方面或第一方面任意一种可能的实现所述的方法中的其他功能单元,该装置中各个功能单元的具体实现和达到的有益效果可以参见上述第一方面或第一方面任意一种可能的实现中相关描述,这里不再赘述。
第三方面,本申请实施例还提供了一种电子设备,包括至少一个处理器和至少一个存储器,所述至少一个处理器耦合所述至少一个存储器,所述至少一个存储器用于存储计算机指令,当所述处理器执行所述计算机指令时,所述电子设备执行如上述第一方面或第一方面任意一种可能的实现中所述的方法。
可选地,上述电子设备还可以包括其他用于实现上述第一方面或第一方面任意一种可能的实现所述的方法中的元件或模块,该电子设备中处理器执行的各个步骤的具体实现和达到的有益效果可以参见上述第一方面或第一方面任意一种可能的实现中相关描述,这里不再赘述。
第四方面,本申请实施例还提供了一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序指令,所述计算机程序指令当被处理器执行时使所述处理器执行如上述第一方面或第一方面任意一种可能的实现中所述的方法。
附图说明
下面将对本申请实施例所需要选择的附图进行说明。
图1是本申请实施例提供的一种功率半导体模组的双面散热系统的结构示意图;
图2是本申请实施例提供的一种半桥电路的原理示意图;
图3是本申请实施例提供的一种组件化的功率半导体模组散热系统的示意性说明图;
图4是本申请实施例提供的一种电子设备的结构示意图;
图5是本申请实施例提供的一种功率半导体模组散热系统的配置方法的示意性说明图;
图6是本申请实施例提供的一种系统配置的优化方法的流程示意图;
图7是本申请实施例提供的另一种系统配置的优化方法的流程示意图。
具体实施方式
如下对本申请涉及的技术术语进行说明。
1.功率半导体模组(power semiconductor module)
功率半导体模组是大功率电子电力芯片按一定的功能组合再灌封成一体的产品。功率半导体模组可根据封装的元器件的不同实现不同功能。
功率半导体模组是逆变器、变换器等电力电子产品的核心器件,也是最主要的发热器件,其封装的散热能力对产品的技术指标起到决定性作用。
功率半导体模组的封装有单面冷却和双面冷却两种结构,区别点主要是热量主要由模组的单一表面单向传递至冷却介质,或由两个表面双向传递至冷却液。同等工艺条件下双面冷却封装散热能力更强,有助于充分发挥功率半导体芯片性能,提升产品功率密度,降低产品成本。
2.散热器(heat spreader)
散热器指冷却液流通换热的通道,外部环境与发热器件(本申请中为功率半导体模组)通过固态或液态导热材料互连,内部流通冷却液,其翅形可以为交错齿(staggeredteech)、涡翅片(vortex fin)、基地强化(base reinforced pin-fin)等,该机构可以增加冷却液换热面积和扰流程度来提升散热器的换热能力。
3.热界面材料(thermal interface material,TIM)
热界面材料是用于连接两个表面形成导热通道的材料,可以是绝缘或非绝缘材料,常见材料包括导热硅脂、碳纤维导热垫等。
4.功率半导体芯片
功率半导体芯片是具备实现电路开关功能的半导体芯片,通常由开关管组成,常见类型包括:绝缘栅双极型晶体管(insulated gate bipolar transistor,IGBT),IGBT和二极管(diode)的并联,碳化硅(SiC)衬底的金属-氧化物半导体场效应晶体管(metal-oxide-semiconductor field-effect transistor,MOSFET),SiC MOSFET和二极管并联等。
本申请中,基于开关管的类型不同,可以对功率半导体芯片进行分类。例如,开关管为IGBT的功率半导体芯片101也称为IGBT芯片;该开关管也可以是SiC MOSFET的功率半导体芯片也称为SiC芯片。
5.模组封装(packaging)
模组封装是指将功率半导体芯片与基板通过互连线、接线铜片(clip)进行电气连接,再通过环氧树脂模塑料(epoxy molding compound,EMC)、硅凝胶等密封后形成可以直接进行组装使用的功率半导体模组。
基板可以是包括图案化的铜层、平面铜层和该两层铜层之间的绝缘层,可以是直接覆铜绝缘基板(direct bonding copper,DBC)、活性金属钎焊覆铜基板(active metalbonding,AMB),DBC可以具体为绝缘层为氧化铝(Al2O3)DBC、AMB具体可以是氮化硅(Si3N4)AMB这里不作限定。
6.原子能力
本申请实施例中,功率半导体模组散热系统(以下简称为系统)中可以独立演进或设计的元部件或元部件组合,称为原子能力。例如,功率半导体芯片可以按照标准独立演进或设计,则其单独为一个原子能力;又例如,功率半导体模组的封装采用的基板、引脚、信号线、垫片等,通常需要一起演进或设计,则其组合为一个原子能力。
应理解,在本申请实施例中,一个原子能力也可以称为一个组件,一个组件是一个元部件或多个元部件的组合,此处,“多个”指“两个”或“两个以上”,该组件可以独立演进或设计。这里“多个”是指2个或2个以上。各个组件可以排列组合为一个系统配置,也称为一种产品方案。
还应理解,各个组件之间有固定的连接方式和固定排列组合方法,以使得其组合得到的系统中的各个组件可以匹配。例如,功率半导体芯片通过焊料与基板连接,功率半导体模组通过热界面材料与散热器连接等。
7.系统配置
本申请实施例中,系统配置用于指示功率半导体模组散热系统(以下简称为系统)中的组件的配置,即系统中各个组件的类型、数量,例如,一个系统配置其采用750V IGBT芯片、双面Al2O3 DBC基板的封装机构、双面硅脂的热界面材料、翅形为交错齿的散热器。
8.半桥电路(half-bridge)
半桥电路是两个开关管串联形成的功能电路,该电路以两个开关管中间的点作为输出,应用于脉宽调制(Pulse Width Modulation,PWM)电机控制、直流(DC)-交流(AC)逆变、电子镇流器等。
9.帕雷托最优(Pareto optimality)
帕雷托最优是指资源的一种理想状态,给定固有的一群人和可分配的资源,如果从一种分配状态到另一种状态的变化中,在没有使任何人境况变坏的前提下,使得至少一个人变得更好,也称为帕雷托改善。帕雷托最优的状态就是不可能再有更多的帕雷托改善的状态;换句话说,不可能在不使任何其他人不受损的情况下再改善某些人的境况。该原理在产品设计中可以引申为不可能在不牺牲一个或多个技术指标的情况下再改善某个技术指标。
例如,在本申请实施例中,给出一些系统配置,其参数(成本,寿命)分别为(10$,70万公里)、(9$,70万公里)、(10$,80万公里)、(8$,60万公里)。若系统配置的成本越地低、寿命越高,系统配置越优系统配置越优,越符合客户的要求。可见,评价参数为(9$,70万公里)、(8$,80万公里)的系统配置均优于优于评价参数为(10$,70万公里)的系统配置;而,评价参数为(9$,70万公里)、(10$,80万公里)、(8$,60万公里)的系统配置之间不能比较出优劣,此时,评价参数为(9$,70万公里)、(10$,80万公里)、(8$,60万公里)的系统配置为帕雷托最优的系统配置。
本申请实施例中提供的功率半导体模组散热系统的配置方法可以用于配置功率半导体模组散热系统中的各个部件,以得到满足客户或者车辆要求的功率半导体模组散热系统,该方法将系统中的部件分解为可以独立演进的芯片、基板、TIM材料、散热器等原子能力,从而实现对功率半导体模组散热系统更全面的模块化设计,并以基于客户需求或车辆要求排列组合快速形成最佳的解决方案。
