CN116776525B - 一种数据驱动型igbt器件的驱动优化方法 - Google Patents
一种数据驱动型igbt器件的驱动优化方法 Download PDFInfo
- Publication number
- CN116776525B CN116776525B CN202310243120.3A CN202310243120A CN116776525B CN 116776525 B CN116776525 B CN 116776525B CN 202310243120 A CN202310243120 A CN 202310243120A CN 116776525 B CN116776525 B CN 116776525B
- Authority
- CN
- China
- Prior art keywords
- igbt device
- simulation
- driving
- data
- simulation model
- 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 52
- 238000005457 optimization Methods 0.000 title claims abstract description 18
- 238000004088 simulation Methods 0.000 claims abstract description 162
- 230000007613 environmental effect Effects 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000001228 spectrum Methods 0.000 claims description 9
- 238000011056 performance test Methods 0.000 abstract description 3
- 239000004065 semiconductor Substances 0.000 abstract description 2
- 230000009286 beneficial effect Effects 0.000 description 7
- 230000004927 fusion Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000004927 clay Substances 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及半导体技术领域，本发明提供了一种数据驱动型IGBT器件的驱动优化方法，包括：创建IGBT器件的运行仿真模型；采集IGBT器件的实时运行数据，并设定IGBT运行仿真模型的运行环境和驱动数据，生成仿真运行状态曲线；将运行状态曲线和期望工作曲线进行拟合适配，计算拟合差值，通过拟合差值调整IGBT器件的驱动控制参数。本发明能够通过仿真的状态，对IGBT器件进行性能测试，判断实际工作的驱动参数和期望工作参数的拟合差值，通过拟合差值对IGBT的控制参数进行调整，从而达到进行动态的优化IGBT器件的整体参数。
Description
技术领域
本发明涉及IGBT驱动控制技术领域，特别涉及一种数据驱动型IGBT器件的驱动优化方法。
背景技术
IGBT是一种绝缘栅双极型晶体管，属于复合全控型电压驱动式功率半导体器件，其被广泛用于与各种电力场景。
现有技术中的IGBT设备主要依靠驱动电路进行驱动，因为驱动电路的硬件设备是固定的，所以IGBT器件的驱动方式大多数只能以固定的驱动参数进行IGBT设备的驱动，而在负载设备电路存在波动时，IGBT的驱动电流和电压如果不变化，就会导致负载设备出现断停，或者负载设备的控制芯片被烧毁。
发明内容
本发明提供一种数据驱动型IGBT器件的驱动优化方法，用以解决负载设备电路存在波动时，IGBT的驱动电流和电压如果不变化，就会导致负载设备出现断停，或者负载设备的控制芯片被烧毁的情况。
一种数据驱动型IGBT器件的驱动优化方法，包括：
创建IGBT器件的运行仿真模型；
采集IGBT器件的实时运行数据，并设定IGBT运行仿真模型的运行环境和驱动数据，生成仿真运行状态曲线；
将运行状态曲线和期望工作曲线进行拟合适配，计算拟合差值，通过拟合差值调整IGBT器件的驱动控制参数。
作为本发明的一种实施例：所述方法还包括：
预先确定IGBT器件连接的负载设备；
在IGBT器件驱动所述负载设备时，实时采集负载设备的功率数据；
