CN116467985B - Igbt动态雪崩电流丝预测方法及系统 - Google Patents
Igbt动态雪崩电流丝预测方法及系统 Download PDFInfo
- Publication number
- CN116467985B CN116467985B CN202310721339.XA CN202310721339A CN116467985B CN 116467985 B CN116467985 B CN 116467985B CN 202310721339 A CN202310721339 A CN 202310721339A CN 116467985 B CN116467985 B CN 116467985B
- Authority
- CN
- China
- Prior art keywords
- igbt
- dynamic avalanche
- current
- physical model
- waveform
- 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
- 238000004458 analytical method Methods 0.000 claims abstract description 12
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 9
- 238000002474 experimental method Methods 0.000 claims abstract description 9
- 238000002922 simulated annealing Methods 0.000 claims abstract description 9
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000005684 electric field Effects 0.000 claims description 11
- 238000005070 sampling Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 5
- 238000009826 distribution Methods 0.000 claims description 4
- 238000004904 shortening Methods 0.000 claims description 3
- 229910052710 silicon Inorganic materials 0.000 claims description 3
- 239000010703 silicon Substances 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 2
- 238000005215 recombination Methods 0.000 claims description 2
- 230000006798 recombination Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 12
- 238000004088 simulation Methods 0.000 description 12
- 238000003860 storage Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 10
- 230000008859 change Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000010432 diamond Substances 0.000 description 2
- 230000001965 increasing effect Effects 0.000 description 2
- 230000001939 inductive effect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 229910003460 diamond Inorganic materials 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/36—Circuit design at the analogue level
- G06F30/367—Design verification, e.g. using simulation, simulation program with integrated circuit emphasis [SPICE], direct methods or relaxation methods
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
Abstract
