CN115600423A - 一种电机控制器寿命评估方法 - Google Patents
一种电机控制器寿命评估方法 Download PDFInfo
- Publication number
- CN115600423A CN115600423A CN202211354138.2A CN202211354138A CN115600423A CN 115600423 A CN115600423 A CN 115600423A CN 202211354138 A CN202211354138 A CN 202211354138A CN 115600423 A CN115600423 A CN 115600423A
- Authority
- CN
- China
- Prior art keywords
- junction temperature
- motor controller
- life
- service life
- 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.)
- Pending
Links
Images
Classifications
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/04—Ageing analysis or optimisation against ageing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Computer Hardware Design (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Computation (AREA)
- Algebra (AREA)
- Geometry (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Power Conversion In General (AREA)
Abstract
本发明公开了一种电机控制器寿命评估方法,其包括如下步骤:S1,估算IGBT功率模块的结温;S2,将估算得到的结温上传新能源汽车大数据平台;S3,分类统计处理得到功率循环次数;S4,代入Arrhenius寿命模型公式得到失效功率循环次数;S5,基于Miner疲劳损伤累计法计算得到电机控制器的当前寿命D;S6,判断电机控制器的当前寿命D与上一个计算周期寿命D’的差值是否大于更新频次D0,若D-D’≥D0,对结温值进行更新修正,并返回S1进行新一轮的电机控制器寿命评估;若D-D’<D0,以S5得到的电机控制器的当前寿命作为电机控制器寿命评估值。通过引入寿命衰减因子,能够更准确的估算IGBT结温,与寿命评估相互迭代,更好的对新能源汽车实施故障预警和安全监控。
Description
技术领域
本发明涉及新能源汽车的电机控制器,具体涉及电机控制器寿命评估方法。
背景技术
新能源汽车在近年来取得了快速的发展。电机控制器作为电驱动系统的核心零部件,其可靠性对于新能源汽车的安全运行至关重要。因此必须准确地对电机控制器进行寿命评估,对于接近寿命终点的电机控制器进行更换或者维护,以确保新能源汽车的安全运行和动力输出。IGBT功率模块则是电机控制器的关键核心,参见图1,IGBT功率模块内部主要组成有:IGBT芯片、焊料层、覆铜陶瓷基板、底板。IGBT芯片主要成分为SiO2,覆铜陶瓷基板通常由Al2O3或AIN制成,具有高导热、高电绝缘等特性,底板一般由铜板制成。当IGBT功率模块工作时,半导体芯片发出的热量通过模块内部各层向下传递。由于各层材料的膨胀系数不同,各层受热的热膨胀程度将不同,从而在各层之间产生热机械应力,导致封装各层材料发生形变。如果温度持续波动,在各层之间便会持续的产生形变,累积的热疲劳损伤最终导致IGBT模块失效。总之,电机控制器的寿命评估即是对IGBT功率模块的寿命评估。
IGBT结温是指IGBT芯片运行时的最高温度,它是影响IGBT功率模块寿命的关键参数。为了研究IGBT结温对IGBT功率模块寿命的影响,分析结温和IGBT功率模块寿命的定量关系,发展出了基于解析模型的IGBT功率模块寿命评估方法。解析模型法首先是开展高应力水平下的加速老化试验,根据失效次数拟合Arrhenius寿命模型中的老化参数,再利用Arrhenius寿命模型外推正常应力水平下的IGBT寿命。然后通过雨流计数法,对一段时间内结温数据进行统计分析,根据平均结温和结温波动将实际应用中无规律的功率波动进行分类处理。将分类后的数据带入寿命模型计算寿命,最后通过Miner疲劳损伤累计法计算一段时间内结温变化所对应的寿命。