根据负载设备的功率数据，构建负载设备的负载运行状态曲线；
判断负载运行状态曲线中与期望负载运行值对应的最优运行状态坐标点；
根据最优运行状态坐标点，确定仿真运行状态曲线中对应的对应时间点；
根据对应时间点，确定IGBT器件的最优控制参数；
根据最优控制参数，生成期望工作曲线。
作为本发明的一种实施例：所述创建IGBT器件的运行仿真模型包括：
基于IGBT器件的运行属性范围参数，构建IGBT器件的3D运行仿真模型；其中，
运行属性范围参数包括：驱动功率阈值、输出功率阈值和损耗功率阈值
基于IGBT器件的环境属性，构建IGBT器件的环境仿真模型；其中，
环境属性包括：温度属性和湿度属性；
基于IGBT器件连接的负载参数，构建负载设备的负载动态运行模型；其中，
负载参数包括：负载额定运行功率、负载输入功率和负载功率损耗；
对3D运行仿真模型、环境仿真模型和负载动态运行模型进行拼接融合，构成GBT器件的运行仿真模型。
作为本发明的一种实施例：所述创建IGBT器件的运行仿真模型还包括：
基于运行属性范围参数、环境属性和负载参数以及驱动运行规则构建符合驱动控制的运行状态仿真模型；其中，
所述运行状态仿真模型包括IGBT器件运行状态仿真模型和负载运行状态仿真模型；
获取IGBT器件的驱动流程数据，确定运行状态仿真模型的驱动流程节点；其中，
驱动流程节点包括：控制节点、连接节点和运行输出节点；
通过驱动流程节点和运行状态仿真模型，搭建基于流程控制的运行仿真模型。
作为本发明的一种实施例：所述采集IGBT器件的实时运行数据包括：
预先设置时间轴，并基于时间轴采集IGBT器件的运行参数值；其中，
运行参数值包括：电压参数值、电流参数值和损耗参数值；
通过运行参数值，在三维坐标系中对IGBT器件的运行参数值的坐标点的进行标记，生成三维运行模型；
通过三维运行模型，生成不同时刻的运行序列，通过运行序列，确定实时运行数据。
作为本发明的一种实施例：所述方法还包括：
预先配置IGBT运行仿真模型的环境接入端口和驱动接入端口；其中，
环境接入端口用于输入IGBT运行仿真模型中每个时间点的温度设定值和湿度设定值；
驱动接入端口用于输入IGBT运行仿真模型中每个时间点的电压设定值、电流设定值和损耗设定值。
作为本发明的一种实施例：所述方法还包括
在IGBT运行仿真模型的运行环境和驱动数据设定后，通过IGBT运行仿真模型进行IGBT器件仿真预测；
通过IGBT器件仿真预测，输出仿真运行参数值；其中，
仿真运行参数包括：仿真电压参数、仿真电流参数和实时仿真功率参数；
根据仿真电压参数，生成仿真电压曲线；
根据仿真电流参数生成仿真电流曲线；
根据实时仿真功率参数生成仿真功率曲线；
通过真电压参数、仿真电流参数计算目标功率，并生成目标功率曲线；
根据目标功率曲线和仿真功率曲线，确定损耗功率曲线。
作为本发明的一种实施例：所述将运行状态曲线和期望工作曲线进行拟合适配，计算拟合差值包括：
通过运行状态曲线，生成多条基于平面坐标的运行曲线，构成平面坐标图；
将平面坐标图进行网格化点云，并读取点云数据，设置目标点云参数；
根据目标点云参数进行生成基于曲面重构的目标样本；
获取基于期望工作曲线的期望样本，并进行目标样本和期望样本的样本拟合；
通过牛顿下山迭代对样本拟合进行误差计算，确定拟合差值。
作为本发明的一种实施例：所述样本拟合包括如下步骤：
将目标样本和期望样本转变为目标图谱和期望图谱；
通过所述目标图谱对期望图谱进行拟合覆盖；
根据拟合覆盖，确定覆盖偏差区域；
提取覆盖偏差区域，转换为图谱偏差数据。
作为本发明的一种实施例：所述通过牛顿下山迭代对样本拟合进行误差计算，包括：
获取图谱偏差数据，并确定预设第一容差、第二容差和牛顿迭代上限次数；
对目标图谱和期望图谱进行细分，确定初始迭代初值；
将初始迭代初值带入输出线性方程组函数，确定牛顿迭代调整量和下山迭代调整量；
在下山迭代调整量大于迭代上限次数时，停止迭代，确定下山迭代参数值，并判断是否满足预设收敛条件，当满足收敛条件时，确定对应的迭代结果，并作为拟合差值。
本发明的有益效果在于：
本发明能够通过仿真的状态，对IGBT器件进行性能测试，判断实际工作的驱动参数和期望工作参数的拟合差值，通过拟合差值对IGBT的控制参数进行调整，从而达到进行动态的优化IGBT器件的整体参数。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例中一种数据驱动型IGBT器件的驱动优化方法的方法流程图；
图2为本发明实施例中期望工作曲线生成方法的方法流程图；
图3为本发明实施例中运行仿真模型的创建流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