本发明公开了一种IGBT动态雪崩电流丝预测方法及系统，通过实验获得发生动态雪崩的IGBT集电极‑发射极电压关断波形，即第一波形；构建包含动态雪崩分析的IGBT芯片物理模型；利用模拟退火算法调整所述IGBT芯片物理模型的参数，获得使利用所述IGBT芯片物理模型获得的仿真的IGBT集电极‑发射极电压关断波形与所述第一波形匹配时的IGBT芯片物理模型，即调整后的IGBT芯片物理模型；利用调整后的IGBT芯片物理模型获得动态雪崩电流丝大小。本发明结合了IGBT物理模型，IGBT动态雪崩电流丝预测结果更为可靠。
Description
技术领域
本发明涉及功率半导体器件技术领域，特别是一种IGBT动态雪崩电流丝预测方法及系统。
背景技术
绝缘栅双极型晶体管（Insulated Gate Bipolar Transistor，IGBT）作为电力电子装置中的核心全控开关器件，结合了功率MOSFET和双极型晶体管的优点，具有易于驱动保护和开关频率高的优点，被广泛应用于各种功率等级的电力电子系统中。目前IGBT物理模型不断发展和完善，现有的IGBT物理模型可以反映参数和IGBT芯片性能的关系，并具有较高的精度。然而这些IGBT物理模型没有考虑IGBT动态雪崩的物理现象。在IGBT的硬关断开关期间，发射极侧的最大电场可能受到局部电荷密度的强烈影响，最大电场可达冲击电离的临界值，会发生动态雪崩现象。这将导致额外的功率损耗和各种可靠性问题，尤其是在感应负载的情况下，问题更加突出。设备的电压和电流越高，这种现象越严重。当动态雪崩效应足够强时，电流灯丝将出现，这是限制设备安全操作区域（SOA）的关键因素。因此，准确表征IGBT芯片由动态雪崩引起的电流丝以及由此产生的电荷和能量是十分有意义的。
目前的研究中，人们更多地关注IGBT动态雪崩电流丝及其引起的破坏机制。然而，需要注意的是，上述研究的前提是了解器件是否在动态雪崩中工作，以及了解动态雪崩电流丝大小。目前仍然缺乏对IGBT动态雪崩电流丝的准确预测方法。
发明内容
本发明所要解决的技术问题是，针对现有技术不足，提供一种IGBT动态雪崩电流丝预测方法及系统，提高IGBT动态雪崩电流丝预测结果的准确性。
为解决上述技术问题，本发明所采用的技术方案是：一种IGBT动态雪崩电流丝预测方法，包括以下步骤：
S1、通过实验获得发生动态雪崩的IGBT集电极-发射极电压关断波形，即第一波形；构建包含动态雪崩分析的IGBT芯片物理模型；
S2、利用模拟退火算法调整所述IGBT芯片物理模型的参数，获得使利用所述IGBT芯片物理模型获得的仿真的IGBT集电极-发射极电压关断波形与所述第一波形匹配时的IGBT芯片物理模型，即调整后的IGBT芯片物理模型；
S3、利用调整后的IGBT芯片物理模型获得动态雪崩电流丝大小。
从图7可以看出动态雪崩电流丝的产生会对集电极-发射极电压的斜率产生影响，动态雪崩电流的产生会导致集电极-发射极电压的斜率变小。本发明通过IGBT关断的集电极-发射极电压的斜率计算出动态雪崩电流丝的大小，结合IGBT物理模型提高了IGBT动态雪崩电流丝预测结果的准确性。
步骤S1中，所述包含动态雪崩分析的IGBT芯片物理模型包括存在动态雪崩电流丝的第一元胞模块和无动态雪崩电流丝的第二元胞模块；所述第一元胞模块和第二元胞模块各包括多个并联的元胞，所述第一元胞模块和第二元胞模块并联，第一元胞模块和第二元胞模块的面积比为S1：S2，其中，S1＜S2。本发明引入了元胞属性，由于器件元胞间的差异，实际情况下动态雪崩电流丝往往只存在于部分元胞区域，本发明合理考虑了这一点，进一步提高了动态雪崩电流丝预测精度和可靠性。
本发明中，存在动态雪崩电流丝的区域（第一元胞模块）的电流为单个元胞的电流乘此区域内的元胞数，存在动态雪崩电流丝的区域的电压为单个元胞的电压；无动态雪崩电流丝的区域（第二元胞模块）的电流为单个元胞的电流乘此区域内的元胞数，无动态雪崩电流丝的区域的电压为单个元胞的电压。
步骤S2中，利用模拟退火算法调整所述IGBT芯片物理模型的参数的具体实现过程包括：
1）在参数调整范围内随机生成一组初始参数，将该初始参数作为最新参数解和当前参数解；
2）判断是否达到接受所述最新参数解的条件，若是，则将该最新参数解更新为当前参数解，将该当前参数解代入所述IGBT芯片物理模型，获得集电极-发射极电压V CE 波形，即第二波形；对所述第一波形和第二波形以相同的步长进行采样，计算每个采样点的拟合误差，若所述拟合误差小于历史参数解对应的拟合误差，则将该当前参数解设置为最佳参数解，内循环次数加1，进入步骤3）；否则，进入步骤4）；
3）判断所述内循环次数是否等于最大内循环次数，若是，则进入步骤4）；否则，返回步骤2）；
4）将当前温度更新为当前温度与温度衰减系数的乘积，内循环次数清零，迭代次数加1，进入步骤5）；
5）判断迭代次数是否达到最大迭代次数，若否，则进入步骤6）；否则，进入步骤7）；
6）产生新的参数解，将所述新的参数解作为最新参数解，返回步骤2）；若是，则进入步骤7）；
其中，新的参数解x 1的计算公式为：，，lb为参数的下限，ub为参数的上限，r为0～1的随机数，x 0为当前参数解，N为生成的1行nar列服从标准正态分布的随机数矩阵，N1，j为N的第1行第j列的值，nar为调整参数的数量，T为当前温度；
7）输出最佳参数解，结束。
本发明结合了模拟退火算法，降低了人工成本，提高了方法实施的效率。
上述步骤2）中，接受所述最新参数解的条件包括条件一或条件二，其中：
条件一，最新参数解小于当前参数解；
条件二，最新参数解大于或等于当前参数解，且生成的0～1之间的随机数小于Metropolis准则计算的概率；所述Metropolis准则计算的概率p表示为：；y 1为最新参数解对应的拟合误差，y 0为当前参数解对应的拟合误差。