功率半导体模组散热系统可以至少包括散热器、功率半导体模组和两者之间的热界面材料。功率半导体模组散热系统可以是功率半导体模组的单面散热系统或功率半导体模组的双面散热系统。本申请以图1所示的功率半导体模组的双面散热系统为例,示例性说明功率半导体模组的双面散热系统的结构。如图1所示,该系统可以包括两个散热器201、两个热界面材料301、功率半导体模组10。
散热器201为功率半导体模组10的散热组件,用于将功率半导体模组10工作中产生的热量与其内部流动的冷却液进行热交换,通过其内部流动的冷却液将热量带走,以使实现其内部流动的冷却液工作在规定的温度下。
热界面材料301位于散热器201与功率半导体模组10之间,是一种导热连接材料,用于连接功率半导体模组10和散热器201,为功率半导体模组10提供散热通道,使得功率半导体模组10工作中产生的热量可以传输到散热器201。
功率半导体模组10主要由包括至少一对功率半导体芯片101、至少一对二极管芯片102、第一基板109、多个引脚105、信号线111、开关管垫片107、二极管垫片108、和第二基板103。其中,功率半导体芯片101包括至少一个开关管,以开关管为IGBT为例来说明,IGBT的集电极C和发射极E分别暴露于该功率半导体芯片101的相对的两个表面,例如,集电极C暴露于功率半导体芯片101的第一表面,发射极E暴露于功率半导体芯片101的第二表面。应理解,当开关管为MOSFET,MOSFET的源极S和漏极D分别暴露于该功率半导体芯片101的相对的第一表面和第二表面。二极管芯片102包括至少一个二极管,二极管的两端,即正极和负极分别暴露于该二极管芯片102相对的两个表面。第一基板109和第二基板103均包括图案化的铜层、平面铜层和该两层铜层之间的绝缘层,其中,图案化的铜层用于与功率半导体芯片101和二极管芯片102耦合,实现电路的功能;平面铜层用于通过热界面材料301与散热器201连接,以将功率半导体模组10工作中产生的热量传导到散热器201。开关管垫片107、二极管垫片108均为导体,一方面,用于支撑第一基板109和第二基板103,保护功率半导体芯片101、二极管芯片102,另一方面,用于传输芯片与第一基板109的电信号。多个线接头105为功率半导体模组10的输入输出(I/O)端。
应理解,本发明实施例示意的功率半导体模组10的结构和连接方式并不构成对功率半导体模组10的具体限定。在本申请另一些实施例中,功率半导体模组10可以包括比图示更多或更少的部件,或者组合某些部件,或者拆分某些部件,或者不同的部件布置。例如,二极管芯片102中的二极管可以集成在功率半导体芯片101中。
上述功率半导体模组10中的各个部件进行电气连接可以构成半桥电路、全桥电路、H桥电路、以及任意定制电路等,可实现不同需求的电流、电压和功率的变换。本申请实施例以半桥电路为例来说明。
对于一对功率半导体芯片101和一对二极管芯片来说,其中一个功率半导体芯片101的集电极C通过焊料110与一开关管垫片107的一端面连接,该开关管垫片107的另一端面通过焊料110与第一基板109的图案化的铜层连接,该功率半导体芯片101的发射极E通过焊料104与第二基板103的功率半导体芯片连接;另一个功率半导体芯片101的发射极E通过焊料110与一开关管垫片107的一端面连接,该开关管垫片107的另一端面通过焊料110与第一基板109的图案化的铜层连接,该功率半导体芯片101的集电极C通过焊料104与第二基板103的图案化的铜层连接;一个二极管芯片102的负极通过焊料110与一开关管垫片107的一端面连接,该开关管垫片107的另一端面通过焊料110与第一基板109的图案化的铜层连接,该二极管芯片102的正极通过焊料104与第二基板103的功率半导体芯片连接;另一个二极管芯片102的正极通过焊料110与一开关管垫片107的一端面连接,该开关管垫片107的另一端面通过焊料110与第一基板109的图案化的铜层连接,该二极管芯片102的负极通过焊料104与第二基板103的图案化的铜层连接。
如图1所示,该系统还包括3个引脚105,其中一个引脚105连接第一基板109的图案化的铜层,一个引脚105连接第二基板103的图案化的铜层,另一个引脚105连接一对功率半导体芯片101中的一个功率半导体芯片101的发射极E和另一个功率半导体芯片101的集电极C。
上述功率半导体模组10的等效电路如图2所示,第一开关管T1和第二开关管T2为上述一对功率半导体芯片中的开关管,T1的集电极C和T2的发射极E分别为两个输入端Uin+、Uin-,T1的发射极E与T2的集电极C均连接输出端Uout。
进一步地,可以将电气连接完成后的功率半导体模组10进行包封、切筋成型,并处理上下两个表面。将液态、固态或可固化的热界面材料301放置于功率半导体模组10和散热器201之间,其中导热界面301材料可选用硅脂、凝胶、相变材料、焊料、纳米铜魔术贴、可固化绝缘树脂、碳纤维导热垫等,经过一定的温度、压力、时间后生成致密稳定的导热层,实现功率半导体模组的双面散热系统的集成。
可选地,上述系统还可以包括其他组件,如电机、减速器等,此处不作限定。
应理解,本申请实施例示意的功率半导体模组的双面散热系统的结构和连接方式并不构成对功率半导体模组的双面散热系统的具体限定。在本申请另一些实施例中,功率半导体模组的双面散热系统可以包括比图示更多或更少的部件,或者组合某些部件,或者拆分某些部件,或者不同的部件布置。
本申请实施例提供的功率半导体模组散热系统可以应用于电机驱动器,还可以应用与车载充电器、充电桩、工业模组等。例如,在车辆中可以作为电机驱动器的开关;又例如,在光伏逆变器中,可以作为逆变开关。
本申请实施例,对系统进行分解,得到多个原子能力,各个原子能力可以具有多种可选的类型,同一原子能力,其类型不同,则其成本、热阻、温度最大收益、收益比、可靠性等参数中的一项或多项不同。
本申请实施例,组成系统的各个原子能力(组件),可以具有一种或多种选择的类型,可以随意排列组合这些原子能力,以得到符合客户需求的最优系统配置,即得到符合客户需求的功率半导体模组散热系统。
如图3所示,为本申请实施例提供的一种组件化的功率半导体模组散热系统的示意性说明图。图3以系统包括4个原子能力为例来说明,分别为功率半导体芯片、封装机构、热界面材料和散热器为例来说明,应理解,系统还可以以其他方式分解,得到更多或更少的原子能力,例如,封装机构可以进一步分解出多个原子能力,此处不作限定。
以图3为例,功率半导体芯片可以包括3种类型,分别为750V IGBT芯片、1200VIGBT芯片,1200V SiC MOSFET芯片,其中,“750V”、“1200V”均指示芯片的最大承受电压,即耐压。封装机构可以分为采用DBC基板的封装机构、采用AMB基板的封装机构、采用铜块基板的封装机构。热界面材料可以分为双面硅脂(silicon grease)、硅脂和焊接(solder)、双面纳米贴(Nano wire)、双面可固化硅脂(solid silicon grease),其中,“硅脂和焊接”是指功率半导体模组一面采用双面硅脂,一面采用焊接方式。散热器以其翅形不同,分为交错齿、涡翅片、基地强化。