一种数据驱动型IGBT器件的驱动优化方法，包括：
创建IGBT器件的运行仿真模型；
采集IGBT器件的实时运行数据，并设定IGBT运行仿真模型的运行环境和驱动数据，生成仿真运行状态曲线；
将运行状态曲线和期望工作曲线进行拟合适配，计算拟合差值，通过拟合差值调整IGBT器件的驱动控制参数。
本发明的原理在于：如附图1所示，本发明是一种对IGBT器件的优化方法，本发明在实施的过程中，首先是通过进行IGBT器件的整体仿真，在仿真的过程中，是基于IGBT实际运行的参数，去搭建IGBT器件的整体运行环境和驱动情况，运行环境是IGBT器件在运行的时候的温度、湿度等环境因素，驱动情况就是驱动电压和驱动电流，外接电源的电力波动状态。然后通过运行状态和期望工作状态的运行曲线进行拟合，从而对IGBT器件的驱动控制参数进行调整，从而达到对数据驱动型IGBT器件的驱动参数进行调优的。
本发明的有益效果在于：本发明能够通过仿真的状态，对IGBT器件进行性能测试，判断实际工作的驱动参数和期望工作参数的拟合差值，通过拟合差值对IGBT的控制参数进行调整，从而达到进行动态的优化IGBT器件的整体参数。
作为本发明的一种实施例：所述方法还包括：
预先确定IGBT器件连接的负载设备；
在IGBT器件驱动所述负载设备时，实时采集负载设备的功率数据；
根据负载设备的功率数据，构建负载设备的负载运行状态曲线；
判断负载运行状态曲线中与期望负载运行值对应的最优运行状态坐标点；
根据最优运行状态坐标点，确定仿真运行状态曲线中对应的对应时间点；
根据对应时间点，确定IGBT器件的最优控制参数；
根据最优控制参数，生成期望工作曲线。
本发明的原理在于：
如附图2所致，本发明会预先确定IGBT器件的期望工作曲线，作为数据驱动型IGBT器件，其会通过IGBT器件采集负载设备的运行数据，负载设备可以是电机等动力机械设备，也可以是加热设备，例如电磁炉；通过负载设备的运行数据，即，功率数据，电压数据和电流数据等等，在这些数据中，本发明以功率数据作为负载运行状态曲线的搭建数据，通过功率的拨动状态，判断负载设备的运行参数为最优运行参数的时间点；
在负载设备的运行参数最优时，IGBT驱动数据也是最优，从而通过最优运行数据，构建坐标系，确定最有数据对应的坐标点和对应的时间点；进而确定IGBT器件的最优控制参数，通过最优控制参数，生成对应的期望工作曲线。期望负载运行值时预先预测的最有运行值，其在没有其它最优坐标点时，能够达到期望负载运行值就是最优运行值。
上述技术方案的有益效果在于：
上述技术方案解决了两个问题能够在搭建运行仿真模型的时候，为运行仿真模型，提供IGBT器件的最优运行参数，而且最优运行参数是基于负载设备的运行参数对照确定，能够保证最优运行参数的准确性。
作为本发明的一种实施例：所述创建IGBT器件的运行仿真模型包括：
基于IGBT器件的运行属性范围参数，构建IGBT器件的3D运行仿真模型；其中，
运行属性范围参数包括：驱动功率阈值、输出功率阈值和损耗功率阈值；
基于IGBT器件的环境属性，构建IGBT器件的环境仿真模型；其中，
环境属性包括：温度属性和湿度属性；
基于IGBT器件连接的负载参数，构建负载设备的负载动态运行模型；其中，
负载参数包括：负载额定运行功率、负载输入功率和负载功率损耗；
对3D运行仿真模型、环境仿真模型和负载动态运行模型进行拼接融合，构成GBT器件的运行仿真模型。
本发明的原理在于：如附图3所示，本发明在创建IGBT器件的运行仿真模型的过程中，会先确定IGBT器件的运行属性参数，驱动功率参数，可以确定驱动功率阈值；输出功率参数，可以确定输出功率阈值，进而通过IGBT器件的输入输出，进行损耗判定，进而可以通过确定仿真的运行属性参数，也就是仿真的约束条件；
此外，在构建IGBT的3D运行仿真模型时，会分别进行环境的仿真和负载设备的运行状态的数据采集，进而通过这些数据对应的3D运行仿真模型、环境仿真模型和负载动态运行模型，以模型融合的方式生成具体的运行仿真模型。
上述技术方案的有益效果在于：
运行仿真模型是需要符合数据驱动型IGBT器件的状态，在现有技术中，数据驱动型IGBT器件在驱动优化的过程中，都是存在优化缺陷，就是因为忽略了，环境因素和负载因素，本发明融合三种因素，得到的运行仿真模型，首先贴合数据驱动型IGBT器件运行实际，其次，可以动态调整数据驱动型IGBT器件的运行参数阈值，在调优过程中，符合实际环境和实际连接的负载设备。
在本发明的一种可选实施例中：