为保证模拟退火算法可靠运行，步骤2）中，拟合误差err的计算公式为：；m是采样点的总数量，V CES (k)为第一波形中第k个采样点的集电极-发射极电压，V CET (k)为第二波形中第k个采样点的集电极-发射极电压，V DC 为实验中的直流电源电压。
本发明步骤S3中，动态雪崩电流丝大小I dynAv 的计算公式为：
；
其中，，E ’ 为调整后的IGBT芯片物理模型中N-基区耗尽层的电场梯度，/>，N B 为N-基区掺杂浓度，ε为硅的介电常数，A为IGBT芯片的有源面积，v sat 为载流子饱和漂移速度，I p2为PN结处的空穴电流，W d2 为调整后的IGBT芯片物理模型中N-基区耗尽层的宽度，/>，A i =1.07×106cm-1，b i =1.65×106Vcm-1，E 0=1.9×105Vcm-1，/>，q为单位电子电荷，，K为增益系数，p x2为耗尽层边界处载流子密度。本发明通过动态雪崩电流产生的物理原理计算动态雪崩电流，提高了预测方法的可靠性。
上述步骤S3中，还包括：利用调整后的IGBT芯片物理模型获得动态雪崩电荷和能量。
步骤S3中，动态雪崩电荷Q dynAV 和能量P dynAV 的计算公式分别为：
；
；
其中，I dynAv 为动态雪崩电流丝大小，VCE为调整后的IGBT物理模型的集电极-发射极电压。
本发明所述IGBT芯片物理模型的参数包括：MOS跨导系数、沟道缩短参数、N-漂移区载流子寿命、发射极复合参数、缓冲层掺杂浓度、缓冲层厚度、缓冲层载流子寿命、门极阈值电压、单元间半宽、单元间面积与有源器件面积之比、N-漂移区掺杂浓度、N-漂移区厚度、杂散电感、单位氧化物电容值和门极电容值。
作为一个发明构思，本发明还提供了一种IGBT动态雪崩电流丝预测系统，包括：
一个或多个处理器；
存储器，其上存储有一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现本发明上述方法的步骤。
与现有技术相比，本发明所具有的有益效果为：
（1）本发明结合了IGBT物理模型，IGBT动态雪崩电流丝预测结果更为可靠；
（2）本发明考虑了动态雪崩电流丝的大小同时受到存在动态雪崩电流丝元胞区域的元胞特性和无动态雪崩电流丝元胞区域元胞特性的影响，使预测结果更为精确可靠；
（3）本发明可得到整个IGBT关断过程动态雪崩电流丝的实时变化波形及由此产生的电荷和能量，为IGBT芯片设计、制造以及可靠性研究提供指导。
附图说明
图1为本发明实施例的IGBT动态雪崩电流丝预测方法流程图；
图2为本发明实施例用于获取动态波形结果的电路原理图；
图3为本发明实施例IGBT半元胞示意图；
图4为本发明实施例IGBT元胞仿真模型示意图；
图5为本发明实施例存在动态雪崩电流丝的区域IGBT1和无动态雪崩电流丝的区域IGBT2组合方法示意图；
图6为本发明实施例仿真模型和实验的集电极-发射极电压变化率匹配方法流程图；
图7为本发明实施例通过调整IGBT物理模型参数拟合之后的集电极-发射极电压波形和预测的动态雪崩电流波形图；
图8为本发明实施例动态雪崩电流和集电极电流波形图；
图9为本发明实施例动态雪崩电荷总量波形图；
图10为本发明实施例动态雪崩能量波形图；
图3中：1、门极；2、发射极；3、集电极。
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、完整地说明，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。
实施例1
本发明实施例1介绍了一种IGBT动态雪崩电流丝预测方法，准确表征IGBT芯片由动态雪崩引起的电流丝以及由此产生的电荷和能量，为IGBT芯片设计、制造以及可靠性研究提供指导。图1为本发明实施例的一种IGBT动态雪崩电流丝预测方法流程图。
步骤1：通过实验测试，获得发生动态雪崩的IGBT集电极-发射极电压关断波形。
本实施例通过图2所示的电路完成IGBT的双脉冲测试，获得发生动态雪崩的IGBT集电极-发射极电压关断波形。图2中，Diode为二极管。
步骤2：根据IGBT元胞的物理机理，搭建IGBT元胞的物理模型并引入动态雪崩分析。
在一种实现方式中，IGBT半元胞（元胞为对称结构）示意图如图3所示。本实施例中，IGBT元胞物理模型的建立方法包括：根据IGBT元胞的不同结构和物理特性，IGBT的建模主要包括几个部分：N-漂移区、MOS部分、米勒电容C GC 、FS缓冲层。通过物理方程准确描述每个部分的物理特性，并通过对应的边界条件将各个部分连接在一起，组成IGBT元胞仿真模型。IGBT元胞仿真模型如图4所示。
未引入动态雪崩分析的IGBT元胞物理模型以及其每个部分的物理特性的描述见参考文献：P. Xue, G. Fu and D. Zhang, "Modeling Inductive SwitchingCharacteristics ofHigh-Speed Buffer Layer IGBT," in IEEE Transactions onPower Electronics, vol. 32, no. 4, pp. 3075-3087, April 2017,doi: 10.1109/TPEL.2016.2570838.