本申请实施例,可以针对上述原子能力建立组件数据库,如下表1所示,该组件数据库包括各个组件的类型,以及各个类型的组件的成本、热阻、温度最大收益、可靠性以及一些参数,如导电性、重量、尺寸等中的一项或多项。该组件数据库用于确定出匹配客户要求的最优的功率半导体模组散热系统。应理解,表1仅为示例性说明,表1中的数据“A”、“m”、“n”、“B”、“X”、“Y”、“Z”、“C”、“α”、“β”、“γ”、“D”、“i”、“j”、“G1-G14”、“S1-S7”、“R1-R11”仅为示例性说明,并未给出具体的数值,具体数值可以由实验测量得到。不限于表1中的组件、组件的参数,还可以包括其他组件,组件还可以包括其他的参数,对此不作限定。
需要说明的是,表1中的可靠性用于衡量其对应的组件的寿命,并不能指代该组件与其他组件组成系统的寿命,但是与系统的寿命是有关的,例如,组件的可靠性均高的系统,其寿命大概率高。
表1
下面结合图4介绍本申请实施例涉及的一种电子设备,该电子设备可以可以包括但不限于存储器401、处理器402、通信接口403以及总线404。其中,存储器401、处理器402、通信接口403等通过总线404实现彼此之间的通信连接。
存储器401可以是只读存储器(Read Only Memory,ROM),静态存储设备,动态存储设备或者随机存取存储器(Random Access Memory,RAM)。存储器401可以存储程序和数据,例如本申请中的组件数据库,当存储器401中存储的程序被处理器402执行时,处理器402和通信接口403用于实现本申请实施例提供的一种功率半导体模组散热系统的配置方法。
处理器402可以采用通用的中央处理器(Central Processing Unit,CPU),微处理器,应用专用集成电路(Application Specific Integrated Circuit,ASIC),图形处理器(graphics processing unit,GPU)或者一个或多个集成电路,用于执行相关程序,以实现本申请实施例提供的功率半导体模组散热系统的配置方法。关于功率半导体模组散热系统的配置方法可以参见下述图5所示的实施例,这里不再赘述。
处理器402还可以是一种集成电路芯片,具有信号的处理能力。在实现过程中,本申请的实施例五所述的方法中用户端执行的各个步骤可以通过处理器402中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器402还可以是通用处理器、数字信号处理器(Digital Signal Processing,DSP)、专用集成电路(ASIC)、现成可编程门阵列(FieldProgrammable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器401,处理器402读取存储器401中的信息,结合其硬件完成本申请实施例提供的功率半导体模组散热系统的配置方法。
通信接口403可以用于实现电子设备400与其他设备或通信网络之间的通信,可以是例如但不限于收发器一类的收发装置。
总线404可以是外设部件互连标准(peripheral component interconnect,PCI)总线、快捷外设部件互连标准(peripheral component interconnect express,PCIe)或扩展工业标准结构(extended industry standard architecture,EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,图2中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
可选地,电子设备400还可包括显示器或外接显示器,以显示通过本申请实施例提供的功率半导体模组散热系统的配置方法得到的功率半导体模组散热系统。
在一种场景中,电子设备400可以是手机、笔记本电脑、台式电脑、平板电脑、膝上电脑、云电脑等。电子设备可以接收输入的目标电学参数或计算得到电机需要的目标电学参数,基于组件数据库和该目标电学参数,执行功率半导体模组散热系统的配置方法,对系统配置进行优化,得到的优化后的系统配置,进一步地,可以通过显示屏显示该优化后的系统配置。
在另一种场景中,电子设备400可以是服务器、云服务器等,其中,客户端可以向服务器发送请求,该请求可以携带目标电学参数参数,服务器在接收到该请求后,响应于该请求,基于组件数据库和该目标电学参数,执行功率半导体模组散热系统的配置方法,对系统配置进行优化,得到的优化后的系统配置,进一步地,可以向客户端发送该最终优化得到的系统配置。
下面介绍本申请实施例涉及的一种功率半导体模组散热系统的配置方法,该功率半导体模组散热系统,可以是上述功率半导体模组的单面散热系统或功率半导体模组的双面散热系统,如图5所述,该方法可以由上述图4所示的电子设备来执行,该包括但不限于如下步骤:
S01:获取目标电学参数和目标优化参数。
其中,目标电学参数为要求的功率半导体模组的输出电压和电流,目标优化参数可以包括成本、寿命、效率、重量、体积等中的至少一个。
其中,目标电学参数可以是输入的客户要求的功率半导体模组的输出电压、电流。例如,该系统应用于车辆的电机驱动器,功率半导体模组的输出电压、电流、功率等由与整车需求匹配的动力总成配置决定,可选地,电子设备也可以根据客户的整车需求匹配的动力总成配置,计算出电机需要的电流和电压,即目标电学参数。其中,动力总成由发动机、变速箱、离合器等组成。
S02:获取初始系统配置集合。
在一种实现中,初始配置集合可以随机选择多个系统配置。其选择的方法可以是,从组件数据库中的组件进行排列组合,例如,任选一种功率半导体芯片、封装机构、热界面材料、散热器。其中,在选择系统配置时,需要根据目标电学参数确定各个系统配置中功率半导体芯片的数量。
在另一种实现中,电子设备可以随机生成多个系统配置;进而,从该多个系统配置中选择组件满足匹配要求的系统配置作为初始系统配置集合。
在又一种实现中,电子设备可以从组件数据库中选择一种组件,进而选择与已选择组件匹配的组件,直至得到一个系统配置,此时得到的系统配置中的各个组件相互匹配。
其中,两个组件之间相匹配是指该两个组件连接的,在判断组件之间是否相匹配的一种实现可以是:组件数据库可以存储各个组件的参数,如,功率半导体芯片的尺寸、功率半导体芯片中金属镀层的类别,焊料的厚度、材质,封装机构中的基板的尺寸、粗糙度,封装机构的导电性,热界面材料的导电性、可匹配的粗糙度、散热器的表面的粗糙度等。其中,功率半导体芯片与封装机构的相匹配可以是选定的数量的功率半导体芯片的总面积不大于封装机构中的基板的面积或不大于该基板面积的三分之二等,此处,三分之二还可以替换为其他小于1且大于0.5的正数;功率半导体芯片与焊料相匹配可以是功率半导体芯片中的金属镀层与焊料可以形成金属复合物,以提高焊接的可靠性;封装机构与热界面材料相匹配可以是封装机构的导电性和热界面材料的导电性均为绝缘或不同时为导电,此处,封装机构的导电性由其基板决定,基板的中间不包含绝缘层时(如纯铜基板),该基板导电,则封装机构导电,反之,基板中间包含绝缘材料(如DBC、AMB),则封装机构导电当基板的为纯铜基板时,其为导电向绝缘;热界面材料与散热器相匹配可以是散热器的粗糙度在热界面材料可匹配的粗糙度范围内。
应理解,上述以封装机构作为一个组件来说,在另一些实施例中,封装机构可以包括多个组件,例如,基板、引脚、焊料、开关管垫片、二极管垫片等均可以作为一个组件,组件间的相匹配是为了保证生成的系统配置所确定的系统是符合应用标准的要求,是可以被应用的。