本发明还会根据运行属性范围、负载参数和环境属性，构建运行仿真模型的目标函数：在这个过程中，通过运行仿真模型的目标函数f(t)，构建运行仿真函数模型，函数模型由运行属性参数函数、IGBT器件运行环境的环境函数和负载参数的参数函数构成，运行属性参数函数通过驱动输出特征系数和即非损失比相乘，确定仿真运行的时候IGBT器件的运行输出状况；/>通过驱动损耗特征系数乘以非温湿度影响损失比没确定仿真运行的时候，环境的具体状态；最后通过/>确定了负载设备的运行状态特征系数乘以非正常运行状态比，确定负载设备的运行稳定性，即运行状态。
f(t)＝A(t)+B(t)+C(t)
其中，f(t)表示t时刻运行仿真模型的目标函数；A(t)表示t时刻IGBT器件运行属性参数函数；B(t)表示t时刻IGBT器件运行环境的环境函数；C(t)表示t时刻负载参数的参数函数；Pi(t)表示t时刻IGBT器件在第i种运行属性参数的驱动输出特征系数；Hj(t)表示t时刻IGBT器件在第j种环境属性下的驱动损耗特征系数(环境属性包括温度和湿度的融合环境属性)；Gl(t)表示t时刻IGBT器件在第l种负载运行参数下的运行状态特征系数；si表示IGBT器件在第i种运行属性参数下的输出损失参数；yi表示IGBT器件在第i种运行属性参数下的输入参数；xi表示IGBT器件在第i种运行属性参数下的输出参数；wj表示IGBT器件在第j种环境属性下的驱动损失函数；dj表示IGBT器件在第j种环境属性下的湿度权重；Tj表示IGBT器件在第j种环境属性下的温度权重；ql表示负载设备在第l种负载运行参数下的负载运行偏差参数；El表示负载设备在第l种负载运行参数下的额定运行参数；Rl表示负载设备在第l种负载运行参数下的输入驱动参数；i∈n，n表示IGBT器件的运行属性参数的总个数；j∈m，m表示IGBT器件的运行环境属性参数的总个数；l∈k，k表示负载设备负载运行参数的总个数；
步骤2：根据运行仿真的目标函数，通过下式判断运行仿真模型的准确性：
其中，δ表示运行仿真的积分常数；μ表示运行仿真的时间；θ表示运行仿真的损失参数；当Z的值越靠近1，表示运行仿真的准确性越高，在实际实施的时候，可以设定准确性判定值Z的最低值，进行运行仿真的准确性判定。
作为本发明的一种实施例：所述创建IGBT器件的运行仿真模型还包括：
基于运行属性范围参数、环境属性和负载参数以及驱动运行规则构建符合驱动控制的运行状态仿真模型；其中，
所述运行状态仿真模型包括IGBT器件运行状态仿真模型和负载运行状态仿真模型；
获取IGBT器件的驱动流程数据，确定运行状态仿真模型的驱动流程节点；其中，
驱动流程节点包括：控制节点、连接节点和运行输出节点；
通过驱动流程节点和运行状态仿真模型，搭建基于流程控制的运行仿真模型。
本发明的原理在于：
本发明会通过运行属性范围参数、环境属性和负载参数对IGBT器件的运行状态进行仿真，从而生成具体的仿真数据；
在仿真过程中，对IGBT器件控制连接和运行流程节点进行检测判断，能够实现IGBT期间的运行全流程监督，判断出数据驱动型IGBT器件在驱动控制过程中，具体驱动步骤和运行状态的具体状态参数，从而构建的运行仿真模型。符合IGBT器件的逻辑要求，保证IGBT器件驱动控制的流程符合控制实际，也能实现符合实际的动态仿真。
作为本发明的一种实施例：所述采集IGBT器件的实时运行数据包括：
预先设置时间轴，并基于时间轴采集IGBT器件的运行参数值；其中
运行参数值包括：电压参数值、电流参数值和损耗参数值；
通过运行参数值，在三维坐标系中对IGBT器件的运行参数值的坐标点的进行标记，生成三维运行模型；
通过三维运行模型，生成不同时刻的运行序列，通过运行序列，确定实时运行数据。
本发明的原理在于：本发明能够基于时间轴，对IGBT器件的运行参数进行采集，确定GBT器件运行状态参数；然后通过运行参数生成运行状态下的三维模型，这个三维模型是运行仿真的数据三维模型，从三个维度去判断IGBT器件的运行状态，进而通过三维模型的具体需求，对三维模型的实施运行数据进行处理，得到最终的具体运行参数，确定IGBT器件的运行序列。
上述技术方案的有益效果在于：
本发明在构建仿真模型的时候，通过时间轴采集IGBT器件的运行数据，但是运行数据的种类为三种，所以通过三维坐标系对IGBT器件的运行参数在时间序列中进行观测，并生成观测的实时坐标系，确定IGBT器件的实时运行数据。
作为本发明的一种实施例：所述方法还包括：
预先配置IGBT运行仿真模型的环境接入端口和驱动接入端口；其中，
环境接入端口用于输入IGBT运行仿真模型中每个时间点的温度设定值和湿度设定值；
驱动接入端口用于输入IGBT运行仿真模型中每个时间点的电压设定值、电流设定值和损耗设定值。
本发明的原理在于：