动态雪崩发生的条件描述如下：损耗层中PN结处雪崩倍增产生的电子电流密度。动态雪崩对快速恢复过程中反向电压峰值的限制起着重要作用。由于电子空穴对的产生降低了电场梯度，有效地增加了耗尽层电容。
引入动态雪崩分析后模型变化主要体现在：耗尽层电压V d2、耗尽层电场梯度E ’ 、耗尽层宽度W d2（耗尽层的边界位置x 2）等计算发生变化。
当PN结处电场变大，会引起碰撞电离系数的增加，进而形成动态雪崩。碰撞电离系数被定义为空穴（电子）沿着电场方向在耗尽层运行1cm所产生的电子-空穴数。碰撞电离系数计算如下：
，其中A i =1.07×106cm-1，b i =1.65×106Vcm-1，E 0=1.9×105Vcm-1。
由此载流子产生率可计算为：，其中/>，q为单位电子电荷，I p2为PN结处的空穴电流，I n2为PN结处的电子电流等于MOS部分沟道电流，A为IGBT芯片的有源面积。
将上式代入连续性方程。假设边界处空穴和电子浓度梯度为零并且耗尽层没有N-击穿漂移区，则动态雪崩电流可计算为：
，其中/>，E ’ 为N-基区耗尽层的电场梯度，W d2 为N-基区耗尽层的宽度。
IGBT关断动态雪崩发生时，N-基区耗尽层内的有效电荷浓度N eff 由N-基区是施主掺杂浓度N B 、空穴电流产生的空穴浓度以及雪崩产生的电子浓度组成。N-基区耗尽层内电场很大以至于空穴和电子漂移速度趋向于饱和，因此空穴电流产生的空穴浓度可计算为：，雪崩产生的电子浓度可计算为：/>，其中v sat 为载流子饱和漂移速度。
因此，N-基区耗尽层内的有效电荷浓度N eff 可计算为：，其中N B 为N-基区掺杂浓度。
通过泊松方程可知，雪崩产生的电子浓度影响着N-基区耗尽层的电场梯度，N-基区耗尽层的电场梯度可计算为：，其中ε为硅的介电常数。
V d2可以通过耗尽层边界处载流子密度p x2的反馈来计算：，其中K为一个大的增益系数，本实施例中K值为2000。
根据电压和电场的关系，引入动态雪崩分析后N-基区耗尽层的宽度可计算为：。
空穴电流可计算为：，其中I C 为集电极电流，I mos 为MOS部分沟道电流。
步骤3：根据动态雪崩电流丝产生的区域将IGBT元胞模型组合，构建包含动态雪崩分析的IGBT芯片物理模型。
IGBT通常由千千万万个元胞并联构成，常用的IGBT元胞形状有正六边形、正方形、菱形元胞和条形。本实施例方法针对常用的正六边形、正方形和菱形元胞结构。由于IGBT器件内部的栅电阻在芯片内有分布效应等因素，所以IGBT内部元胞的沟道是渐次关断的。在部分元胞沟道关断后，电子电流会向仍开通的元胞沟道挤压，在动态雪崩发生之前就已经会出现一定程度的电流集中。在适当条件下，动态雪崩会在沟道关断后的元胞处首先发生并形成电流丝，这是因为这里没有电子流对过多的正空间电荷进行补偿。两类电流集中有可能同时出现，导致问题更加复杂。因此，动态雪崩电流丝会出现在部分元胞区域。
在一定的电压、电流和温度条件下，动态雪崩电流丝的大小同时受到存在动态雪崩电流丝元胞区域的元胞特性和无动态雪崩电流丝元胞区域元胞特性的影响。IGBT芯片中所有元胞是并联的。本发明实施例的包含动态雪崩分析的IGBT芯片物理模型中存在动态雪崩电流丝的区域内所有元胞被认为是相同的，无动态雪崩电流丝的区域内所有元胞也被认为是相同的。因此，在存在动态雪崩电流丝的区域的电流为单个元胞的电流乘此区域内的元胞数，存在动态雪崩电流丝的区域的电压为单个元胞的电压；无动态雪崩电流丝的区域的电流为单个元胞的电流乘此区域内的元胞数，无动态雪崩电流丝的区域的电压为单个元胞的电压。将存在动态雪崩电流丝的区域（第一元胞模块）和无动态雪崩电流丝的区域（第二元胞模块）并联组成整个IGBT仿真模型，并联组合后的电路原理图如如图5所示。图5中R1为存在动态雪崩电流丝元胞区域IGBT1的门极电阻，LS1为存在动态雪崩电流丝元胞区域集电极杂散电感，R2为无动态雪崩电流丝元胞区域IGBT2的门极电阻，LS2为无动态雪崩电流丝元胞区域集电极杂散电感。本实施例中存在动态雪崩电流丝的区域和无动态雪崩电流丝的区域的面积比为5:13。
步骤4：通过调整IGBT物理模型参数拟合实验和仿真波形，使仿真模型和实验的集电极-发射极电压变化率匹配。
实验和仿真波形拟合部分，本实施例通过调整IGBT物理模型参数以使仿真模型和实验的集电极-发射极电压变化率匹配。此过程通过模拟退火算法优化实现。模拟退火算法优化的流程图如图6所示。
本实施例中，实验和仿真波形拟合需要调整 的IGBT物理模型参数包括K p、λ、τ、h ph、N H、W H、τ NH 、V th、l m、a i、N B、W B、L S、C ' OX、C g，其中K p为MOS跨导系数；λ为沟道缩短参数；τ为N-漂移区载流子寿命；h ph为发射极复合参数；N H为缓冲层掺杂浓度；W H为缓冲层厚度；τ NH 为缓冲层载流子寿命；V th为门极阈值电压；l m为单元间半宽；a i为单元间面积与有源器件面积之比；N B为N-漂移区掺杂浓度；W B为N-漂移区厚度；L S为杂散电感；C ' OX为单位氧化物电容值；C g为门极电容值。
1)：初始参数设定；
设定参数调整范围，设定初始温度，设定最大内循环次数，设定温度衰减系数，设定最大迭代次数。本实施例参数调整范围如表1所示，其中ub 表示参数的上限，lb表示参数的下限。
2)：在参数调整范围内随机生成一组初始参数解作为最新参数解和当前参数解。
3)：将最新参数解赋予相应参数变量，调用误差计算函数，获得当前的拟合误差。
将最新参数解赋予相应参数变量，以此方法更新物理模型模型的参数。调用仿真模型得到最新参数解所对应的IGBT物理模型的集电极-发射极电压V CE （即图5中的VCE’，两个元胞区域之间存在杂散电感LS1和LS2，因此IGBT器件的集电极-发射极电压为元胞区域电压加杂散上的电压）波形。将仿真模型的结果和实验结果采用插值的方法以相同的步长采样，计算每个采样点的拟合误差，拟合误差计算方法为：，其中V CES (k)为实验集电极-发射极电压波形，V CET (k)为IGBT物理模型仿真集电极-发射极电压波形，V DC 为图2中直流电源电压，m是采样点的总点数。
4)：判断是否达到接受新参数解的条件，如果没有达到接受新参数解的条件则进入步骤6）；
接受新参数解的条件为条件一或条件二。
条件一：新参数解小于当前参数解。
条件二：新参数解大于或等于当前参数解，并且生成一个0到1的随机数和Metropolis准则计算的一个概率比较，如果该随机数小于这个概率。
Metropolis准则计算概率的方法：，其中y 1为新参数解的拟合误差，y 0为当前参数解的拟合误差，T为当前温度。
5)：更新为当前参数解，内循环次数n加1；
将新参数解更新为当前参数解；判断该参数解所对应的拟合误差是否小于历史参数解所对应的拟合误差，如果小于则更新该参数解为最佳参数解；内循环次数n加1。
6)：判断是否达到降低温度的条件，如果没有达到降低温度的条件则进入步骤9）；
降低温度的条件为内循环次数等于最大内循环次数，本实施例中最大内循环次数为30。
7)：降低温度，n=0，迭代次数iter加1。
温度更新公式：，其中T为当前温度，T’为更新后的温度，α为温度衰减系数；内循环次数清零，即n=0；迭代次数加1。
8)：判断迭代次数是否达到最大迭代次数，如果达到最大迭代次数波形拟合完成退出优化程序并输出最优解；
9)：产生新的参数解，并回到步骤3）。
本实施例中，产生新的参数解x 1的方法包括：，其中/>，lb为参数的下限，ub为参数的上限，r为0-1的随机数，x 0为当前参数解，N为生成的1行nar列服从标准正态分布的随机数，nar为调整参数的数量。
本实施例通过调整IGBT物理模型参数，拟合之后的实验和仿真的集电极-发射极电压波形如图7所示。
步骤5：通过包含动态雪崩分析的仿真模型得到动态雪崩电流丝大小以及由此产生的电荷和能量。
动态雪崩电流丝大小为模型中I dynAv 的值。
本实施例通过模型得到的动态雪崩电流I dynAv 和集电极电流I C 波形图如图8所示。
动态雪崩电荷计算方法为：。
本实施例通过计算得到的动态雪崩电荷总量Q dynAv 波形图如图9所示。
动态雪崩能量计算方法为：，其中/>。
本实施例通过计算得到的动态雪崩能量E dynAv 波形图如图10所示。
实施例2
本发明实施例2提供一种对应上述实施例1的IGBT动态雪崩电流丝预测系统，包括存储器、处理器及存储在存储器上的计算机程序；处理器执行存储器上的计算机程序，以实现上述实施例1方法的步骤。
在一些实现中，存储器可以是高速随机存取存储器(RAM：Random AccessMemory)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。
在另一些实现中，处理器可以为中央处理器(CPU)、数字信号处理器(DSP)等各种类型通用处理器，在此不做限定。
实施例3
本发明实施例3提供了一种对应上述实施例1的计算机可读存储介质，其上存储有计算机程序/指令。计算机程序/指令被处理器执行时，实现上述实施例1方法的步骤。
计算机可读存储介质可以是保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是但不限于电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意组合。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。本申请实施例中的方案可以采用各种计算机语言实现，例如，面向对象的程序设计语言Java和直译式脚本语言JavaScript等。
本申请是参照根据本申请实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
Claims (8)
1.一种IGBT动态雪崩电流丝预测方法，其特征在于，包括以下步骤：
S1、通过实验获得发生动态雪崩的IGBT集电极-发射极电压关断波形，即第一波形；构建包含动态雪崩分析的IGBT芯片物理模型；所述包含动态雪崩分析的IGBT芯片物理模型包括存在动态雪崩电流丝的第一元胞模块和无动态雪崩电流丝的第二元胞模块；所述第一元胞模块和第二元胞模块各包括多个并联的元胞，所述第一元胞模块和第二元胞模块并联，第一元胞模块和第二元胞模块的面积比为S1：S2，其中，S1＜S2；
S2、利用模拟退火算法调整所述IGBT芯片物理模型的参数，获得使利用所述IGBT芯片物理模型获得的仿真的IGBT集电极-发射极电压关断波形与所述第一波形匹配时的IGBT芯片物理模型，即调整后的IGBT芯片物理模型；
S3、利用调整后的IGBT芯片物理模型获得动态雪崩电流丝大小；
步骤S3中，动态雪崩电流丝大小I dynAv 的计算公式为：
；
其中， ，E ’ 为调整后的IGBT芯片物理模型中N-基区耗尽层的电场梯度，/>，N B 为N-基区掺杂浓度，ε为硅的介电常数，A为IGBT芯片的有源面积，v sat 为载流子饱和漂移速度，I p2为PN结处的空穴电流，W d2 为调整后的IGBT芯片物理模型中N-基区耗尽层的宽度，/>，A i =1.07×106cm-1，b i =1.65×106Vcm-1，E 0=1.9×105Vcm-1，/> ， q为单位电子电荷， ，K为增益系数，p x2为耗尽层边界处载流子密度。
2.根据权利要求1所述的IGBT动态雪崩电流丝预测方法，其特征在于，步骤S2中，利用模拟退火算法调整所述IGBT芯片物理模型的参数的具体实现过程包括：
1）在参数调整范围内随机生成一组初始参数，将该初始参数作为最新参数解和当前参数解；
2）判断是否达到接受所述最新参数解的条件，若是，则将该最新参数解更新为当前参数解，将该当前参数解代入所述IGBT芯片物理模型，获得集电极-发射极电压V CE 波形，即第二波形；对所述第一波形和第二波形以相同的步长进行采样，计算每个采样点的拟合误差，若所述拟合误差小于历史参数解对应的拟合误差，则将该当前参数解设置为最佳参数解，内循环次数加1，进入步骤3）；否则，进入步骤4）；
3）判断所述内循环次数是否等于最大内循环次数，若是，则进入步骤4）；否则，返回步骤2）；
4）将当前温度更新为当前温度与温度衰减系数的乘积，内循环次数清零，迭代次数加1，进入步骤5）；
5）判断迭代次数是否达到最大迭代次数，若否，则进入步骤6）；否则，进入步骤7）；
6）产生新的参数解，将所述新的参数解作为最新参数解，返回步骤2）；若是，则进入步骤7）；
其中，新的参数解x 1的计算公式为：，，lb为参数的下限，ub为参数的上限，r为0～1的随机数，x 0为当前参数解，N为生成的1行nar列服从标准正态分布的随机数矩阵，N1，j为N的第1行第j列的值，nar为调整参数的数量，T为当前温度；
7）输出最佳参数解，结束。
3.根据权利要求2所述的IGBT动态雪崩电流丝预测方法，其特征在于，步骤2）中，接受所述最新参数解的条件包括条件一或条件二，其中：
条件一，最新参数解小于当前参数解；
条件二，最新参数解大于或等于当前参数解，且生成的0～1之间的随机数小于Metropolis准则计算的概率；所述Metropolis准则计算的概率p表示为：；y 1为最新参数解对应的拟合误差，y 0为当前参数解对应的拟合误差。
4.根据权利要求3所述的IGBT动态雪崩电流丝预测方法，其特征在于，步骤2）中，拟合误差err的计算公式为：；m是采样点的总数量，V CES (k)为第一波形中第k个采样点的集电极-发射极电压，V CET (k)为第二波形中第k个采样点的集电极-发射极电压，V DC 为实验中的直流电源电压。
5.根据权利要求1所述的IGBT动态雪崩电流丝预测方法，其特征在于，步骤S3中，还包括：利用调整后的IGBT芯片物理模型获得动态雪崩电荷和能量。
6.根据权利要求5所述的IGBT动态雪崩电流丝预测方法，其特征在于，步骤S3中，动态雪崩电荷Q dynAV 和能量E dynAv 的计算公式分别为：
；
；
其中，I dynAv 为动态雪崩电流丝大小，VCE为调整后的IGBT物理模型的集电极-发射极电压。
7.根据权利要求1所述的IGBT动态雪崩电流丝预测方法，其特征在于，所述IGBT芯片物理模型的参数包括：MOS跨导系数、沟道缩短参数、N-漂移区载流子寿命、发射极复合参数、缓冲层掺杂浓度、缓冲层厚度、缓冲层载流子寿命、门极阈值电压、单元间半宽、单元间面积与有源器件面积之比、N-漂移区掺杂浓度、N-漂移区厚度、杂散电感、单位氧化物电容值和门极电容值。
8.一种IGBT动态雪崩电流丝预测系统，其特征在于，包括：
一个或多个处理器；
存储器，其上存储有一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现权利要求1～7任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310721339.XA CN116467985B (zh) | 2023-06-19 | 2023-06-19 | Igbt动态雪崩电流丝预测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310721339.XA CN116467985B (zh) | 2023-06-19 | 2023-06-19 | Igbt动态雪崩电流丝预测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116467985A CN116467985A (zh) | 2023-07-21 |
| CN116467985B true CN116467985B (zh) | 2023-08-29 |
Family
ID=87184661
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310721339.XA Active CN116467985B (zh) | 2023-06-19 | 2023-06-19 | Igbt动态雪崩电流丝预测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116467985B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117471265A (zh) * | 2023-10-26 | 2024-01-30 | 北京邮电大学 | 一种雪崩光电二极管仿真电路 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106295013A (zh) * | 2016-08-12 | 2017-01-04 | 全球能源互联网研究院 | 一种高压半导体器件短期失效模型的建模方法 |
| CN108108573A (zh) * | 2018-01-15 | 2018-06-01 | 北京理工大学 | 一种igbt功率模块结温动态预测方法 |
| CN111881635A (zh) * | 2020-06-23 | 2020-11-03 | 西安理工大学 | 一种基于Mextram模型RF雪崩效应建模方法 |
| CN114496786A (zh) * | 2021-12-27 | 2022-05-13 | 扬州扬杰电子科技股份有限公司 | 一种提高igbt静态与动态雪崩能力的制备方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10897250B2 (en) * | 2018-11-16 | 2021-01-19 | Transportation Ip Holdings, Llc | Systems and methods for controlling dynamic avalanche in switching devices |
-
2023
- 2023-06-19 CN CN202310721339.XA patent/CN116467985B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106295013A (zh) * | 2016-08-12 | 2017-01-04 | 全球能源互联网研究院 | 一种高压半导体器件短期失效模型的建模方法 |
| CN108108573A (zh) * | 2018-01-15 | 2018-06-01 | 北京理工大学 | 一种igbt功率模块结温动态预测方法 |
| CN111881635A (zh) * | 2020-06-23 | 2020-11-03 | 西安理工大学 | 一种基于Mextram模型RF雪崩效应建模方法 |
| CN114496786A (zh) * | 2021-12-27 | 2022-05-13 | 扬州扬杰电子科技股份有限公司 | 一种提高igbt静态与动态雪崩能力的制备方法 |
Non-Patent Citations (1)
| Title |
|---|
| A Novel Virtual Sensing With Artificial Neural Network and K-Means Clustering for IGBT Current Measuring;X. Zeng et al.;《IEEE Transactions on Industrial Electronics》;第65卷(第9期);7343-7352 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116467985A (zh) | 2023-07-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116467985B (zh) | Igbt动态雪崩电流丝预测方法及系统 | |
| Xue et al. | Modeling inductive switching characteristics of high-speed buffer layer IGBT | |
| CN107195677A (zh) | 半导体装置和半导体装置的制造方法 | |
| Iwamuro et al. | Numerical analysis of short-circuit safe operating area for p-channel and n-channel IGBTs | |
| Riccio et al. | Electro-thermal instability in multi-cellular Trench-IGBTs in avalanche condition: Experiments and simulations | |
| Romano et al. | Influence of design parameters on the short-circuit ruggedness of SiC power MOSFETs | |
| Eremin et al. | Avalanche effect in Si heavily irradiated detectors: Physical model and perspectives for application | |
| CN114997092A (zh) | 基于机器学习和模型的半导体器件电学特性仿真方法 | |
| CN109712873A (zh) | 基于深层离子注入方式的mos场效应管抗位移辐照加固方法 | |
| CN106407542B (zh) | 用于电路仿真的门极换流晶闸管物理模型的建模方法 | |
| Yang et al. | An improved Fourier-series-based IGBT model by mitigating the effect of Gibbs phenomenon at turn on | |
| Yang et al. | Physics‐based insulated‐gate bipolar transistor model with input capacitance correction | |
| Ding et al. | Physics-based trench-gate field-stop IGBT modeling with optimization-based parameter extraction for device parameters | |
| Li et al. | Understanding electrical parameter degradations of P-GaN HEMT under repetitive short-circuit stresses | |
| Luo et al. | A voltage model of pin diodes at reverse recovery under short-time freewheeling | |
| CN112510077A (zh) | 一种绝缘栅双极晶体管及其制备方法 | |
| Ding et al. | A reliable device parameter extraction scheme for physics-based IGBT models | |
| Lee et al. | 4H-SiC 15kV n-IGBT physics-based sub-circuit model implemented in Simulink/Matlab | |
| Kuboyama et al. | Improved model for single-event burnout mechanism | |
| Daliento et al. | An improved model for extraction of strongly spatial dependent lifetimes with the ac lifetime profiling technique | |
| Ma et al. | Physical model of FS-IGBT considering dynamic avalanche electrical characteristics and analysis of chip non-uniform stress | |
| Tan et al. | Evaluation of the turn‐off transient controllability for high‐power IGBT modules | |
| Ren et al. | Optimal Design of Reverse Blocking IGCT for Hybrid Line Commutated Converter | |
| Yang et al. | A Novel Lumped-Charge Model for Insulated Gate Bipolar Transistor Based on Dynamic Charge Control | |
| Sun et al. | Investigation on Excess Carrier Distribution for a Quasi-2D Lumped-Charge Insulated Gate Bipolar Transistor Model |
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 |