IGBT功率模块的寿命评估依赖于准确的结温检测。在实际应用场景中,IGBT功率模块封装在电机控制器中,无法通过传感器直接获取结温。因此,IGBT结温获取一般采用估算方法,热网络法是常用的结温估算方法。但是热网络法并未考虑IGBT功率模块因累积的热疲劳损伤带来的热阻增加,即热网络参数不随IGBT状态变化而更新。随着IGBT长期工作,累积的热疲劳越多,IGBT的估算结温与真实值的偏差越大,最终导致IGBT功率模块的寿命评估越不准确。不同的热疲劳损度,对应着不同的IGBT寿命,这意味着IGBT结温与IGBT寿命之间相互影响。本发明将IGBT寿命作为参考维度,对结温估算参数进行在线更新,然后再将全新的参数用于IGBT结温估算,进而开展新一轮的寿命评估。其中IGBT结温估算参数在线更新的频次,可根据寿命评估准确性的需求进行调节。
CN110514979A公开了一种地铁车辆牵引传动系统IGBT模块寿命预测方法,但是没有考虑热网络模型中热阻Zth随IGBT模块寿命衰减而变化的情况。一般来说,由于IGBT各层膨胀系数不同,各层受热的热膨胀程度将不同,从而在各层之间产生热机械应力,导致封装各层材料发生形变,最终结果导致热阻Zth增大。在应用热网络进行结温估算的方法中,即使IGBT运行在相同工况下,一旦热阻发生改变IGBT结温也会变化。如果不考虑热阻随IGBT寿命衰减带来的改变,则结温估算结果将比实际结果偏小,导致IGBT寿命评估结果偏大。
CN114004145A公开了一种基于径向基神经网络的IGBT寿命估算方法。该方案有三个问题,其一是采用了神经网络结温估算方法,神经网络依赖于大量样本数据,而且要求样本数据之间有明显的差异化,否则将影响神经网络的预测准确性。大量的、不重复且具有差异化的试验数据在实际应用中难以获取。其二该方案提到在同等工作条件下进行寿命预测,但在实际无规律的运行条件下,很难提取出标准的同等工作条件。实际操作中或许需要间隔性的,施加标准的同等工作条件来进行寿命预测,这种操作方式不具有实时性。其三将循环次数代表为器件的使用寿命,这不具有意义。因为实际应用中IGBT以无规律的工况运行着,并非以固定的应力水平和循环时间运行。必须考虑如何将实际应用中的无规律工况与标准的循环工况进行对应。
发明内容
本发明的目的是提供一种电机控制器寿命评估方法,其通过引入寿命衰减因子,能够更准确的估算IGBT结温,同时与寿命评估相互迭代,进而更好的对新能源汽车实施故障预警和安全监控
本发明所述的电机控制器寿命评估方法,其包括如下步骤:
S1,根据IGBT的损耗和热阻进行结温估算,得到电机控制器工作时IGBT功率模块的结温T估算;
S2,将S1得到的结温T估算上传新能源汽车大数据平台;
S3,采用雨流计数法,按照平均结温Tm和结温波动量ΔT对新能源汽车大数据平台上的多个结温数据进行分类统计处理,得到各个平均结温Tm和结温波动量ΔT下的功率循环次数Ncyc(ΔT,Tm);
S4,将S3统计的各个平均结温Tm和结温波动量ΔT代入Arrhenius寿命模型公式,得到各个平均结温Tm和结温波动量ΔT下的失效功率循环次数Nf(ΔT,Tm);
S5,基于Miner疲劳损伤累计法计算得到电机控制器的当前寿命D;
S6,判断电机控制器的当前寿命D与上一个计算周期寿命D’的差值是否大于更新频次D0,若D-D’≥D0,则根据公式T修正=T估算·h对结温值进行更新修正,式中h为寿命衰减因子,返回S1进行新一轮的电机控制器寿命评估,以下一个计算周期里S5得到的电机控制器的当前寿命D作为电机控制器寿命评估值;
若D-D’<D0,以S5得到的电机控制器的当前寿命D作为电机控制器寿命评估值。
进一步,S1中结温T估算的计算公式为:T估算=PlossZth+Tc;
式中,Ploss为IGBT损耗,Zth为热阻,由IGBT数据手册查表获得,Tc为IGBT壳温,通过内置热电偶传感器的方式实时获取;
IGBT损耗的计算式为Ploss=Pcond+Psw,
将导通压降Vce、集电极电流Ic、开关频率fsw、母线电压Vdc和负载电流Im作为输入参数,即可完成IGBT结温T估算的估算。
进一步,S3中雨流计数法的处理流程为:使用雨流计数法识别出一个极大值时,且当极大值堆栈中已经存极大值时,将之与新的极大值进行大小比较,否则,只将新的极大值存入堆栈;如果新的极大值大于极大值堆栈内的第一个值时,检测极小值堆栈内存在值的个数;
如果极小值堆栈个数=1,则识别出一个等效半周期,结温波动量ΔT=旧极大值-旧极小值,平均结温Tm=旧极小值+1/2ΔT,同时旧的极大值被新的极大值取代;
如果极小值堆栈个数≥2,则识别出一个等效全周期,结温波动量ΔT=新极小值-旧极大值,同时旧的极大值被新的极大值取代,最新的极小值将被移除;
在新的极大值小于极大值堆栈的情况下,将新的极大值存入极大值堆栈左侧,作为极大值堆栈内的第一个值即可;
完成以上操作后,如果极大值堆栈内依旧多于一个值,进行重复递归运算;最终统计各个平均结温Tm和结温波动量ΔT下,等效半周期、等效全周期的功率循环次数。
进一步,S4中Arrhenius寿命模型公式为式中,A和α是模型参数,通过加速寿命试验,结合极大似然法或者最小二乘法获得;Ea为与材料相关的激活能,取值为9.89×10-20J;kB为玻尔兹曼常数,取值为1.38×10-23J·K-1。
进一步,S6中寿命衰减因子的计算公式为h=exp(m(T估算)·D),D为S5计算得到电机控制器的当前寿命,m(T估算)为寿命调整系数,IGBT功率模块的结温越大,寿命调整系数越小。
进一步,所述寿命调整系数通过标定获得。
本发明先根据IGBT的损耗和热阻进行结温估算,然后在电机控制器工作过程中,将估算的结温上传至新能源汽车大数据平台,进行分类统计处理后,得到功率循环次数,并通过Arrhenius寿命模型公式得到失效功率循环次数,再采用Miner疲劳损伤累计法计算得到电机控制器在某一段时间内的当前寿命。最后,将计算得到的当前寿命作为参考维度,对估算参数进行在线更新,再将全新的参数用于IGBT结温估算,进而开展新一轮的寿命评估。其中IGBT结温估算参数在线更新的频次根据寿命评估准确性的需求进行调节。一般来说,经历长期工况后IGBT的寿命会发生衰减,同等工作条件下的结温升高。在进行电机控制器寿命评估时,若不考虑寿命衰减而带来的结温升高,将会计算出更长的电机控制器寿命,与实际情况发生偏离。本发明在结温估算方法中引入寿命衰减因子,能更准确的估算IGBT结温,同时与寿命评估互相迭代,进而更好的对新能源汽车实施故障预警和安全监控。
附图说明
图1为IGBT功率模块各层材料的热膨胀系数;
图2为电机控制器寿命评估方法的流程图;
图3为雨流计数法统计结温数据的流程图;
图4为Miner疲劳损伤累计法寿命评估流程图;
图5为寿命衰减因子更新流程图。
具体实施方式
为使本发明的目的、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,所描述的实施例仅仅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做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。
参见图2,所示的电机控制器寿命评估方法,其包括如下步骤:
S1,根据IGBT的损耗和热阻进行结温估算,得到电机控制器工作时IGBT功率模块的结温T估算。结温T估算的计算公式为:T估算=PlossZth+Tc。
式中,Ploss为IGBT损耗,Zth为热阻,由IGBT数据手册查表获得,Tc为IGBT壳温,通过内置热电偶传感器的方式实时获取。
IGBT损耗的计算式为Ploss=Pcond+Psw,
Pcond为导通损耗,Vce为导通压降,Ic为集电极电流,m为调制比,cosφ为功率因数,RT为IGBT内阻。导通压降Vce和集电极电流Ic通过采集电路进行提取。调制比m、功率因数cosφ、IGBT内阻RT是相对固定的参数,在实际应用中变化不大,通过标定试验得到。
Psw为开关损耗,fsw为开关频率,Vdc为母线电压,Im为负载电流,Eon为开通能量,Eoff为关断能量,Vnom为额定电压,Inom为额定电流。开关频率fsw、母线电压Vdc和负载电流Im在电机控制器运行过程中,通过传感器实时采集并结合控制算法计算得到。开通能量Eon、关断能量Eoff是与IGBT器件本身相关的特征参数,通过双脉冲试验测得,实际应用中结合试验数据查表获得。IGBT工作相关的额定电压Vnom和额定电流Inom在电机控制器选型设计完成后即可确定。
将导通压降Vce、集电极电流Ic、开关频率fsw、母线电压Vdc和负载电流Im作为输入参数,即可完成IGBT结温T估算的估算。
S2,将S1得到的结温T估算上传新能源汽车大数据平台。
S3,将上传新能源汽车大数据平台的无规律的多个结温数据,采用雨流计数法,按照平均结温Tm和结温波动量ΔT对新能源汽车大数据平台上的多个结温数据进行分类统计处理,得到各个平均结温Tm和结温波动量ΔT下的功率循环次数Ncyc(ΔT,Tm)。
参见图3,所示的雨流计数法统计结温数据具体为:使用雨流计数法识别出一个极大值时,且当极大值堆栈中已经存极大值时,将之与新的极大值进行大小比较,否则,只将新的极大值存入堆栈;如果新的极大值大于极大值堆栈内的第一个值时,检测极小值堆栈内存在值的个数;如果极小值堆栈个数=1,则识别出一个等效半周期,结温波动量ΔT=旧极大值-旧极小值,平均结温Tm=旧极小值+1/2ΔT,同时旧的极大值被新的极大值取代;如果极小值堆栈个数≥2,则识别出一个等效全周期,结温波动量ΔT=新极小值-旧极大值,同时旧的极大值被新的极大值取代,最新的极小值将被移除;在新的极大值小于极大值堆栈的情况下,将新的极大值存入极大值堆栈左侧,作为极大值堆栈内的第一个值即可;完成以上操作后,如果极大值堆栈内依旧多于一个值,进行重复递归运算;最终统计各个平均结温Tm和结温波动量ΔT下,等效半周期、等效全周期的功率循环次数。
S4,将S3统计的各个平均结温Tm和结温波动量ΔT代入Arrhenius寿命模型公式,得到各个平均结温Tm和结温波动量ΔT下的失效功率循环次数Nf(ΔT,Tm)。
所述Arrhenius寿命模型公式为式中,A和α是模型参数,通过加速寿命试验,结合极大似然法或者最小二乘法获得;Ea为与材料相关的激活能,取值为9.89×10-20J;kB为玻尔兹曼常数,取值为1.38×10-23J·K-1。
S5,基于Miner疲劳损伤累计法计算得到电机控制器的当前寿命D。
参见图4,计算无规律结温变化数据的寿命时,首先对平均结温Tm和结温波动量ΔT进行适当分组划分,得到二维矩阵分布。接着利用Arrhenius寿命模型,计算每一组平均结温Tm和结温波动量ΔT对应的失效循环次数,汇总后得到一个三维的柱状图,Z轴表示失效循环次数Nf(ΔT,Tm)。同时,对不规则的结温数据进行雨流计数法计算,依据S3中的平均结温Tm和结温波动量ΔT分组,统计对应的功率循环次数Ncyc(ΔT,Tm)。最后利用Miner疲劳损伤累计法,分别计算对应平均结温Tm和结温波动量ΔT下,雨流计数法的功率循环次数与Arrhenius寿命模型的失效循环次数的比值,再对其累加,得到此结温数据下的功率模块疲劳损伤累计值D,即IGBT寿命,计算公式具体为计算公式为
S6,参见图5,判断电机控制器的当前寿命D与上一个计算周期寿命D’的差值是否大于更新频次D0,若D-D’≥D0,则根据公式T修正=T估算·h对结温值进行更新修正,式中h为寿命衰减因子,返回S1进行新一轮的电机控制器寿命评估,以下一个计算周期里S5得到的电机控制器的当前寿命D作为电机控制器寿命评估值;若D-D’<D0,以S5得到的电机控制器的当前寿命D作为电机控制器寿命评估值。
寿命衰减因子的计算公式为h=exp(m(T估算)·D),D为S5计算得到电机控制器的当前寿命,m(T估算)为寿命调整系数,IGBT功率模块的结温越大,寿命调整系数越小。所述寿命调整系数通过标定获得,具体取值参见表1。
表1寿命调整系数取值表
估算结温T<sub>估算</sub>(℃) | …… | 50 | 100 | 150 | …… |
寿命调整系数m | …… | 1 | 0.4 | 0.2 | …… |
本发明先根据IGBT的损耗和热阻进行结温估算,然后在电机控制器工作过程中,将估算的结温上传至新能源汽车大数据平台,进行分类统计处理后,得到功率循环次数,并通过Arrhenius寿命模型公式得到失效功率循环次数,再采用Miner疲劳损伤累计法计算得到电机控制器在某一段时间内的当前寿命。最后,将计算得到的当前寿命作为参考维度,对估算参数进行在线更新,再将全新的参数用于IGBT结温估算,进而开展新一轮的寿命评估。其中IGBT结温估算参数在线更新的频次根据寿命评估准确性的需求进行调节。一般来说,经历长期工况后IGBT的寿命会发生衰减,同等工作条件下的结温升高。在进行电机控制器寿命评估时,若不考虑寿命衰减而带来的结温升高,将会计算出更长的电机控制器寿命,与实际情况发生偏离。本发明在结温估算方法中引入寿命衰减因子,能更准确的估算IGBT结温,同时与寿命评估互相迭代,进而更好的对新能源汽车实施故障预警和安全监控。
以上所述仅为本申请的较佳实施例而已,并不用以限制本申请,凡在本申请的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本申请的保护范围之内。
Claims (7)
1.一种电机控制器寿命评估方法,其特征在于,包括如下步骤:
S1,根据IGBT的损耗和热阻进行结温估算,得到电机控制器工作时IGBT功率模块的结温T估算;
S2,将S1得到的结温T估算上传新能源汽车大数据平台;
S3,采用雨流计数法,按照平均结温Tm和结温波动量ΔT对新能源汽车大数据平台上的多个结温数据进行分类统计处理,得到各个平均结温Tm和结温波动量ΔT下的功率循环次数Ncyc(ΔT,Tm);
S4,将S3统计的各个平均结温Tm和结温波动量ΔT代入Arrhenius寿命模型公式,得到各个平均结温Tm和结温波动量ΔT下的失效功率循环次数Nf(ΔT,Tm);
S5,基于Miner疲劳损伤累计法计算得到电机控制器的当前寿命D;
S6,判断电机控制器的当前寿命D与上一个计算周期寿命D’的差值是否大于更新频次D0,若D-D’≥D0,则根据公式T修正=T估算·h对结温值进行更新修正,式中h为寿命衰减因子,并返回S1进行新一轮的电机控制器寿命评估,以下一个计算周期里S5得到的电机控制器的当前寿命D作为电机控制器寿命评估值;
若D-D’<D0,则以S5得到的电机控制器的当前寿命D作为电机控制器寿命评估值。
2.根据权利要求1所述的电机控制器寿命评估方法,其特征在于:S1中结温T估算的计算公式为:T估算=PlossZth+Tc;
式中,Ploss为IGBT损耗,Zth为热阻,由IGBT数据手册查表获得,Tc为IGBT壳温,通过内置热电偶传感器的方式实时获取;
IGBT损耗的计算式为Ploss=Pcond+Psw,
将导通压降Vce、集电极电流Ic、开关频率fsw、母线电压Vdc和负载电流Im作为输入参数,即可完成IGBT结温T估算的估算。
3.根据权利要求1或2所述的电机控制器寿命评估方法,其特征在于:S3中雨流计数法的处理流程为:使用雨流计数法识别出一个极大值时,且当极大值堆栈中已经存极大值时,将之与新的极大值进行大小比较,否则,只将新的极大值存入堆栈;如果新的极大值大于极大值堆栈内的第一个值时,检测极小值堆栈内存在值的个数;
如果极小值堆栈个数=1,则识别出一个等效半周期,结温波动量ΔT=旧极大值-旧极小值,平均结温Tm=旧极小值+1/2ΔT,同时旧的极大值被新的极大值取代;
如果极小值堆栈个数≥2,则识别出一个等效全周期,结温波动量ΔT=新极小值-旧极大值,同时旧的极大值被新的极大值取代,最新的极小值将被移除;
在新的极大值小于极大值堆栈的情况下,将新的极大值存入极大值堆栈左侧,作为极大值堆栈内的第一个值即可;
完成以上操作后,如果极大值堆栈内依旧多于一个值,进行重复递归运算;最终统计各个平均结温Tm和结温波动量ΔT下,等效半周期、等效全周期的功率循环次数。
6.根据权利要求1或2所述的电机控制器寿命评估方法,其特征在于:S6中寿命衰减因子的计算公式为h=exp(m(T估算)·D),D为S5计算得到电机控制器的当前寿命,m(T估算)为寿命调整系数,IGBT功率模块的结温越大,寿命调整系数越小。
7.根据权利要求1或2所述的电机控制器寿命评估方法,其特征在于:所述寿命调整系数通过标定获得。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211354138.2A CN115600423A (zh) | 2022-10-31 | 2022-10-31 | 一种电机控制器寿命评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211354138.2A CN115600423A (zh) | 2022-10-31 | 2022-10-31 | 一种电机控制器寿命评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115600423A true CN115600423A (zh) | 2023-01-13 |
Family
ID=84850586
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211354138.2A Pending CN115600423A (zh) | 2022-10-31 | 2022-10-31 | 一种电机控制器寿命评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115600423A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116628633A (zh) * | 2023-07-26 | 2023-08-22 | 青岛中微创芯电子有限公司 | 一种igbt实时监测与使用寿命预测评估方法 |
-
2022
- 2022-10-31 CN CN202211354138.2A patent/CN115600423A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116628633A (zh) * | 2023-07-26 | 2023-08-22 | 青岛中微创芯电子有限公司 | 一种igbt实时监测与使用寿命预测评估方法 |
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 | |
CN111398766B (zh) | 一种igbt模块健康状态在线监测方法及系统 | |
EP3203250B1 (en) | Method and device for estimating a level of damage or a lifetime expectation of a power semiconductor module | |
EP2031948B1 (en) | Determination of the lifetime of a component | |
CN110161396A (zh) | Igbt的基于热模型的健康评估 | |
CN103197226B (zh) | 评价引线键合气密性封装模拟集成电路贮存寿命的方法 | |
EP3531146B1 (en) | Wire-bonded power semi-conductor module monitoring | |
CN109188232A (zh) | 一种igbt模块状态评估与剩余寿命预测模型的构建方法 | |
CN115600423A (zh) | 一种电机控制器寿命评估方法 | |
CN111060797A (zh) | 一种基于热网络自然频率的igbt模块健康状态监测方法 | |
CN115015723A (zh) | GaN功率器件的状态监测方法、装置、计算机设备和介质 | |
CN113267690B (zh) | 一种牵引变流器功率模块老化评估方法 | |
CN117932915A (zh) | 一种功率器件剩余寿命预测方法 | |
KR101543000B1 (ko) | 친환경 차량의 수온센서 관리 시스템 및 그 방법 | |
CN113703424B (zh) | 伺服驱动器的平均无故障工作时间试验评估方法 | |
WO2023184237A1 (zh) | 计算电子系统的剩余使用寿命的方法、装置及计算机介质 | |
US6405154B1 (en) | Method and apparatus for power electronics health monitoring | |
CN114184927A (zh) | 晶闸管寿命评估方法 | |
CN115358104A (zh) | 一种使用数字孪生方法的igbt模块健康监测方法 | |
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 | |
CN208537996U (zh) | 一种双路温控系统及空调设备 | |
CN113919116A (zh) | 基于garch模型的igbt剩余使用寿命预测方法 | |
Vaccaro et al. | A Methodology to Estimate On-Voltage Degradation of Power Devices According to a Power Cycling Mission Profile | |
CN112166308A (zh) | 用于确定半导体功率模块使用寿命的方法 | |
US20240272222A1 (en) | Method and device for increasing lifetime of power die or power module |
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 |