本发明会对IGBT的运行仿真状态进行环境模拟和驱动状态模拟，通过环境接入端口设定需要温度和湿度数据，而对于驱动接入端口，还可以对每个时间点的点电压、电流和损耗状态进行设定。
上述技术方案的有益效果在于：
上述方案中通过对环境接入端口和驱动接入端口的设定，可以在仿真过程中，实时调节仿真的温度和湿度值，让仿真能更加贴合实际环境，将环境带来的驱动功率损耗带入，从而让驱动优化更加精确。
作为本发明的一种实施例：所述方法还包括
在IGBT运行仿真模型的运行环境和驱动数据设定后，通过IGBT运行仿真模型进行IGBT器件仿真预测；
通过IGBT器件仿真预测，输出仿真运行参数值；其中，
仿真运行参数包括：仿真电压参数、仿真电流参数和实时仿真功率参数；
根据仿真电压参数，生成仿真电压曲线；
根据仿真电流参数生成仿真电流曲线；
根据实时仿真功率参数生成仿真功率曲线；
通过真电压参数、仿真电流参数计算目标功率，并生成目标功率曲线；
根据目标功率曲线和仿真功率曲线，确定损耗功率曲线。
上述技术方案的原理在于：上述技术方案中，仿真预测是通过模拟软件搭建的仿真环境空间进行的仿真预测，确定仿真预测后IGBT器件的实际运行参数，构成了仿真运行的曲线，仿真曲线和预先设置的目标功率曲线进行对比，通过功率曲线的偏差，就可以确定在运行过程中因为环境等其它情况造成的损耗功率。
上述技术方案的有益效果在于：
可以精确计算环境因素，负载设备因素等等造成的IGBT器件的损耗功率，进而可以提高仿真的准确性。
作为本发明的一种实施例：所述将运行状态曲线和期望工作曲线进行拟合适配，计算拟合差值包括：
通过运行状态曲线，生成多条基于平面坐标的运行曲线，构成平面坐标图；
将平面坐标图进行网格化点云，并读取点云数据，设置目标点云参数；
根据目标点云参数进行生成基于曲面重构的目标样本；
获取基于期望工作曲线的期望样本，并进行目标样本和期望样本的样本拟合；
通过牛顿下山迭代对样本拟合进行误差计算，确定拟合差值。
上述技术方案的原理在于：
本发明在进行拟合适配的过程中，在进行坐标转换之后，通过网格化点云的方式进行拟合判定，确定每个网格的拟合状态，进而最终确定没有完全拟合的，在拟合成功后，进行拟合的误差计算。网格化点云用于将平面坐标图中运行曲线的相同时刻的不同参数进行网格化深度标记，多条基于平面坐标的运行曲线包括电流、电压、功率、偏置等等曲线。目标点云参数，就是目标点云深度，也是为了判定不同参数的偏差，曲面重构是为了将运行曲线立体化，形成立体化的拟合样本，立体化的拟合样本在牛顿下山迭代的拟合方式下，更容易确定拟合差值。
作为本发明的一种实施例：所述样本拟合包括如下步骤：
将目标样本和期望样本转变为目标图谱和期望图谱；
通过所述目标图谱对期望图谱进行拟合覆盖；
根据拟合覆盖，确定覆盖偏差区域；
提取覆盖偏差区域，转换为图谱偏差数据。
上述技术方案的原理在于：本发明可以根据目标图谱和期望图谱，基于覆盖状态得方式进行拟合判定，通过拟合判定，从而计算具体得偏差区域，并转换为图谱偏差的具体数据。
拟合覆盖，是确定达到期望目标的IGBT运行数据，从而能够更清楚的确定存在偏差的区域，生成对应的图谱偏差数据，确定具体的图谱偏差。
作为本发明的一种实施例：所述通过牛顿下山迭代对样本拟合进行误差计算，包括：
获取图谱偏差数据，并确定预设第一容差、第二容差和牛顿迭代上限次数；
对目标图谱和期望图谱进行细分，确定初始迭代初值；
将初始迭代初值带入输出线性方程组函数，确定牛顿迭代调整量和下山迭代调整量；
在下山迭代调整量大于迭代上限次数时，停止迭代，确定下山迭代参数值，并判断是否满足预设收敛条件，当满足收敛条件时，确定对应的迭代结果，并作为拟合差值。
上述技术方案的原理在于：本发明在进行误差计算的过程中，是以牛顿下山迭代的方式进行拟合式的误差计算，在这个过程中，会根据图谱偏差的数据，确定容差参数，和牛顿迭代的具体次数。目标土偶和期望图谱的具体细分，是基于牛顿迭代，进行下山迭代的结果进行调整，实现持续的迭代，最后基于收敛条件，确定迭代拟合过程中的具体误差，从而进行差值计算，确定最终得拟合差值。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种数据驱动型IGBT器件的驱动优化方法，包括其特征在于，包括：
创建IGBT器件的运行仿真模型；
采集IGBT器件的实时运行数据，并设定IGBT运行仿真模型的运行环境和驱动数据，生成仿真运行状态曲线；
将运行状态曲线和期望工作曲线进行拟合适配，计算拟合差值，通过拟合差值调整IGBT器件的驱动控制参数；
所述将运行状态曲线和期望工作曲线进行拟合适配，计算拟合差值包括：
通过运行状态曲线，生成多条基于平面坐标的运行曲线，构成平面坐标图；