还应理解,根据目标电学参数确定各个系统配置中功率半导体芯片的数量,该数量可以是一个数,也可以是多个数。当是多个数时,如3个数,即确定了3个系统配置,该3个系统配置中除半导体芯片的数量不同,其他均相同。当是一个数时,也可以在步骤S03中在约束条件和下优化系统配置中功率半导体芯片的数量。
具体地,每一种功率半导体芯片均具备其耐压和限流,目标电流电压包括目标电流和目标电压,目标电压根据母线电压和冲击电压选择,一般是功率半导体芯片耐压的60%~70%,目标电流根据输出要求确定,在交流应用场景下交流有效值一般是功率半导体芯片的耐流的总和的50%~70%。
需要说明的是,也可以不采用随机方式选择或生成初始系统配置集合,通过拉丁超立方抽样(Latin hypercube sampling,LHS)、蒙特卡罗方法(Monte Carlo method),田口法(Taguchi methods)、全因子实验法(full-factorial experiments)等来生成初始系统配置。
S03:以目标优化参数为优化目标在约束条件内对初始系统配置集合进行优化,其中,满足约束条件的系统配置的峰值工况温度小于温度阈值。
其中,目标优化参数可以是成本、寿命和效率等中的一个或多个。其中,以成本为优化目标,即优化目标是成本最小;以寿命为优化目标,即优化目标是寿命最高;以效率为优化目标,即优化目标是效率最高。
如下分别描述系统配置的成本、寿命和效率的计算方法:
(1)成本
系统配置的成本即为该系统配置中所有组件的成本之和。
(2)寿命
具体的,以车辆为例来说明,可以确定系统在测试周期工况下运行时,功率半导体芯片需要的电压和电流,得到电压电流与时间曲线,该电压电流与时间曲线指示功率半导体芯片需要的电压和电流在一个周期内的变化;进一步地,基于电压电流与时间曲线确定功率半导体芯片的功率损耗与时间曲线,功率损耗与时间曲线指示功率半导体芯片在一个周期内的功率损耗的变化;进而,根据功率损耗与时间曲线和该配置系统的热阻,确定配置系统的温度与时间曲线,该温度与时间曲线指示了配置系统的在一个周期内的温度的变化。进一步地,可以通过雨流法统计温度变化的幅度和频率,进而,将其代入Coffin-Mason寿命公式计算预期的寿命。
其中,测试周期工况可以采用新欧洲驾驶周期(new european driving cycle,NEDC)工况、WLTC(Worldwide Harmonized Light Vehicles Test Cycle)工况或CLTC(China Light-Duty Vehicle Test Cycle)工况。应理解,不限于上述Coffin-Mason寿命公式,还可以采用其他模型来计算,如逆幂律模型、阿伦尼斯(Arrhenius)模型、艾林(Eyring)模型等。
(3)效率
其中,系统配置的效率,即为系统配置所确定的系统的效率,为有用功和总功的比值,其中,对于车辆来说,有用功可以由电机在测试周期工况下的转矩和转速确定,总功即为上述功率损耗在一个周期上的积分。
应理解,电子设备可以从组件数据库(如表1)中获得各个组件的参数,成本、热阻、重量和尺寸等,以计算得到系统的成本、寿命、效率、重量、尺寸等目标优化参数。不限于表1所示的组件和组件的参数,表1还可以包括其他用于计算上述目标优化参数所需要的组件的参数。
如下对约束条件、峰值工况温度、温度阈值进行说明。
系统配置的峰值工况温度是指该系统配置所确定的系统的峰值工况温度,是指系统配置中的功率半导体芯片在达到峰值工况损耗时的温升。系统配置的峰值工况温度是根据该系统配置的峰值工况损耗和该系统配置的热阻来确定的,具体地,系统配置的峰值工况温度为系统配置的峰值工况损耗与系统配置的热阻的比值,即为:
其中,W为峰值工况损耗,R总是系统配置的热阻,ΔT为峰值工况温度,即为系统配置中的功率半导体芯片在达到峰值工况损耗时的温升。其中,系统配置的热阻,即为系统配置中各个组件的总热阻,可以从组件数据库中查找各个组件的热阻,进而基于组件之间的串并联关系,计算出总热阻。由于,系统中进行做功的器件只有功率半导体芯片,因此系统配置的峰值工况损耗即为该系统配置中功率半导体芯片的峰值工况损耗,可以由该系统配置中功率半导体芯片的类型和数量确定。
其中,通常温度阈值可以为定值,可以由电子设备设定,也可以与系统配置中功率半导体芯片的耐温有关。这是由于:可以被应用的系统配置均需要满足约束条件,即其所确定的峰值工况温度小于温度阈值,这是行业标准所规定的。而且,功率半导体芯片的耐温通常具有行业规定的标准,目前有150℃或175℃等。并且,功率半导体芯片的耐温与允许冷却介质的最大温升(即为温度阈值)之差,也具有行业规定的标准,目前通常为65℃、70℃。因此,温度阈值,即功率半导体芯片可被允许的最大温升可以是一个固定值,也可以是与半导体芯片的耐温有关。例如,耐温为175℃的功率半导体芯片所能允许的最大温升为175℃与65℃之差,即110℃。
S04:输出最终优化后的系统配置。
如下分基于优化方法的不同,分三个实施方式分别进行描述,应理解,不限于本申请实施例提供的三种系统配置的优化方法,还可以采用其他优化方法来实现系统配置的优化,这里不作限定。
实施方式1:
初始系统配置集合可以包括所有可能的系统配置。电子设备可以计算各个系统配置的目标优化参数,也可以基于上述峰值工况温度的计算方法,计算各个系统配置的峰值工况温度,进而,从初始系统配置中选择峰值工况温度满足约束条件的系统配置,再基于目标优化参数,对各个系统配置进行排序,进而挑选出目标优化参数最优的一个或多个系统配置。
应理解,当目标优化参数包括一个参数时,目标优化参数最优的系统配置通常只有一个。此时输出的最终优化后的系统配置可以是目标参数最优的系统配置,也可以是目标参数最优的前几个系统配置,例如前3个。当目标优化参数包括多个参数时,目标优化参数最优的系统配置为帕雷托最优的系统配置。此时输出的最终优化后的系统配置可以是目标优化参数处于帕雷托最优的系统配置。
进一步地,还可以根据用户设定的目标优化参数的阈值,此时,输出的最终优化后的系统配置还可以是从目标优化参数最优的多个系统配置中选定的满足该阈值要求的系统配置,例如,该阈值为成本阈值,则输出的最终优化后的系统配置是从目标优化参数最优的多个系统配置中选定的小于该成本阈值的系统配置。
实施方式2:
在实施方式2中采用遗传算法(genetic algorithm,GA)来对系统配置进行优化,首先,对应用遗传算法优化系统配置的原理进行说明,进一步地,结合应用场景,来说明该实施方式的具体实现。
通过遗传算法进行优化的原理是:一种系统配置可以被称为一条“染色体”,系统配置中的各个组件可以称为一个“基因”,若系统配置被拆解成功率半导体芯片、封装机构、热界面材料和散热器四个组件,则系统配置这个染色体包括4个基因。基因的遗传规律是选择出每一代中比较优良的染色体,而淘汰一些环境适应度较差的染色体。对应于遗传算法,则通过适应度函数衡量系统配置的适应度,进而选择适应度高的系统配置进行变异,得到下一代的系统配置,经过若干次迭代后染色体的质量越来越优良。可以理解,适应度函数决定了进化的方向,选择与优化目标相适应的适应度函数,可以使得进化向优化目标的方向进行。
具体地,如图6所示,该实施方式2可以包括但不限于如下部分或全部步骤:
S21:确定初始系统配置集合。
在一种实现中,初始配置集合可以随机选择多个系统配置,选择出系统配置后,需要根据目标电学参数确定各个系统配置中功率半导体芯片的数量,以用于确定其峰值工况损耗。
如下以第k次迭代过程为例来说明,其中,k为正整数,指示迭代次数。
S22:计算系统配置集合Qk-1中每一个系统配置的目标优化参数,Qk-1为第k-1次迭代得到的系统配置集合,第0次迭代得到的系统配置集合Q0即为初始系统配置集合。
关于目标优化参数的计算方法可以参见上述步骤S03中关于系统配置的成本、寿命和效率的计算方法,这里不再赘述。
S23:根据系统配置集合Qk-1中系统配置各自的峰值工况损耗和热阻,分别确定其各自的峰值工况温度。
关于系统配置的峰值工况温度的确定方法可以参见上述步骤S03中相关描述,这里不再赘述。
S24:根据峰值工况温度和目标优化参数从系统配置集合Qk-1中选出多个系统配置,得到系统配置集合Pk-1。
在一种实现中,电子设备可以从系统配置集合Qk-1中选择峰值工况温度满足约束条件的系统配置且目标优化参数最优的多个系统配置,即为系统配置集合Pk-1。
可选地,系统配置集合Pk-1中系统配置的个数可以是定值N或者最少不低于定值N,N为大于1的正整数,在系统配置集合Qk-1中峰值工况温度满足约束条件的系统配置的个数不小于N时,电子设备可以从系统配置集合Qk-1中选择峰值工况温度满足约束条件的系统配置且目标优化参数最优的N个系统配置;当系统配置集合Qk-1中峰值工况温度满足约束条件的系统配置小于N时,除选择出系统配置集合Qk-1中峰值工况温度满足约束条件的系统配置外,还可以从不满足约束条件的系统配置中选择目标优化参数最优的若干个系统配置,以使选择出的系统配置的个数等于N。
例如,系统配置集合中包括50个系统配置,该N可以是30。
S25:判断是否满足迭代终止条件。如果是,则执行S27,否者,执行S26。
其中,迭代终止条件可以是,迭代次数不小于预设次数,从系统配置集合Qk-1选择出的系统配置的目标优化参数收敛,或者,从系统配置集合Pk-1中包括满足客户要求的系统配置。例如,目标优化参数为成本,客户要求的系统配置为成本小于50$,则在系统配置集合Pk-1中包括成本小于50$的系统配置时,就可以停止迭代,执行S27,以输出该成本小于50$的系统配置。
S26:对系统配置集合Pk-1中系统配置进行遗传操作,生成系统配置集合Qk,即为第k次迭代得到的系统配置集合。
在遗传算法中,遗传操作可以包括交叉操作、变异操作和复制操作,本申请实施例中,可以对系统配置进行上述一种或多种操作。下面分别对各个操作进行说明。
交叉操作:从上一代的染色体中寻找两条染色体,一条是父亲,一条是母亲;然后将这两条染色体的在同一位置切断,将切断后的染色体拼接在一起,从而生成一条新的染色体。新的新染色体即包含了一定数量的父亲的基因,也包含了一定数量的母亲的基因。本申请实施例中,对选择出的两个系统配置(如第一系统配置和第二系统配置)进行交叉的一种实现可以是:第一配置系统为功率半导体芯片1、封装机构1、热界面材料1和散热器1,第二配置系统为功率半导体芯片2、封装机构2、热界面材料2和散热器2,第一系统配置和第二系统配置在封装机构以热界面材料之间的位置进行交叉,得到第三配置系统和第四配置系统,其中,第三配置系统包括功率半导体芯片1、封装机构1、热界面材料2和散热器2,第三配置系统包括功率半导体芯片2、封装机构2、热界面材料1和散热器1。
变异操作:交叉能保证每次进化留下优良的基因,但它仅仅是对原有的结果集进行选择,基因还是那么几个,只不过交换了他们的组合顺序。这只能保证经过N次进化后,计算结果更接近于局部最优解,而不能达到全局最优解,为了解决该问题,可以引入变异。变异可以是在交叉之后进行的,变异的过程可以是:随机修改交叉得到的配置系统中一个或多个组件的基因,例如,将第三配置系统中的功率半导体芯片1变异为功率半导体芯片3,从而得到第五系统配置,其包括功率半导体芯片3、封装机构1、热界面材料2和散热器2。
复制:每次进化中,为了保留上一代优良的染色体,需要将上一代中适应度最高的几条染色体直接原封不动地复制给下一代。即电子设备可以将系统配置集合Pk-1全部复制,或者从系统配置集合Pk-1中选择出的一或多个系统配置复制到系统配置集合Qk中。
例如,电子设备对系统配置集合Pk-1中的每两个系统配置进行交叉操作,得到交叉后的系统配置;进而,再对交叉后的系统配置进行变异操作,得到变异后的系统配置。此时,系统配置集合Qk可以包括变异后的系统配置,也可以包括变异后的系统配置。
可选地,电子设备还可以对系统配置集合Pk-1中系统配置进行复制操作,此时,系统配置集合Qk还可以包括系统配置集合Pk-1中的所有系统配置。
在S26之后,k=k+1,迭代执行S22-S26,直至满足迭代终止条件。
应理解,每次迭代得到的系统配置集合中系统配置的数量可以是定值,也可以是非定值。
S27:输出最终优化后的系统配置。
其中,在满足迭代终止条件时,最终优化后的系统配置可以是系统配置集合Pk-1,或系统配置集合Pk-1中目标优化参数最优的系统配置,或者系统配置集合Pk-1中满足客户要求的系统配置。
实施方式3:
在实施方式3中采用粒子群算法(Particle Swarm optimization,PSO)来对系统配置进行优化,首先,对应用粒子群算法优化系统配置的原理进行说明,进一步地,结合应用场景,来说明该实施方式的具体实现。
粒子群优化算法的基本思想是通过群体中个体之间的协作和信息共享来寻找最优解。通俗来讲,设想这样一个场景:一群鸟在随机搜索食物,在这个区域里只有一块食物,所有的鸟都不知道食物在那里,但是他们知道当前的位置离食物还有多远,那么找到食物的最优策略是什么呢?最简单有效的就是搜寻目前离食物最近的鸟的周围区域,鸟群在整个搜寻的过程中,通过相互传递各自的信息,让其他的鸟知道自己的位置,通过这样的协作,来判断自己找到的是不是最优解,同时也将最优解的信息传递给整个鸟群,最终,整个鸟群都能聚集在食物源周围,即找到了最优解。PSO中,每个优化问题的解都是搜索空间中的一只鸟,称之为“粒子”。所有的粒子都有一个由被优化的函数决定的适应值(fitnessvalue),每个粒子还有一个速度决定他们飞翔的方向和距离,然后粒子们就追随当前的最优粒子在解空间中搜索。其过程为:PSO初始化为一群随机粒子(随机解),然后通过迭代找到最优解。在每一次迭代中,粒子通过跟踪两个"极值"来更新自己,第一个就是粒子本身所找到的最优解,这个解叫做个体极值pBest,另一个极值是整个种群目前找到的最优解,这个极值是全局极值gBest。另外也可以不用整个种群而只是用其中一部分作为粒子的邻居,那么在所有邻居中的极值就是局部极值。
本申请中,一个系统配置包括多个组件,如M个组件,每一个组件的类型可以均作为系统配置的一个维度的参数,对各个组件的类型分别进行编码,则可以通过一个M维空间坐标来表示一个系统配置,即为上述PSO中一个粒子的位置。
具体地,如图7所示,该实施方式3可以包括但不限于如下部分或全部步骤:
S31:确定初始系统配置集合。其具体实现同上述实施方式2中步骤S21,这里不再赘述。应理解,此时初始系统配置集合即为PSO中初始化的一群随机粒子(随机解)。
S32:计算系统配置集合Qk-1中每一个系统配置的目标优化参数,其中,k为正整数,Qk-1为第k-1次迭代得到的系统配置集合,第0次迭代得到的系统配置集合Q0即为初始系统配置集合。
关于目标优化参数的计算方法可以参见上述步骤S03中关于系统配置的成本、寿命和效率的计算方法,这里不再赘述。
S33:根据系统配置集合Qk-1中系统配置各自的峰值工况损耗和热阻,分别确定其各自的峰值工况温度。
关于系统配置的峰值工况温度的确定方法可以参见上述步骤S03中相关描述,这里不再赘述。
S34:根据峰值工况温度和目标优化参数从系统配置集合Qk-1中选出多个系统配置,得到系统配置集合Pk-1。其具体实现同上述实施方式2中步骤S34,这里不再赘述。
S35:判断是否满足迭代终止条件。如果是,则执行S36-39,否者,执行S40。
关于迭代终止条件同上述实施方式2中迭代终止条件,可以参见上述实施方式2中相关描述,这里不再赘述。
S36:确定历史迭代得到的系统配置中目标优化参数最优的系统配置与系统配置集合Pk中每一个系统配置的第一差异。
其中,历史迭代得到的系统配置即为前k-1次迭代得到的系统配置集合,包括Q0、Q1、Q1、…、Qk-1。历史迭代得到的系统配置中目标优化参数最优的系统配置即为全局极值,以Qg(k-1)表示。以系统配置Si(k-1)为例来说明各个系统配置的第一差异vg(i,k)的计算方式,i为系统配置集合Pk-1中系统配置的索引,i为正整数且不大于系统配置集合Pk-1中系统配置的总数N,N为大于1的正整数。则vg(i,k)=Qg(k-1)-Si(k-1)。
S37:确定系统配置集合Pk-1中每一个系统配置的第二差异为该系统配置与该系统配置历史更新得到的系统配置中目标优化参数最优的系统配置的差异。
以系统配置Si(k-1)为例来说明各个系统配置的第二差异vp(i,k)的计算方式,系统配置Si(k-1)历史更新得到的系统配置中目标优化参数最优的系统配置即为个体极值,以Qp(k-1)表示,那么vp(i,k)=Qp(k-1)-Si(k-1)。
S38:对系统配置集合Pk-1中每一个系统配置的第一差异和第二差异进行加权求和,得到该系统配置的第三差异。
以系统配置Si(k-1)为例,系统配置Si(k-1)的第三差异可以表示为v(i,k),即为系统配置Si(k-1)的更新方向和距离,v(i,k)=a*vg(i,k)+b*vp(i,k),其中,a、b为大于正数。
S39:根据系统配置集合Pk中每一个系统配置的第三差异,更新其系统配置,得到系统配置集合Qk。其中,系统配置集合Qk即为第k次迭代得到的系统配置集合。
以系统配置Si(k-1)为例,更新后的系统配置Si(k-1)可以表示为Si(k),则:
Si(k)=Si(k-1)+v(i,k)
那么,系统配置集合Qk即为S1(k)、S2(k)、S3(k)、…、SN(k)。
应理解,上述S36和S37可以执行次序可以不分先后。S39
在S39之后,k=k+1,迭代执行S32-S39,直至满足迭代终止条件。
S40:输出最终优化后的系统配置。
其中,在满足迭代终止条件时,最终优化后的系统配置可以是系统配置集合Pk-1,或系统配置集合Pk-1中目标优化参数最优的系统配置,或者系统配置集合Pk-1中满足客户要求的系统配置。
不限于上述3种优化过程的实施方式,还可以采用AI算法自动进行排列组合,选择出最优的或者帕雷托最优的系统配置。
应用上述图5-图7提供的方法,基于目标优化参数的不同,介绍本申请实施例提供的几个实例:
实例1
在本实例中,目标优化参数为成本。此时,系统配置的目标优化参数,即为系统配置的成本。此时输出的最终优化的系统配置可以是满足迭代终止条件时,系统配置集合中成本最低的系统配置。
实例2
在本实例中,目标优化参数为寿命和成本,此时,初始系统配置集合还可以是从组件数据库中选择的可靠性高的半导体芯片、封装机构、热界面材料、散热器组成的系统配置,以加快优化的进程。此时输出的最终优化的系统配置可以是满足迭代终止条件时,系统配置集合中寿命和成本帕雷托最优的系统配置,以供客户进行选择。
实例3
在本实例中,目标优化参数为寿命和效率,还可以设置效率优先。此时,系统配置的目标优化参数,即为系统配置的寿命和效率。此时输出的最终优化的系统配置可以是满足迭代终止条件时,系统配置集合中寿命和效率帕雷托最优的系统配置中效率最高的系统配置。
可选地,对于车辆,还可以将电机、减速器纳入到系统中,分别作为一种原子能力,即系统中的组件,此时组件数据库也包括多种电机、减速器的成本等参数,但是,在计算系统的热阻时,可以不计电机、减速器的热阻。
本申请实施例中提供的功率半导体模组散热系统的配置方法,通过将系统分解为具备原子能力的组件,使得产品开发人员可以根据客户需求任意排列组合形成最佳性能比的系统配置的解决方案,更加灵活。通过优化算法,可以针对客户需求,自动化提供符合客户要的最佳产品方案。
而且,将系统分解为原子能力,可以使各个组件独立开发和演进,加快产品开发速度,更适合大规模团队联合开发。
本发明实施例中所使用的技术术语仅用于说明特定实施例而并不旨在限定本发明。在本文中,单数形式“一”、“该”及“所述”用于同时包括复数形式,除非上下文中明确另行说明。进一步地,在说明书中所使用的用于“包括”和/或“包含”是指存在所述特征、整体、步骤、操作、元件和/或构件,但是并不排除存在或增加一个或多个其它特征、整体、步骤、操作、元件和/或构件。
在所附权利要求中对应结构、材料、动作以及所有装置或者步骤以及功能元件的等同形式(如果存在的话)旨在包括结合其他明确要求的元件用于执行该功能的任何结构、材料或动作。本发明的描述出于实施例和描述的目的被给出,但并不旨在是穷举的或者将被发明限制在所公开的形式。
Claims (14)
1.一种功率半导体模组散热系统的配置方法,其特征在于,包括:
获取目标电学参数和目标优化参数;所述目标优化参数包括成本、寿命和效率中的至少一种;
从组件数据库中获取初始系统配置集合,所述初始系统配置集合包括至少一个系统配置,所述系统配置用于指示功率半导体模组散热系统中的组件的配置,所述组件是所述功率半导体模组散热系统中一个元部件或多个元部件的组合,所述组件包括功率半导体芯片,所述系统配置中的功率半导体芯片的数量由所述目标电学参数确定;所述组件还包括封装机构、热界面材料和散热器;所述组件数据库包括每个组件的类型以及每种类型的组件与所述目标优化参数相关的参数;
基于所述组件数据库以所述目标优化参数为优化目标在约束条件内对所述初始系统配置集合进行优化,其中,满足所述约束条件的系统配置的峰值工况温度小于温度阈值;
输出最终优化后的系统配置。
2.根据权利要求1所述的方法,其特征在于,所述以所述目标优化参数为优化目标在约束条件内对所述初始系统配置集合进行优化,包括:以所述目标优化参数为优化目标在约束条件内对所述初始系统配置集合进行多次迭代优化,其中,k为大于1的正整数,第k次迭代过程包括:
确定第k-1次迭代得到的系统配置集合中每一个系统配置的目标优化参数,第0次迭代得到的系统配置集合为所述初始系统配置集合;
根据所述每一个系统配置的峰值工况损耗和所述每一个系统配置的热阻,确定所述每一个系统配置的峰值工况温度;
从所述第k-1次迭代得到的系统配置集合中选择峰值工况温度满足所述约束条件的系统配置且目标优化参数最优的多个系统配置;
在不满足迭代终止条件时,根据选择出的系统配置,生成第k次迭代得到的系统配置集合;
所述输出最终优化后的系统配置,包括:在满足迭代终止条件时,输出所述选择的系统配置或输出所述选择的系统配置中目标优化参数最优的系统配置。
3.根据权利要求2所述的方法,其特征在于,所述根据选择出的系统配置,生成第k次迭代得到的系统配置集合,包括:
对选择出的系统配置中的任意两个系统配置进行交叉操作,得到交叉后的系统配置;
对所述交叉后的系统配置进行变异,得到变异后的系统配置;
所述第k次迭代得到的系统配置集合包括所述变异后的系统配置,或包括所述选择出的系统配置和所述变异后的系统配置。
4.根据权利要求2所述的方法,其特征在于,所述根据选择出的系统配置,生成第k次迭代得到的系统配置集合,包括:
确定历史迭代得到的系统配置中目标优化参数最优的系统配置与选择出的系统配置的差异为第一差异;
确定所述选择出的系统配置历史更新得到的系统配置中目标优化参数最优的系统配置与所述选择出的系统配置的差异为第二差异;
对所述第一差异和所述第二差异进行加权求和,得到第三差异;
更新所述选择出的系统配置为所述选择出的系统配置与所述第三差异之和,得到第k次迭代得到的系统配置集合,所述第k次迭代得到的系统配置集合包括更新后的所述选择出的系统配置。
5.根据权利要求2-4任一项所述的方法,其特征在于,所述根据所述每一个系统配置的峰值工况损耗和所述每一个系统配置的热阻,确定所述每一个系统配置的峰值工况温度,包括:
根据所述每一个系统配置中的功率半导体芯片的类型和数量,确定所述每一个系统配置中的功率半导体芯片的峰值工况损耗;
确定所述每一个系统配置的热阻为所述每一个系统配置中除所述功率半导体芯片外所有组件的总热阻;
确定所述每一个系统配置的峰值工况温度为所述每一个系统配置中的功率半导体芯片的峰值工况损耗与所述每一个系统配置的热阻的比值。
6.根据权利要求2-4任一项所述的方法,其特征在于,所述获取初始系统配置集合,包括:
随机生成多个系统配置;
从所述多个系统配置中选择组件满足匹配要求的系统配置作为所述至少一个系统配置。
7.一种功率半导体模组散热系统的配置装置,其特征在于,包括:
第一获取单元,用于获取目标电学参数和目标优化参数;所述目标优化参数包括成本、寿命、效率中的至少一种;
第二获取单元,用于从组件数据库中获取初始系统配置集合,所述初始系统配置集合包括至少一个系统配置,所述系统配置用于指示功率半导体模组散热系统中的组件的配置,所述组件是所述功率半导体模组散热系统中一个元部件或多个元部件的组合,所述组件包括功率半导体芯片,所述系统配置中的功率半导体芯片的数量由所述目标电学参数确定;所述组件还包括封装机构、热界面材料和散热器;所述组件数据库包括每个组件的类型以及每种类型的组件与所述目标优化参数相关的参数;
优化单元,用于基于所述组件数据库以所述目标优化参数为优化目标在约束条件内对所述初始系统配置集合进行优化,其中,满足所述约束条件的系统配置的峰值工况温度小于温度阈值;
输出单元,用于输出最终优化后的系统配置。
8.根据权利要求7所述的装置,其特征在于,所述优化单元具体用于:以所述目标优化参数为优化目标在约束条件内对所述初始系统配置集合进行多次迭代优化,其中,k为大于1的正整数,第k次迭代过程包括:
确定第k-1次迭代得到的系统配置集合中每一个系统配置的目标优化参数,第0次迭代得到的系统配置集合为所述初始系统配置集合;
根据所述每一个系统配置的峰值工况损耗和所述每一个系统配置的热阻,确定所述每一个系统配置的峰值工况温度;
从所述第k-1次迭代得到的系统配置集合中选择峰值工况温度满足所述约束条件的系统配置且目标优化参数最优的多个系统配置;
在不满足迭代终止条件时,根据选择出的系统配置,生成第k次迭代得到的系统配置集合;
所述输出最终优化后的系统配置,包括:在满足迭代终止条件时,输出所述选择的系统配置或输出所述选择的系统配置中目标优化参数最优的系统配置。
9.根据权利要求8所述的装置,其特征在于,所述优化单元用于根据选择出的系统配置,生成第k次迭代得到的系统配置集合,包括用于:
对选择出的系统配置中的任意两个系统配置进行交叉操作,得到交叉后的系统配置;
对所述交叉后的系统配置进行变异,得到变异后的系统配置;
所述第k次迭代得到的系统配置集合包括所述变异后的系统配置,或包括所述选择出的系统配置和所述变异后的系统配置。
10.根据权利要求8所述的装置,其特征在于,所述优化单元用于根据选择出的系统配置,生成第k次迭代得到的系统配置集合,包括用于:
确定历史迭代得到的系统配置中目标优化参数最优的系统配置与选择出的系统配置的差异为第一差异;
确定所述选择出的系统配置历史更新得到的系统配置中目标优化参数最优的系统配置与所述选择出的系统配置的差异为第二差异;
对所述第一差异和所述第二差异进行加权求和,得到第三差异;
更新所述选择出的系统配置为所述选择出的系统配置与所述第三差异之和,得到第k次迭代得到的系统配置集合,所述第k次迭代得到的系统配置集合包括更新后的所述选择出的系统配置。
11.根据权利要求7-10任一项所述的装置,其特征在于,所述优化单元用于根据所述每一个系统配置的峰值工况损耗和所述每一个系统配置的热阻,确定所述每一个系统配置的峰值工况温度,包括用于:
根据所述每一个系统配置中的功率半导体芯片的类型和数量,确定所述每一个系统配置中的功率半导体芯片的峰值工况损耗;
确定所述每一个系统配置的热阻为所述每一个系统配置中除所述功率半导体芯片外所有组件的总热阻;
确定所述每一个系统配置的峰值工况温度为所述每一个系统配置中的功率半导体芯片的峰值工况损耗与所述每一个系统配置的热阻的比值。
12.根据权利要求7-10任一项所述的装置,其特征在于,所述第二获取单元,具体用于:
随机生成多个系统配置;
从所述多个系统配置中选择组件满足匹配要求的系统配置作为所述至少一个系统配置。
13.一种电子设备,其特征在于,包括至少一个处理器和至少一个存储器,所述至少一个处理器耦合所述至少一个存储器,所述至少一个存储器用于存储计算机指令,当所述处理器执行所述计算机指令时,所述电子设备执行如权利要求1-6中任意一项所述的方法。
14.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序指令,所述计算机程序指令当被处理器执行时使所述处理器执行如权利要求1-6任一项所述的方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2021/084687 WO2022205181A1 (zh) | 2021-03-31 | 2021-03-31 | 功率半导体模组散热系统的配置方法及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114902156A CN114902156A (zh) | 2022-08-12 |
CN114902156B true CN114902156B (zh) | 2023-11-21 |
Family
ID=82714282
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180007590.9A Active CN114902156B (zh) | 2021-03-31 | 2021-03-31 | 功率半导体模组散热系统的配置方法及电子设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114902156B (zh) |
WO (1) | WO2022205181A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117059588A (zh) * | 2023-08-07 | 2023-11-14 | 上海林众电子科技有限公司 | 功率模块封装平台及功率模块 |
CN117320362B (zh) * | 2023-11-29 | 2024-02-13 | 四川赛狄信息技术股份公司 | 一种散热机箱、散热部件的确定方法以及信号处理设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104616062A (zh) * | 2015-02-15 | 2015-05-13 | 河海大学 | 一种基于多目标遗传规划的非线性系统辨识方法 |
CN109347346A (zh) * | 2018-11-30 | 2019-02-15 | 华南理工大学 | 一种基于多目标优化的电动汽车用变流器的设计方法 |
CN109577968A (zh) * | 2018-12-03 | 2019-04-05 | 中国石油大学(华东) | 一种水平井流入控制装置限流强度多目标优化方法 |
US10896271B1 (en) * | 2020-03-31 | 2021-01-19 | Mirmex Motor Sa | Optimized development of electro-mechanical devices |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012006026A1 (en) * | 2010-06-28 | 2012-01-12 | National Semiconductor, Inc. | Web based light-emitting diode and driver circuit system designer |
US11410905B2 (en) * | 2019-03-18 | 2022-08-09 | International Business Machines Corporation | Optimized weight heat spreader for an electronic package |
-
2021
- 2021-03-31 WO PCT/CN2021/084687 patent/WO2022205181A1/zh unknown
- 2021-03-31 CN CN202180007590.9A patent/CN114902156B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104616062A (zh) * | 2015-02-15 | 2015-05-13 | 河海大学 | 一种基于多目标遗传规划的非线性系统辨识方法 |
CN109347346A (zh) * | 2018-11-30 | 2019-02-15 | 华南理工大学 | 一种基于多目标优化的电动汽车用变流器的设计方法 |
CN109577968A (zh) * | 2018-12-03 | 2019-04-05 | 中国石油大学(华东) | 一种水平井流入控制装置限流强度多目标优化方法 |
US10896271B1 (en) * | 2020-03-31 | 2021-01-19 | Mirmex Motor Sa | Optimized development of electro-mechanical devices |
Also Published As
Publication number | Publication date |
---|---|
WO2022205181A1 (zh) | 2022-10-06 |
CN114902156A (zh) | 2022-08-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114902156B (zh) | 功率半导体模组散热系统的配置方法及电子设备 | |
US20040188706A1 (en) | High-power, integrated AC switch module with distributed array of hybrid devices | |
US20060005944A1 (en) | Thermoelectric heat dissipation device and method for fabricating the same | |
Abramushkina et al. | A thorough review of cooling concepts and thermal management techniques for automotive wbg inverters: Topology, technology and integration level | |
CN108964480B (zh) | 电力转换器 | |
Liu et al. | Direct liquid cooling For IGBT power module | |
CN113555492B (zh) | 一种电子余热收集装置及其控制方法 | |
Trani et al. | Thermal management solutions for a lightweight 3L GaN inverter | |
Li et al. | Thermal imbalance among paralleling chips in power modules and the impact from traction inverter system view | |
CN108122896A (zh) | 一种适合高频应用的薄型功率模块 | |
Tang et al. | Thermal modelling of a mutlichip IGBT power module | |
JP2007072846A (ja) | 熱電気変換機能を有するコンピューター | |
Omura | Future role of power electronics | |
Bydén et al. | Electro-thermal Models of Power Modules for Stochastic Optimization of Inverters | |
Cole et al. | Packaging of high frequency, high temperature silicon carbide (SiC) multichip power module (MCPM) bi-directional battery chargers for next generation hybrid electric vehicles | |
JP4697025B2 (ja) | 電力用半導体モジュール | |
Cole et al. | The design and development of a 15 kV SiC half-bridge multi-chip power module for medium voltage applications | |
CN220526897U (zh) | 一种功率器件散热结构 | |
JP3142173U (ja) | 熱電気変換機能を有するコンピューター | |
CN114121923A (zh) | 一种功率半导体模块封装结构 | |
CN113987891B (zh) | 一种用于igbt模块的多目标优化方法 | |
CN117672998B (zh) | 一种SiC双面散热功率模块 | |
CN213150759U (zh) | 一种igbt芯片排布结构 | |
CN117150732B (zh) | 一种基于压接器件的变频器功率单元水路设计方法及结构 | |
CN210052740U (zh) | 一种低电感高均流的igbt模块 |
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 |