将平面坐标图进行网格化点云，并读取点云数据，设置目标点云参数；
根据目标点云参数进行生成基于曲面重构的目标样本；
获取基于期望工作曲线的期望样本，并进行目标样本和期望样本的样本拟合；
通过牛顿下山迭代对样本拟合进行误差计算，确定拟合差值；
所述样本拟合包括如下步骤：
将目标样本和期望样本转变为目标图谱和期望图谱；
通过所述目标图谱对期望图谱进行拟合覆盖；
根据拟合覆盖，确定覆盖偏差区域；
提取覆盖偏差区域，转换为图谱偏差数据。
2.如权利要求1所述的一种数据驱动型IGBT器件的驱动优化方法，其特征在于，所述方法还包括：
预先确定IGBT器件连接的负载设备；
在IGBT器件驱动所述负载设备时，实时采集负载设备的功率数据；
根据负载设备的功率数据，构建负载设备的负载运行状态曲线；
判断负载运行状态曲线中与期望负载运行值对应的最优运行状态坐标点；
根据最优运行状态坐标点，确定仿真运行状态曲线中对应的对应时间点；
根据对应时间点，确定IGBT器件的最优控制参数；
根据最优控制参数，生成期望工作曲线。
3.如权利要求1所述的一种数据驱动型IGBT器件的驱动优化方法，其特征在于，所述创建IGBT器件的运行仿真模型包括：
基于IGBT器件的运行属性范围参数，构建IGBT器件的3D运行仿真模型；其中，
运行属性范围参数包括：驱动功率阈值、输出功率阈值和损耗功率阈值；
基于IGBT器件的环境属性，构建IGBT器件的环境仿真模型；其中，
环境属性包括：温度属性和湿度属性；
基于IGBT器件连接的负载参数，构建负载设备的负载动态运行模型；其中，
负载参数包括：负载额定运行功率、负载输入功率和负载功率损耗；
对3D运行仿真模型、环境仿真模型和负载动态运行模型进行拼接融合，构成GBT器件的运行仿真模型。
4.如权利要求3所述的一种数据驱动型IGBT器件的驱动优化方法，其特征在于，所述创建IGBT器件的运行仿真模型还包括：
基于运行属性范围参数、环境属性和负载参数以及驱动运行规则构建符合驱动控制的运行状态仿真模型；其中，
所述运行状态仿真模型包括IGBT器件运行状态仿真模型和负载运行状态仿真模型；
获取IGBT器件的驱动流程数据，确定运行状态仿真模型的驱动流程节点；其中，
驱动流程节点包括：控制节点、连接节点和运行输出节点；
通过驱动流程节点和运行状态仿真模型，搭建基于流程控制的运行仿真模型。
5.如权利要求1所述的一种数据驱动型IGBT器件的驱动优化方法，其特征在于，所述采集IGBT器件的实时运行数据包括：
预先设置时间轴，并基于时间轴采集IGBT器件的运行参数值；其中
运行参数值包括：电压参数值、电流参数值和损耗参数值；
通过运行参数值，在三维坐标系中对IGBT器件的运行参数值的坐标点的进行标记，生成三维运行模型；
通过三维运行模型，生成不同时刻的运行序列，通过运行序列，确定实时运行数据。
6.如权利要求1所述的一种数据驱动型IGBT器件的驱动优化方法，其特征在于，所述方法还包括：
预先配置IGBT运行仿真模型的环境接入端口和驱动接入端口；其中，
环境接入端口用于输入IGBT运行仿真模型中每个时间点的温度设定值和湿度设定值；
驱动接入端口用于输入IGBT运行仿真模型中每个时间点的电压设定值、电流设定值和损耗设定值。
7.如权利要求1所述的一种数据驱动型IGBT器件的驱动优化方法，其特征在于，所述方法还包括：
在IGBT运行仿真模型的运行环境和驱动数据设定后，通过IGBT运行仿真模型进行IGBT器件仿真预测；
通过IGBT器件仿真预测，输出仿真运行参数值；其中，
仿真运行参数包括：仿真电压参数、仿真电流参数和实时仿真功率参数；
根据仿真电压参数，生成仿真电压曲线；
根据仿真电流参数生成仿真电流曲线；
根据实时仿真功率参数生成仿真功率曲线；
通过真电压参数、仿真电流参数计算目标功率，并生成目标功率曲线；
根据目标功率曲线和仿真功率曲线，确定损耗功率曲线。
8.如权利要求1所述的一种数据驱动型IGBT器件的驱动优化方法，其特征在于，所述通过牛顿下山迭代对样本拟合进行误差计算，包括：
获取图谱偏差数据，并确定预设第一容差、第二容差和牛顿迭代上限次数；
对目标图谱和期望图谱进行细分，确定初始迭代初值；
将初始迭代初值带入输出线性方程组函数，确定牛顿迭代调整量和下山迭代调整量；
在下山迭代调整量大于迭代上限次数时，停止迭代，确定下山迭代参数值，并判断是否满足预设收敛条件，当满足收敛条件时，确定对应的迭代结果，并作为拟合差值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310243120.3A CN116776525B (zh) | 2023-03-14 | 2023-03-14 | 一种数据驱动型igbt器件的驱动优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310243120.3A CN116776525B (zh) | 2023-03-14 | 2023-03-14 | 一种数据驱动型igbt器件的驱动优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116776525A CN116776525A (zh) | 2023-09-19 |
| CN116776525B true CN116776525B (zh) | 2024-04-26 |
Family
ID=87988435
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310243120.3A Active CN116776525B (zh) | 2023-03-14 | 2023-03-14 | 一种数据驱动型igbt器件的驱动优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116776525B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117350226A (zh) * | 2023-09-26 | 2024-01-05 | 菏泽嘉诺网络科技有限公司 | 一种igbt器件的状态参数采集方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106156378A (zh) * | 2015-03-31 | 2016-11-23 | 国家电网公司 | 一种可实时化的igbt仿真模型建立方法 |
| CN111159921A (zh) * | 2020-01-17 | 2020-05-15 | 安徽瑞迪微电子有限公司 | 一种igbt的设计方法 |
| CN112560318A (zh) * | 2020-12-22 | 2021-03-26 | 南瑞联研半导体有限责任公司 | 一种不同工况下igbt器件各物理层温度监测仿真方法 |
| WO2021174907A1 (zh) * | 2020-03-03 | 2021-09-10 | 华中科技大学 | 一种基于神经网络的igbt结温预测方法 |
-
2023
- 2023-03-14 CN CN202310243120.3A patent/CN116776525B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106156378A (zh) * | 2015-03-31 | 2016-11-23 | 国家电网公司 | 一种可实时化的igbt仿真模型建立方法 |
| CN111159921A (zh) * | 2020-01-17 | 2020-05-15 | 安徽瑞迪微电子有限公司 | 一种igbt的设计方法 |
| WO2021174907A1 (zh) * | 2020-03-03 | 2021-09-10 | 华中科技大学 | 一种基于神经网络的igbt结温预测方法 |
| CN112560318A (zh) * | 2020-12-22 | 2021-03-26 | 南瑞联研半导体有限责任公司 | 一种不同工况下igbt器件各物理层温度监测仿真方法 |
Non-Patent Citations (2)
| Title |
|---|
| 基于驱动电路参数调整的功率模块结温控制研究;于燕来;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;C042- 218 * |
| 用于IGBT模块动态电热耦合仿真的损耗模型优化;刘任 等;三峡大学学报(自然科学版)(第03期);第64-68页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116776525A (zh) | 2023-09-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116776525B (zh) | 一种数据驱动型igbt器件的驱动优化方法 | |
| CN102594215B (zh) | 一种光伏电站模型参数辨识方法 | |
| TWI391807B (zh) | 太陽光電發電系統之最大功率追蹤系統及方法 | |
| CN111581804A (zh) | 一种基于实测模型的零件最小修配方案生成方法 | |
| Rawat et al. | Solar PV parameter estimation using multi-objective optimisation | |
| CN110676841A (zh) | 基于直接法的电力电子化电力系统暂态稳定性分析方法 | |
| Hassan et al. | Parameters estimation of solar photovoltaic module using camel behavior search algorithm | |
| CN112287540A (zh) | 一种风电场接入电网的电磁暂态联合仿真方法 | |
| CN108574290B (zh) | 受迫振荡的振荡源定位方法、装置、终端及可读存储介质 | |
| CN116360375B (zh) | 太阳能光伏组件的可重复性制造控制方法及其系统 | |
| CN108233356B (zh) | 一种光伏逆变器控制器一致性评估方法及其评估平台 | |
| CN111259340B (zh) | 一种基于logistic回归的饱和负荷预测方法 | |
| CN105677936B (zh) | 机电复合传动系统需求转矩的自适应递归多步预测方法 | |
| CN110112747B (zh) | 基于同步测量与灵敏度估计的配电网电压控制方法及系统 | |
| CN114743072B (zh) | 一种短期时间序列预测模型的训练方法 | |
| CN111160772A (zh) | 一种大电网风险快速评估方法 | |
| CN107622167B (zh) | 一种用于栅控器件的集电极电流软测量方法 | |
| CN109657414B (zh) | 一种高集成系统的电磁场和温度场联合仿真方法 | |
| CN109390946B (zh) | 一种基于多参数规划理论的最优概率潮流快速计算方法 | |
| CN106253846A (zh) | 一种大型地面光伏电站发电性能现场检测系统 | |
| Chen et al. | A Fast Parameter Identification Method for Composite Load Model Based on Jumping and Steady-State Points of Measured Data | |
| JP4370263B2 (ja) | 下位系負荷モデルの定数算出方法及び算出プログラム | |
| CN116885703B (zh) | 一种高维多元气象数据融合的短期风光功率预测方法 | |
| KR102074972B1 (ko) | 모터 제어기의 성능 시험 시뮬레이션 장치 및 방법 | |
| CN113484051B (zh) | 一种机载系统实时热等效模拟方法及系统 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20240316 Address after: Room 102, 103, and 105 on the first floor of Building 2, Ronghua Science and Technology Industrial Park (Ronghua Wuxiang Zhifu), No. 19 Jinhai Road, Nanning Area, China (Guangxi) Pilot Free Trade Zone, Nanning City, Guangxi Zhuang Autonomous Region, 530201 Applicant after: Guangxi Zhongke langu Semiconductor Technology Co.,Ltd. Country or region after: China Address before: B2005, Nanshan Software Park, No. 10128 Shennan Avenue, Liancheng Community, Nantou Street, Nanshan District, Shenzhen City, Guangdong Province, 518000 Applicant before: Shenzhen Xinchuang Industrial Development Co.,Ltd. Country or region before: China |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |