CN116861833B - SiC MOSFET物理模型构建方法、设备及存储介质 - Google Patents
SiC MOSFET物理模型构建方法、设备及存储介质 Download PDFInfo
- Publication number
- CN116861833B CN116861833B CN202311100643.9A CN202311100643A CN116861833B CN 116861833 B CN116861833 B CN 116861833B CN 202311100643 A CN202311100643 A CN 202311100643A CN 116861833 B CN116861833 B CN 116861833B
- Authority
- CN
- China
- Prior art keywords
- drain
- particle
- sic mosfet
- model
- simulation
- 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
- 238000003860 storage Methods 0.000 title claims abstract description 16
- 238000010276 construction Methods 0.000 title claims abstract description 12
- 230000003068 static effect Effects 0.000 claims abstract description 105
- 238000004088 simulation Methods 0.000 claims abstract description 95
- 238000000034 method Methods 0.000 claims abstract description 71
- 230000003071 parasitic effect Effects 0.000 claims abstract description 37
- 239000002245 particle Substances 0.000 claims description 191
- 230000006399 behavior Effects 0.000 claims description 79
- 230000008569 process Effects 0.000 claims description 43
- 238000005457 optimization Methods 0.000 claims description 25
- 238000004422 calculation algorithm Methods 0.000 claims description 24
- 230000006870 function Effects 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 229910004298 SiO 2 Inorganic materials 0.000 claims description 9
- 230000005684 electric field Effects 0.000 claims description 6
- 239000000758 substrate Substances 0.000 claims description 4
- 239000012530 fluid Substances 0.000 claims description 3
- HBMJWWWQQXIZIP-UHFFFAOYSA-N silicon carbide Chemical compound [Si+]#[C-] HBMJWWWQQXIZIP-UHFFFAOYSA-N 0.000 description 125
- 229910010271 silicon carbide Inorganic materials 0.000 description 124
- 239000003990 capacitor Substances 0.000 description 21
- 238000012360 testing method Methods 0.000 description 18
- 238000010586 diagram Methods 0.000 description 10
- 238000002474 experimental method Methods 0.000 description 8
- 230000000630 rising effect Effects 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 230000001419 dependent effect Effects 0.000 description 5
- 239000004065 semiconductor Substances 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000012937 correction Methods 0.000 description 4
- 230000005669 field effect Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 2
- 230000003139 buffering effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 230000010355 oscillation Effects 0.000 description 2
- 229910052710 silicon Inorganic materials 0.000 description 2
- 239000010703 silicon Substances 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000001808 coupling effect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000011218 segmentation Effects 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Geometry (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Insulated Gate Type Field-Effect Transistor (AREA)
Abstract
本发明公开了一种SiC MOSFET物理模型构建方法、设备及存储介质,所述构建方法包括根据SiC MOSFET的静态特性和温度特性构建SiC MOSFET的沟道电流模型;根据SiC MOSFET的结构参数构建导通电阻模型;根据漏源电压、栅源电压以及温度,构建SiC MOSFET的非线性寄生电容模型;根据所述沟道电流模型、导通电阻模型以及非线性寄生电容模型构建SiC MOSFET物理模型;识别出所述SiC MOSFET物理模型的参数。本发明构建的模型具有更高的准确性和普适性,为包含SiC MOSFET器件的电力电子系统仿真方法提供依据。
Description
技术领域
本发明属于电子元器件建模与仿真技术领域,尤其涉及一种SiC MOSFET物理模型构建方法、设备及存储介质。
背景技术
近年来,随着材料科学与半导体器件芯片制作工艺的飞速发展,以碳化硅(SiC)材料为衬底的半导体器件(如SiC MOSFET)迅速走入运用市场。由于碳化硅半导体器件在低导通电阻、高频和高速开关方面表现出优异性能,以及在超出硅基器件工作范围的高温下的工作优势,在一些应用领域,硅基电力电子器件开始逐渐被取代。除此之外,SiC半导体器件的高频、高速开关性能也扩展了小型化电力电子系统的可能性。
在实际工程应用中,为了准确地评估SiC MOSFET的动态特性以及整个系统的功率损耗、效率、功率密度,需要搭建SiC MOSFET的仿真模型。目前,应用于电力电子变换器设计和仿真的SiC MOSFET仿真模型主要是行为模型,虽然行为模型实现简单并且仿真速度快,但是由于行为模型的参数是通过数学拟合获得,并没有实际的物理意义。因此,当SiC半导体器件在不同参数曲线拟合的条件下工作时,行为模型的精度是非常差的,无法真实地反映器件的物理过程和特性。因此,需要构建SiCMOSFET物理模型。
虽然,物理模型在描述器件实际的开关行为上具有很好的效果,但是由于物理模型的高复杂性,系统仿真速度以及模型的收敛性大大地降低,因此,需要构建SiC MOSFET紧凑物理模型。在设计SiC MOSFET的过程中,电容的非线性问题对器件的动态开关行为具有十分重要的意义,而SiCMOSFET的非线性特性主要是栅源电压Vgs和漏源电压Vds对器件的栅漏电容Cgd、栅源电容Cgs、漏源电容Cds的耦合作用。因此,需要构建一个包含非线性电容特性的SiC MOSFET紧凑物理模型。
模型参数提取一般是基于制造厂商所提供的datasheet(即数据手册)进行数学拟合获得,但是由于datasheet中缺少高电压Vds以及大电流Ids范围内的测试数据,所以提取的模型参数不是非常准确。现有的改进方法是通过多次双脉冲实验来补全datasheet中的静态特性曲线在高电压Vds和大电流Ids区间内的测试数据,但是实现起来太过繁琐。
发明内容
本发明的目的在于提供一种SiC MOSFET物理模型构建方法、设备及存储介质,以解决传统SiC MOSFET物理模型构建时未考虑电容非线性问题对器件动态开关行为的影响,导致建模不准确的问题,以及传统模型参数提取过程繁琐的问题。
本发明是通过如下的技术方案来解决上述技术问题的:一种SiC MOSFET物理模型构建方法,所述构建方法包括以下步骤:
根据SiC MOSFET的静态特性和温度特性构建SiC MOSFET的沟道电流模型;
根据SiC MOSFET的结构参数构建导通电阻模型;
根据漏源电压、栅源电压以及温度,构建SiC MOSFET的非线性寄生电容模型;
根据所述沟道电流模型、导通电阻模型以及非线性寄生电容模型构建SiC MOSFET物理模型;
识别出所述SiC MOSFET物理模型的参数。
进一步地,采用修正的EKV模型构建SiC MOSFET的沟道电流模型,所述沟道电流模型包括SiC MOSFET在第一象限的沟道电流模型和在第三象限的沟道电流模型,其中所述第一象限、第三象限所对应的坐标系是以漏源电压为X轴、以漏源电流为Y轴的直角坐标系;
SiC MOSFET在第一象限的沟道电流模型的具体表达式为:
;
;
;
;
;
;
SiC MOSFET在第三象限的沟道电流模型的具体表达式为:
;
其中,Ich为沟道电流,Vgs为栅源电压,gm为SiC MOSFET器件跨导,为热电压,k s 为亚阈值斜坡参数,Vth为常温下的阈值电压,K为幂律指数,Vch为沟道电压,n和β均为线性区域参数,λ为常温下的沟道长度调制系数;μ ch为常温下的沟道电子迁移率,Cox 为单位面积栅氧化电容,W/L为沟道纵横比;μ ch0为μ ch的经验参数,Ech为沟道电场的平均值,v sat为电子饱和速度,α为沟道电场相关的电子迁移率拟合系数;T为SiC MOSFET温度,q为电子电荷,ε ox 为SiO2的介电常数,dox 为SiO2的厚度,k为玻尔兹曼常数;mμ ch1、mμ ch2、mV th1、mV th2、mλ 1、mλ 2为拟合的温度特性参数;/>为温度T下的沟道电子迁移率,/>为温度T下的阈值电压,/>为温度T下的沟道长度调制系数。
进一步地,所述导通电阻模型的具体表达式为:
;
;
;
;
其中,Ron为常温下的导通电阻,Rch为沟道电阻,Rjfet为JFET区电阻,Rdrift为漂移区电阻,Rdrift0为漂移区电阻初值,Vdrift为漂移区两端的电压,β satl和Vsatl均为电子速率饱和相关参数,η为栅极偏置调制系数,Vgs为栅源电压;Vds为漏源电压,dpvd、dpvg1、dpvg2均为电阻R jfet的Vds相关参数;为温度T下的导通电阻,T为SiC MOSFET温度,Ron1、Ron2为拟合的温度特性参数。
进一步地,所述非线性寄生电容模型的具体表达式为:
;
;
;
;
;
;
其中,Cds为漏极和源极之间的寄生电容,C0为栅源电压Vgs和漏源电压Vds均等于0时的Cds值,Vbi为体二极管的内置电势,为器件动态开关过程中栅源电压Vgs对漏源电容Cds的影响;Cgs为栅极和源极之间的寄生电容,Ags为栅源覆盖区域,ε sic为SiC的介电常数,dox 为SiO2的厚度,/>为器件动态开关过程中栅源电压Vgs、漏源电压Vds以及温度T对栅源电容Cgs的影响;tgddep为耗尽层厚度,Nd为漂移区掺杂浓度,q为电子电荷,dpvgd为栅漏电容转换电压,Vgd为栅漏电压;Cgd为栅极和漏极之间的寄生电容,Agd为栅漏覆盖区域,为器件动态开关过程中栅源电压Vgs以及温度T对栅漏电容Cgd的影响;a 1、a 2、a 3、b 1、b 2、b 3、b 4、b 5、b 6、b 7、b 8、b 9、c 1、c 2、c 3、c 4、c 5、c 6为拟合的电容非线性特性参数。
进一步地,利用粒子群优化算法识别出所述SiC MOSFET物理模型的参数,具体包括:
步骤5.1:设置粒子群大小,根据待识别参数确定维度数以及粒子群中的粒子在每个维度的位置范围,根据粒子在每个维度的位置范围确定粒子在对应维度的速度范围;其中,维度与待识别参数一一对应;
基于粒子在每个维度的位置范围和速度范围,设置每个粒子在每个维度的初始位置和初始速度;
步骤5.2:构建包含所述SiC MOSFET物理模型的仿真模型;获取器件的真实开关行为曲线和真实静态特性曲线;
步骤5.3:以每个粒子在每个维度的初始位置作为所述仿真模型中物理模型的参数,并对仿真模型进行仿真,得到与每个粒子对应的仿真开关行为曲线;以每个粒子在每个维度的初始位置作为所述物理模型的参数,并对物理模型进行仿真,得到与每个粒子对应的仿真静态特性曲线;
步骤5.4:根据真实开关行为曲线和每条仿真开关行为曲线、真实静态特性曲线和每条仿真静态特性曲线计算出每个粒子的目标值,以目标值最小所对应的粒子作为当前次迭代的最优粒子,以所有已完成迭代中目标值最小所对应的粒子作为全局最优粒子;
步骤5.5:根据器件开关过程将每条仿真开关行为曲线分成多个特征段,根据每个特征段和真实开关行为曲线中与该特征段对应的段计算出每个特征段的误差值;根据每条仿真开关行为曲线和真实开关行为曲线计算出开关轨迹的误差值;
步骤5.6:当与维度对应的待识别参数为动态参数时,根据每个特征段的误差值和开关轨迹的误差值修正速度更新公式中的权重,更新每个粒子在该维度下的速度和位置;当与维度对应的待识别参数为静态参数时,速度更新公式中的权重不修正,更新每个粒子在该维度下的速度和位置;
步骤5.7:判断是否达到设定的迭代次数,若是,则输出全局最优粒子,所述全局最优粒子在不同维度下的位置为待识别参数的取值;若否,则转入步骤5.3。
进一步地,所述步骤5.1中,根据粒子在每个维度的位置范围确定粒子在对应维度的速度范围,具体包括:
根据粒子在每个维度的位置范围计算出粒子在每个维度的最大位置与最小位置的差值;
所述最大位置与最小位置的差值与经验值之比为粒子在对应维度的最大速度;
所述最大速度的负值为粒子在对应维度的最小速度。
进一步地,所述步骤5.1中,仿真模型包括第一SiC MOSFET物理模型和第二SiCMOSFET物理模型;所述第一SiC MOSFET物理模型的栅极通过栅极电阻RG2与栅极驱动电压VG1连接,第一SiC MOSFET物理模型的漏极与负载电感Lload、缓冲电阻Rsnb和回路杂散电容Lloop连接,第一SiC MOSFET物理模型的源极、栅极驱动电压VG1、负载电感Lload与第二SiCMOSFET物理模型的漏极连接;所述第二SiC MOSFET物理模型的栅极通过栅极电阻RG2与栅极驱动电压VG2连接,第二SiC MOSFET物理模型的源极、栅极驱动电压VG2、缓冲电容Csnb以及电容Cbus接地,缓冲电容Csnb与缓冲电阻Rsnb连接,电容Cbus通过电阻Resr与回路杂散电容Lloop连接,直流母线电压Vdc并联于由电容Cbus和电阻Resr串联构成的支路两端。
进一步地,所述步骤5.1中,获取器件的真实开关行为曲线和真实静态特性曲线,具体包括:
利用SiC MOSFET芯片搭建测试电路;
对所述测试电路进行实验,得到器件的真实开关行为曲线;
根据SiC MOSFET芯片的数据手册得到真实静态特性曲线。
进一步地,所述步骤5.4中,根据真实开关行为曲线和每条仿真开关行为曲线、真实静态特性曲线和每条仿真静态特性曲线计算出每个粒子的目标值,具体包括:
在所述仿真开关行为曲线上选取不同的时间点,得到与时间点对应的漏源电压仿真值和漏极电流仿真值;根据所述仿真开关行为曲线上时间点的选取间隔在所述真实开关行为曲线上选取对应的时间点,得到与时间点对应的漏源电压真实值和漏极电流真实值;
根据不同的漏源电压仿真值和漏源电压真实值计算出漏源电压目标值,根据不同的漏极电流仿真值和漏极电流真实值计算出漏极电流目标值,具体计算公式为:
;
;
其中,Vds0为漏源电压目标值,M为仿真开关行为曲线或真实开关行为曲线上的时间点数,为与第i个时间点对应的漏源电压仿真值,/>为与第i个时间点对应的漏源电压真实值,Vdc为直流母线电压;Ids0为漏极电流目标值,/>为与第i个时间点对应的漏极电流仿真值,/>为与第i个时间点对应的漏极电流真实值,Ir为额定电流;
在所述仿真静态特性曲线上选取不同的时间点,得到与时间点对应的静态特性仿真值;根据所述仿真静态特性曲线上时间点的选取间隔在所述真实静态特性曲线上选取对应的时间点,得到与时间点对应的静态特性真实值;
根据不同的静态特性仿真值和静态特性真实值计算出静态特性目标值,具体计算公式为:
;
其中,Xstatic0为静态特性目标值,N为仿真静态特性曲线或真实静态特性曲线上的时间点数,为与第i个时间点对应的静态特性仿真值,/>为与第i个时间点对应的静态特性真实值,Xmax为最大的静态特性真实值;
根据所述漏源电压目标值、漏极电流目标值以及静态特性目标值计算出粒子的目标值,具体计算公式为:
;
其中,Fpi为粒子的目标值。
进一步地,所述步骤5.6中,根据每个特征段的误差值和开关轨迹的误差值修正速度更新公式中的权重的具体公式为:
;
;
;
其中,为粒子在维度r下的权重,m0为仿真开关行为曲线的特征段数,j=1,2,…,m0,/>为第j个特征段的误差值,n j为第j个特征段上的时间点数,n j-1为第j-1个特征段上的时间点数,errdy为开关轨迹的误差值;M为仿真开关行为曲线或真实开关行为曲线上的时间点数,/>为与第i个时间点对应的漏源电压仿真值,/>为与第i个时间点对应的漏源电压真实值,Vdc为直流母线电压;/>为与第i个时间点对应的漏极电流仿真值,/>为与第i个时间点对应的漏极电流真实值,Ir为额定电流。
进一步地,所述步骤5.6中,更新每个粒子在每个维度下的速度和位置的具体公式为:
;
;
其中,为第t+1次迭代中粒子在维度r下的速度,/>为第t次迭代中粒子在维度r下的权重,/>为第t次迭代中粒子在维度r下的速度,c1、c2均为学习因子,r1、r2均为0~1之间的随机数,/>为第t次迭代中最优粒子的目标值,/>为第t次迭代中粒子在维度r下的位置,/>为t次迭代中全局最优粒子的目标值,/>为第t+1次迭代中粒子在维度r下的位置。
基于同一构思,本发明还提供了一种电子设备,所述设备包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如上所述的SiC MOSFET物理模型构建方法。
基于同一构思,本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上所述的SiC MOSFET物理模型构建方法。
有益效果
与现有技术相比,本发明的优点在于:
本发明构建的SiC MOSFET物理模型具有一定的物理意义,且模型的输出电热特性能够用一个紧凑方程进行精确建模,除此之外还考虑了器件在第三象限的输出电热特性;与常规导通电阻建模不同,本发明考虑了动态开关过程中导通电阻的变化;在开通过程中考虑温度对栅源电容Cgs和栅漏电容Cgd的影响,考虑栅源电压Vgs和漏源电压Vds对器件寄生电容的影响,并且通过经验附加函数来实现,提高了模型的动态精度。
相较于通过对从datasheet的I-V静态特性曲线、转移特性曲线以及C-V特性曲线进行拟合来提取模型参数,本发明采用粒子群优化算法直接从实验数据的动态开关过程以及datasheet中提取模型参数;为了更好的贴合器件实际动态开关行为且减少参数之间的耦合,将与器件的动态特性相关的电容参数进行分段识别,而其静态参数并未分段;为了提高粒子群优化算法的准确性并且减小算法的运行时间,在实验以及仿真的双脉冲测试电路中加入RC缓冲来消除在器件动态开关过程中不受模型参数影响的开关振荡。
本发明构建的物理模型仿真结果与双脉冲测试电路的实验结果在不同实验工况下进行对比,验证了模型的准确性和普适性,为包含了SiC MOSFET器件的电力电子系统仿真方法提供依据。
附图说明
为了更清楚地说明本发明的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一个实施例,对于本领域普通技术人员来说,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例中SiC MOSFET物理模型构建方法流程图;
图2为本发明实施例中SiC MOSFET 物理模型示意图;
图3为本发明实施例中关断沟道下垂直双扩散功率MOSFET半电池结构的简化等效电路;
图4为本发明实施例中图3的小信号等效电路;
图5为本发明实施例中导通沟道下垂直双扩散功率MOSFET半电池结构的简化等效电路;
图6为本发明实施例中图5的小信号等效电路;
图7为本发明实施例中SiC MOSFET物理模型参数识别流程图;
图8为本发明实施例中带有RC缓冲的双脉冲测试电路原理图;
图9为本发明实施例中SiC MOSFET的非线性电容与其开关轨迹的关系;
图10(a)为本发明实施例中物理模型仿真与C2M0080120D场效应管的数据手册中的I-V静态特性曲线在第一象限的对比图;
图10(b)为本发明实施例中物理模型仿真与C2M0080120D场效应管的数据手册中的I-V静态特性曲线在第三象限的对比图;
图10(c)为本发明实施例中物理模型仿真与C2M0080120D场效应管的数据手册中的转移特性曲线对比图;
图10(d)为本发明实施例中物理模型仿真与C2M0080120D场效应管的数据手册中的C-V特性曲线对比图;
图11(a)为T=25℃和Vds=400 V,Id=40 A时,物理模型仿真与双脉冲实验的Vds和Ids曲线在关断过程中的对比示意图;
图11(b)为T=25℃和Vds=400 V,Id=40 A时,物理模型仿真与双脉冲实验的Vds和Ids曲线在导通过程中的对比示意图;
图11(c)为T=25℃和Vds=500 V,Id=40 A时,物理模型仿真与双脉冲实验的Vds和Ids曲线在关断过程中的对比示意图;
图11(d)为T=25℃和Vds=500 V,Id=40 A时,物理模型仿真与双脉冲实验的Vds和Ids曲线在导通过程中的对比示意图;
图11(e)为T=50℃和Vds=400 V,Id=40 A时,物理模型仿真与双脉冲实验的Vds和Ids曲线在关断过程中的对比示意图;
图11(f)为T=50℃和Vds=400 V,Id=40 A时,物理模型仿真与双脉冲实验的Vds和Ids曲线在导通过程中的对比示意图。
具体实施方式
下面结合本发明实施例中的附图,对本发明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作出创造性劳动的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。
下面以具体地实施例对本申请的技术方案进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
如图1所示,本发明实施例所提供的一种SiC MOSFET物理模型构建方法包括以下步骤:
步骤1:根据SiC MOSFET的静态特性和温度特性构建SiC MOSFET的沟道电流模型;
步骤2:根据SiC MOSFET的结构参数构建导通电阻模型;
步骤3:根据漏源电压MOSFET的非线性寄生电容模型;
步骤4:根据沟道电流模型、导通电阻模型以及非线性寄生电容模型构建SiCMOSFET物理模型;
步骤5:识别出SiC MOSFET物理模型的参数。
图2示出了本发明SiC MOSFET物理模型,其包含一个由漏源电压Vds和栅源电压Vgs共同控制的压控电流源Ich,Ich是根据SiC MOSFET的静态特性和温度特性来建立,并用于描述SiC MOSFET在第一、第三象限的输出电热特性,第一象限、第三象限所对应的坐标系是以漏源电压Vds为X轴、以漏源电流Ids为Y轴的直角坐标系。Rjfet为JFET区电阻,Rdrift为漂移区电阻,它们都依赖于器件的结构参数、温度以及漏源电压Vds和栅源电压Vgs。栅漏电容Cgd、栅源电容Cgs、漏源电容Cds为器件的寄生电容,它们都具有强烈的非线性,并受漏源电压Vds和栅源电压Vgs的影响,除此之外,Cgd、Cgs还会受温度T的影响。Lg、Ld、Ls分别为SiC MOSFET的栅极电感、漏极电感、源极电感;Rg为SiC MOSFET的栅极电阻。
图2所示的SiC MOSFET物理模型的沟道电流模型是通过压控电流源Ich来实现,其在第一象限内对SiC MOSFET的输出电热特性进行建模的紧凑方程(即SiC MOSFET在第一象限的沟道电流模型的具体表达式)如下:
(1)
考虑到SiC MOSFET的平面结构,从SiC MOSFET在第一象限的沟道电流模型中可以推导出SiC MOSFET在第三象限的沟道电流模型(或输出电热特性)的具体表达式为:
(2)
其中,
(3)
(4)
(5)
(6)
(7)
(8)
(9)
其中,Ich为沟道电流,gm为SiC MOSFET器件跨导,为热电压,k s 为亚阈值斜坡参数,Vth为常温下(即25℃)的阈值电压,K为幂律指数,Vch为沟道电压,n和β均为线性区域参数(是为了保持曲线的形状所增加的形状参数,例如为了保持双曲线形状,加入tanh),λ为常温下(即25℃)的沟道长度调制系数;μ ch为常温下(即25℃)的沟道电子迁移率,Cox 为单位面积栅氧化电容,W/L为沟道纵横比;μ ch0为μ ch的经验参数,Ech为沟道电场的平均值,v sat为电子饱和速度,α为沟道电场相关的电子迁移率拟合系数,Ech、v sat、α用于描述器件开通过程中导电沟道内沟道电子的迁移率退化现象;T为SiC MOSFET温度,q为电子电荷,ε ox 为SiO2的介电常数,dox 为SiO2的厚度,k为玻尔兹曼常数;mμ ch1、mμ ch2、mV th1、mV th2、mλ 1、mλ 2为拟合的温度特性参数,用来表征μ ch、Vth、λ等参数随温度的变化关系;/>为温度T下的沟道电子迁移率(沟道电子迁移率随温度T变化),/>为温度T下的阈值电压,/>为温度T下的沟道长度调制系数。
SiC MOSFET的静态输出特性只有第一象限和第三象限的行为,式(1)实际上就是图2所示的SiC MOSFET的漏源两端施加漏源电压所产生的电流,式(2)实际上就是图2所示的SiC MOSFET的漏源两端施加负电压所产生的电流(又为漏电流)。
本实施例采用修正的EKV模型(Enz-Krummenacher-Vittoz模型)来构建SiCMOSFET的沟道电流模型,EKV模型所代表的沟道电流是与漏源电压Vds有关,实际上是不准确的,因为沟道电流与沟道两端电压有关,漏源电压=沟道电压+器件内部其他区域电压+封装电感寄生所引起的电压。采用修正的EKV模型来输出电热特性(或构建沟道电流模型)是因为它是一个连续的函数,其在模型仿真中收敛性强,而且它的参数相对来说较少,并且具有一定的物理意义。
考虑实际的器件结构对导通电阻进行建模,在器件的动态开关过程中与导通电阻相关的部分结构参数发生变化,因此导通电阻被表述为漏源电压Vds和栅源电压Vgs相关的函数,且图2所示的SiC MOSFET物理模型的导通电阻模型也是通过压控电流源来实现,考虑到栅极电压偏置以及沟道场强对电子迁移率的影响,通过经验函数来描述这种现象,因此SiC MOSFET的导通电阻模型主要由以下三部分构成:
(10)
(11)
(12)
(13)
其中,Ron为常温下(即25℃)的导通电阻,Rch为沟道电阻,Rjfet为JFET区电阻,Rdrift为漂移区电阻,Rdrift0为漂移区电阻初值,Vdrift为漂移区两端的电压,β satl和Vsatl均为电子速率饱和相关参数,η为栅极偏置调制系数,Vgs为栅源电压;Vds为漏源电压,dpvd、dpvg1、dpvg2均为电阻R jfet的Vds相关参数;为温度T下的导通电阻,T为SiC MOSFET温度,Ron1、Ron2为拟合的温度特性参数。dpvd、dpvg1、dpvg2、Ron1、Ron2为器件行为上的拟合参数,通过这些行为上的拟合参数来降低模型的复杂度,并保持很高的精度。
沟道电阻Rch等于沟道电压Vch与沟道电流Ich之比,式(1)和(2)给出了沟道电压Vch与沟道电流Ich之间的关系。
考虑结构参数构建导通电阻模型更加具有物理意义,符合实际的物理过程,具有更高的普适性。若仅通过一些无特殊含义的拟合参数来构建导通电阻模型,当对SiCMOSFET进行试验工况测试时,通过这些无特征含义的拟合参数得到的导通电阻模型无法很好地描述SiCMOSFET的导通行为,而导通电阻主要影响导通压降。
图2所示的SiC MOSFET物理模型的导通电阻模型的具体实现如下:
i=U/R (14)
图3为关断沟道下垂直双扩散功率MOSFET半电池结构的简化等效电路;根据图3可以看出,SiC MOSFET的导电沟道是断开,此时由于耗尽层的存在,栅极和沟道之间的氧化物电容Cox1与栅极和N + 漂移区之间的氧化物电容Cox2被隔开,并且相应地仅从源极或漏极充电,电容Cox1对栅源电容Cgs有贡献,电容Cox2对栅漏电容Cgd有贡献。因此,栅源电容Cgs可以被看成由三个电容并联而成:栅极和源极之间的氧化物电容Cov1、栅极和源极N + 接触之间的电容Cov2、由电容Cox1和P+base的电容Cch串联而成的电容。栅漏电容Cgd可以被看成由两个电容串联而成:电容Cox2、耗尽层电容Cdep。图3的小信号等效电路如图4所示。根据上述分析可以得出,在关断状态,器件的寄生电容对温度并没有依赖性。
图5为导通沟道下垂直双扩散功率MOSFET半电池结构的简化等效电路;相较于图3,由于沟道电阻Rch的存在,电容Cox1、电容Cox2既可以通过源极充电,又可以通过漏极充电。因此电容Cox1和Cox2既对栅源电容Cgs有影响,又对栅漏电容Cgd有影响。图5的小信号等效电路如图6所示。对图6进行分析,可以推导出电容Cox1+Cox2对栅源电容Cgs和栅漏电容Cgd的贡献取决于,由于电阻Rch、Rjfet、Rdrif都是与温度有关的。因此,在导通条件下,器件的寄生电容Cgs和Cgd也是与温度有关的。
图2所示的SiC MOSFET物理模型的寄生电容模型也是通过压控电流源来实现,并且沟道的状态对寄生电容的影响通过物理方程结合经验函数的形式被增加到器件的寄生电容模型中,在SiC MOSFET的动态开关过程中,其寄生电容模型的具体表达式为:
(15)
(16)
(17)
(18)
(19)
(20)
(21)
其中,Cds为漏源电容,C0为栅源电压Vgs和漏源电压Vds均等于0时的Cds值,Vbi为体二极管的内置电势,为器件动态开关过程中栅源电压Vgs对漏源电容Cds的影响;Cgs为栅源电容,Ags为栅源覆盖区域,ε sic为SiC的介电常数,dox 为SiO2的厚度,/>为器件动态开关过程中栅源电压Vgs、漏源电压Vds以及温度T对栅源电容Cgs的影响;tgddep为耗尽层厚度,Nd为漂移区掺杂浓度,q为电子电荷,dpvgd为栅漏电容转换电压,Vgd为栅漏电压;Cgd为栅漏电容,Agd为栅漏覆盖区域,/>为器件动态开关过程中栅源电压Vgs以及温度T对栅漏电容Cgd的影响;a 1、a 2、a 3、b 1、b 2、b 3、b 4、b 5、b 6、b 7、b 8、b 9、c 1、c 2、c 3、c 4、c 5、c 6为拟合的电容非线性特性参数。
图2所示的SiC MOSFET物理模型的导通电阻模型的具体实现如下:
(22)/>
根据沟道电流模型、导通电阻模型以及非线性寄生电容模型构建如图2所示的SiCMOSFET物理模型。SiC MOSFET器件的等效电路主要是由沟道电流、导通电阻、漏源电容、栅源电容以及栅漏电容所构成的,因此将构建的沟道电流模型、导通电阻模型以及非线性寄生电容模型进行电气连接即可得到SiCMOSFET物理模型。沟道电流模型、导通电阻模型以及非线性寄生电容模型也对应器件厂商所提供的数据手册中器件的静态特性和动态特性,沟道电流模型、导通电阻模型主要影响器件的静态特性,非线性寄生电容模型主要影响器件的动态特性。在实际应用中,使用者更加关注于器件的动态特性,因此,为了使器件能够更好的贴合实际应用,要对器件,尤其是器件的寄生电容进行精确建模。除此之外,还要对器件的参数,尤其是寄生电容的参数进行精确的识别。
步骤5中,利用粒子群优化算法识别出SiC MOSFET物理模型的参数,SiC MOSFET物理模型的待识别参数包括待识别静态参数和待识别动态参数,待识别静态参数包括沟道电流模型和导通电阻模型中的参数,具体有:gm、k s 、Vth、K、Vch、n、β、λ、μ ch、Cox 、W/L、μ ch0、Ech、v sat、Vgs、α、mμ ch1、mμ ch2、mV th1、mV th2、mλ 1、mλ 2、Rdrift0、β satl、Vsatl、η、dpvd、dpvg1、dpvg2、Ron1、Ron2;待识别动态参数包括非线性寄生电容模型中的参数,具体有:C0、Vbi、Ags、Agd、Nd、dpvgd、a 1、a 2、a 3、b 1、b 2、b 3、b 4、b 5、b 6、b 7、b 8、b 9、c 1、c 2、c 3、c 4、c 5、c 6。
如图7所示,利用粒子群优化算法识别出SiC MOSFET物理模型的参数,具体包括以下步骤:
步骤5.1:设置粒子群大小,根据待识别参数确定维度数以及粒子群中的粒子在每个维度的位置范围,根据粒子在每个维度的位置范围确定粒子在对应维度的速度范围;
步骤5.2:基于粒子在每个维度的位置范围和速度范围,设置每个粒子在每个维度的初始位置和初始速度;
步骤5.3:构建包含SiC MOSFET物理模型的仿真模型;
步骤5.4:获取器件的真实开关行为曲线和真实静态特性曲线;
步骤5.5:以每个粒子在每个维度的初始位置作为仿真模型中物理模型的参数,并对仿真模型进行仿真,得到与每个粒子对应的仿真开关行为曲线;以每个粒子在每个维度的初始位置作为物理模型的参数,并对物理模型进行仿真,得到与每个粒子对应的仿真静态特性曲线;
步骤5.6:根据真实开关行为曲线和每条仿真开关行为曲线、真实静态特性曲线和每条仿真静态特性曲线计算出每个粒子的目标值,以目标值最小所对应的粒子作为当前次迭代的最优粒子,以所有已完成迭代中目标值最小所对应的粒子作为全局最优粒子;
步骤5.7:根据器件开关过程将每条仿真开关行为曲线分成多个特征段,根据每个特征段和真实开关行为曲线中与该特征段对应的段计算出每个特征段的误差值;根据每条仿真开关行为曲线和真实开关行为曲线计算出开关轨迹的误差值;
步骤5.8:当与维度对应的待识别参数为动态参数时,根据每个特征段的误差值和开关轨迹的误差值修正速度更新公式中的权重,更新每个粒子在该维度下的速度和位置;当与维度对应的待识别参数为静态参数时,速度更新公式中的权重不修正,更新每个粒子在该维度下的速度和位置;
步骤5.9:判断是否达到设定的迭代次数,若是,则输出全局最优粒子,全局最优粒子在不同维度下的位置为待识别参数的取值;若否,则转入步骤5.5。
步骤5.1中,粒子对应于SiC MOSFET物理模型,粒子的维度对应于SiC MOSFET物理模型的待识别参数,粒子群大小为正整数,粒子群大小的取值范围为20~1000,较小的粒子群规模容易陷入局部最优,较大的粒子群规模可以提高收敛性,更快找到全局最优解,但是每次迭代中的计算量增加,当粒子群规模增大到一定量时,即使再增加粒子群规模也不再具有显著的作用。本实施例中,粒子群大小或规模为50~200。每个待识别参数对应粒子的一个维度,因此待识别参数的数量等于粒子的维度数,根据待识别参数的取值范围确定粒子在对应维度的位置范围,从而确定粒子在每个维度的位置范围,即粒子在每个维度的位置范围为与该维度对应的待识别参数的取值范围。
粒子在每个维度的速度范围可以根据粒子在该维度的位置范围来确定,具体过程包括:
计算出粒子在每个维度的最大位置与最小位置的差值;最大位置与最小位置的差值与经验值之比为粒子在对应维度的最大速度Vmax;最大速度的负值为粒子在对应维度的最小速度Vmin,即粒子在每个维度的速度范围为[-Vmax, Vmax]。粒子在每个维度的位置是由粒子在该维度的速度和位置确定的,如果粒子在该维度的速度过大,可能会导致无法识别到最优的位置,因此需要将最大位置与最小位置的差值除以一个经验值,该经验值通常大于10且小于100。
步骤5.2中,基于粒子在每个维度的位置范围,对粒子在该维度的初始位置进行初始化;基于粒子在每个维度的速度范围,对粒子在该维度的初始速度进行初始化,由此可以确定粒子在所有维度的初始位置,即确定物理模型的所有待识别参数的初始值。
为了后续得到器件的仿真开关行为曲线(本实施例中的器件是指SiC MOSFET器件),步骤5.3需构建包含SiC MOSFET物理模型的仿真模型,通过仿真模型来得到仿真开关行为曲线。如图8所示,仿真模型包括第一SiC MOSFET物理模型和第二SiC MOSFET物理模型;第一SiC MOSFET物理模型的栅极通过栅极电阻RG2与栅极驱动电压VG1连接,第一SiCMOSFET物理模型的漏极与负载电感Lload、缓冲电阻Rsnb和回路杂散电容Lloop连接,第一SiCMOSFET物理模型的源极、栅极驱动电压VG1、负载电感Lload与第二SiC MOSFET物理模型的漏极连接;第二SiC MOSFET物理模型的栅极通过栅极电阻RG2与栅极驱动电压VG2连接,第二SiC MOSFET物理模型的源极、栅极驱动电压VG2、缓冲电容Csnb以及电容Cbus接地,缓冲电容Csnb与缓冲电阻Rsnb连接,电容Cbus通过电阻Resr与回路杂散电容Lloop连接,直流母线电压Vdc并联于由电容Cbus和电阻Resr串联构成的支路两端。
为了后续计算每个粒子的目标值,需要获取器件的真实开关行为曲线和真实静态特性曲线,本实施例中,对利用真实的SiC MOSFET搭建的测试电路进行实验来得到真实开关行为曲线,测试电路与仿真模型的电路图一致,均为具有带RC缓冲的双脉冲测试电路,如图8所示。图8中,Vdc为直流母线电压,Cbus为直流链路平滑电容器,Resr为平滑电容器的等效串联电阻,Lloop为回路杂散电感,Rsnb为缓冲电阻,Csnb为缓冲电容,Lload为负载电感,RG2为栅极外部电阻,VG1(为一个-5V的供电电源)、VG2(为一个脉冲,高电平是20V,低电平是-5V)分别为第一SiC MOSFET器件、第二SiC MOSFET器件的栅极驱动电压,Lg、 Ld 、Ls 分别为SiCMOSFET的栅极电感、漏极电感、源极电感;Rd、Rs分别为器件的漏极电阻、源极电阻,RG1为栅极内部电阻,Cgs、Cgd、Cds分别为器件的栅源电容、栅漏电容、漏源电容。在仿真模型中加入RC缓冲来消除在器件动态开关过程中不受模型参数影响的开关振荡,大大提高粒子群优化算法的准确性并且减小算法的运行时间。
根据沟道电流模型、导通电阻模型、非线性寄生电容模型以及带RC缓冲的半桥外电路搭建一个带有RC缓冲的双脉冲测试电路(如图8所示),且开关器件采用本发明的SiCMOSFET物理模型,Simulink运行的初始参数通过粒子群优化算法初始化得到,然后通过粒子群优化算法进行分段寻优迭代,得到使目标值最小的一组解即为全局最优解,即得到SiCMOSFET的物理模型参数。
本实施例的真实静态特性曲线是根据真实的SiC MOSFET芯片的数据手册来得到的。
步骤5.5中,仿真开关行为曲线是对仿真模型(即图8所示的需要加带RC缓冲的双脉冲测试电路)进行仿真来得到;仿真静态特性曲线是对物理模型(不需要加带RC缓冲的双脉冲测试电路)进行仿真来得到,即仅对物理模型施加电压进行仿真。
真实开关行为曲线和真实静态特性曲线均只有一条,每个粒子均对应有一条仿真开关行为曲线和一条仿真静态特性曲线,因此仿真开关行为曲线和仿真静态特性曲线的数量均等于粒子群大小。在计算每个粒子的目标值时,需要根据真实开关行为曲线和与该粒子对应的仿真开关行为曲线、真实静态特性曲线和与该粒子对应的仿真静态特性曲线来计算。真实开关行为曲线和每条仿真开关行为曲线均包括漏源电压Vds关于时间的曲线和漏极电流Id关于时间的曲线。真实静态特性曲线和仿真静态特性曲线均是漏源电压Vds与漏极电流Id的关系曲线。
步骤5.6中,根据真实开关行为曲线和每条仿真开关行为曲线、真实静态特性曲线和每条仿真静态特性曲线计算出每个粒子的目标值,具体包括:
在仿真开关行为曲线上选取不同的时间点,得到与时间点对应的漏源电压仿真值和漏极电流仿真值;根据仿真开关行为曲线上时间点的选取间隔在真实开关行为曲线上选取对应的时间点,得到与时间点对应的漏源电压真实值和漏极电流真实值,即漏源电压仿真值所对应的时间点与漏源电压真实值所对应的时间点相同,漏极电流仿真值所对应的时间点与漏极电流真实值所对应的时间点相同;
根据不同的漏源电压仿真值和漏源电压真实值计算出漏源电压目标值,根据不同的漏极电流仿真值和漏极电流真实值计算出漏极电流目标值,具体计算公式为:
(23)
(24)
其中,Vds0为漏源电压目标值,M为仿真开关行为曲线或真实开关行为曲线上的时间点数,为与第i个时间点对应的漏源电压仿真值,/>为与第i个时间点对应的漏源电压真实值,Vdc为直流母线电压;Ids0为漏极电流目标值,/>为与第i个时间点对应的漏极电流仿真值,/>为与第i个时间点对应的漏极电流真实值,Ir为额定电流;
在仿真静态特性曲线上选取不同的时间点,得到与时间点对应的静态特性仿真值;根据仿真静态特性曲线上时间点的选取间隔在真实静态特性曲线上选取对应的时间点,得到与时间点对应的静态特性真实值;
根据不同的静态特性仿真值和静态特性真实值计算出静态特性目标值,具体计算公式为:
(25)
其中,Xstatic0为静态特性目标值,N为仿真静态特性曲线或真实静态特性曲线上的时间点数,为与第i个时间点对应的静态特性仿真值,/>为与第i个时间点对应的静态特性真实值,Xmax为最大的静态特性真实值;静态特性仿真值、静态特性真实值均为对应曲线上的漏极电流值。
根据漏源电压目标值、漏极电流目标值以及静态特性目标值计算出粒子的目标值,具体计算公式为:
(26)
其中,Fpi为粒子的目标值。
参数识别的本质是通过智能优化算法在参数范围内寻找最小目标值的过程。目标值越小,结果匹配程度越好,识别出的参数与真实参数越接近。粒子群优化算法的目标是使漏源电压真实值和漏极电流真实值与漏源电压仿真值和漏极电流仿真值精准匹配,使真实静态特性曲线与仿真静态特性曲线精准匹配。
每次迭代时,均能计算出所有粒子的目标值,在当前次迭代中,目标值最小所对应的粒子作为当前次迭代的最优粒子;在已完成的迭代中,目标值最小所对应的粒子作为全局最优粒子。在首次迭代中,目标值最小所对应的粒子既是当前次迭代的最优粒子,也是全局最优粒子。
图9为SiC MOSFET的非线性电容与其开关轨迹的关系,其开关轨迹显示了SiCMOSFET从截止区到欧姆区的动态性能,它由时域中的电压Vgs、Vds以及漏极电流Id表示,并且它可以通过图8的双脉冲测试电路得到。
SiC MOSFET器件的开关过程可以被分为8个阶段,其中开通过程有四个阶段,关断过程有四个阶段。由于器件的开通阶段与关断阶段互为逆过程,并且开关机理相似,因此本发明仅选开通过程进行分析。器件的开通过程可以被分为四个阶段:第一阶段,开通延迟阶段(t0~t1);第二阶段,电流上升阶段(t1~t2);第三阶段,电压下降阶段(t3~t4);第四阶段,器件导通阶段(t4~t5)。
开通延迟阶段(t0~t1):在t0时,栅极驱动电压开始供电,器件的输入电容Ciss开始被充电,在栅源电压Vgs上升到Vth之前,双脉冲测试电路中的下部开关器件(即第二SiCMOSFET)仍然保持关断,因此,流过器件的电流为0,并且下部开关器件两端电压Vds与直流母线电压相等。
在开通延迟阶段(t0~t1),器件的开关轨迹主要受栅源电容Cgs影响,而Cgs由A gs 、t ox 、b 1、b 2、b 3、b 4、b 5、b 6、b 7、b 8、b 9决定,因此,该阶段的影响参数为:A gs 、t ox 、b 1、b 2、b 3、b 4、b 5、b 6、b 7、b 8、b 9。
电流上升阶段(t1~t2),在t1时,栅源电压Vgs上升到Vth,此时,器件开始导通,流经器件的电流开始迅速增加,并且上二极管(即第一SiC MOSFET对应的二极管)中的电流IL从续流二极管整流到下部开关器件。下部开关器件两端电压Vds被近似钳位到直流母线电压Vdc,由于迅速上升的电流速率di/dt耦合到回路杂散电感Lloop上,下部开关器件两端电压Vds略微降低,降低的电压部分能够通过公式计算得到。当IL完全转移到下部开关器件,该阶段结束,续流二极管开始阻断电压,并且在电流上升阶段(t1~t2),器件的输入电容Ciss一直被充电。
在电流上升阶段(t1~t2),器件的开关轨迹主要受栅源电容Cgs影响。而Cgs由A gs 、t ox 、b 1、b 2、b 3、b 4、b 5、b 6、b 7、b 8、b 9决定,因此,该阶段的影响参数为:A gs 、t ox 、b 1、b 2、b 3、b 4、b 5、b 6、b 7、b 8、b 9。
电压下降阶段(t2~t3),从t2开始,续流二极管开始阻断电压,并且器件的输出电容Coss开始放电,当下部开关器件两端电压Vds下降至饱和电压Vdssat时,该阶段结束。在此阶段,器件的开关轨迹主要受栅漏电容Cgd和漏源电容Cds的影响。Cgd由A gd 、t ox 、dpvgd、N d 、c 1、c 2、c 3、c 4、c 5、c 6决定,Cds由C 0 、V bi 、a 1、a 2、a 3决定,因此,该阶段的影响参数为:A gd 、t ox 、dpvgd、N d 、c 1、c 2、c 3、c 4、c 5、c 6、C 0 、V bi 、a 1、a 2、a 3。
器件导通阶段(t3~t4),在t3之后,Vds继续下降到导通电压Vdson= IdRon,SiC MOSFET完全导通,并且栅极电流继续将输入电容Ciss充电到正驱动电压VGG(即VG2的高电平)。在此阶段,器件的开关轨迹主要受栅源电容Cgs影响。而Cgs由A gs 、t ox 、b 1、b 2、b 3、b 4、b 5、b 6、b 7、b 8、b 9决定,因此,该阶段的影响参数为:A gs 、t ox 、b 1、b 2、b 3、b 4、b 5、b 6、b 7、b 8、b 9。
同理,关断过程可以被分为四个阶段:关断延迟阶段(t’4~t5)(第五阶段)、关断漏源电压上升阶段(t5~t6)(第六阶段)、关断漏极电流下降阶段+漏源电压过冲阶段(t6~t7)(第七阶段)、关断稳态阶段(t7~t8)(第八阶段)。
由于SiC MOSFET的寄生电容模型主要影响器件的动态特性,并且在实际应用中,使用者更加关注于器件的动态特性。为了获得更加精确的动态参数,在利用粒子群优化算法进行动态参数识别时,分阶段进行动态参数的识别;在利用粒子群优化算法进行静态参数识别时,由于静态参数对器件的动态开关行为基本无影响,因此不分阶段进行参数识别。SiC MOSFET的非线性寄生电容与其开关轨迹的关系如图9所示,将器件的开关轨迹或开关过程分为8个阶段,每一阶段都有与其相对应的寄生电容和电容参数,每一阶段的误差主要是由该阶段所对应的寄生电容参数来决定。为了在使用粒子群优化算法进行动态寻优的过程中解耦粒子的多维属性(即多个待识别参数),粒子的每个维度都应该被赋予不同的权重,并且每个维度下的权重能够通过该维度主导的每个特征段的误差占开关轨迹的误差的最大值来计算,权重越大,代表该参数对器件的开关轨迹更加敏感,因此需要更大的权重进行结果优化。
因此,步骤5.7中,根据器件开关过程被划分的8个阶段将每条仿真开关行为曲线分成8个特征段,由上述分析可知,每个特征段对应有不同的影响参数。根据每个特征段和真实开关行为曲线中与该特征段对应的段计算出每个特征段的误差值,具体计算公式为:
(27)
其中,m0为仿真开关行为曲线的特征段数(本实施例m0=8),j=1,2,…,m0,err(j)为第j个特征段的误差值,n j为第j个特征段上的时间点数,为与第i个时间点对应的漏源电压仿真值,/>为与第i个时间点对应的漏源电压真实值,Vdc为直流母线电压;/>为与第i个时间点对应的漏极电流仿真值,/>为与第i个时间点对应的漏极电流真实值,Ir为额定电流。
根据每条仿真开关行为曲线和真实开关行为曲线计算出开关轨迹的误差值,具体计算公式为:
(28)
其中,errdy为开关轨迹的误差值。
在与动态参数对应的维度下进行速度更新前,先需要对在该维度下的权重进行修正,然后再根据速度更新公式进行粒子在该维度下的速度更新;在与静态参数对应的维度下进行速度更新前,不需要对在该维度下的权重进行修正,在该维度下的权重采用预设值,本实施例中,在与静态参数对应的维度下的权重设为0.6。因此,在进行权重修正和速度更新前,需要判断与待识别参数对应的维度是动态参数还是静态参数。
当维度对应的待识别参数为动态参数时,根据每个特征段的误差值和开关轨迹的误差值修正速度更新公式中的权重,更新每个粒子在该维度下的速度和位置;当维度对应的待识别参数为静态参数时,速度更新公式中的权重不修正(为0.6),更新每个粒子在该维度下的速度和位置。根据每个特征段的误差值和开关轨迹的误差值修正速度更新公式中的权重的具体公式为:
(29)
其中,为粒子在维度r下的权重。
权重表示上一次迭代中粒子在维度r下的速度对当前次迭代中粒子在维度r下的速度的影响,或者粒子对当前自身运动状态的信任程度,粒子依据自身的速度进行惯性运动。权重使粒子保持运动的惯性和搜索扩展空间的趋势,权重越大,搜索新区域的能力越强,全局寻优能力越强,但是局部寻优能力越弱;反之,全局寻优能力越弱,局部寻优能力越强。较大的权重有利于全局搜索,跳出局部极值,不至于陷入局部最优;而较小的权重有利于局部搜索,使算法快速收敛到最优解。当搜索空间较大时,为了在搜索速度和搜索精度之间达到平衡,通常使算法在前期有较高的全局搜索能力以得到合适的粒子,而在后期有较高的局部搜索能力以提高收敛精度,权重不宜为一个固定的常数。权重的取值范围为0.4~2,经典取值为0.9、1.2、1.5、1.8。
为了减少权重修正时的计算量,在权重修正时,只计算与影响参数对应的阶段,以参数Vbi为例,根据图9的分析,参数Vbi对电压下降阶段(对应第3个特征段)和关断漏源电压上升阶段(对应第6个特征段)有影响,因此,粒子在维度Vbi下的权重的修正公式为:
(30)
(31)
(32)
由于参数Vbi与漏源电容有关,所以Vbi主导的特征段为第三阶段和第六阶段,因此只需分别计算Vbi主导的第3个、第6个特征段的误差占开关轨迹的误差,取其中的最大值作为Vbi的权重。
本实施例中,更新每个粒子在每个维度下的速度和位置的具体公式为:
(33)
(34)
其中,为第t+1次迭代中粒子在维度r下的速度,/>为第t次迭代中粒子在维度r下的权重,/>为第t次迭代中粒子在维度r下的速度,c1、c2均为学习因子,r1、r2均为0~1之间的随机数,/>为第t次迭代中最优粒子的目标值,/>为第t次迭代中粒子在维度r下的位置,/>为已完成的t次迭代中全局最优粒子的目标值,/>为第t+1次迭代中粒子在维度r下的位置。
式(33)的速度公式由三部分构成:惯性部分、认知部分和社会部分,惯性部分由权重和粒子自身速度构成,表示粒子对上一次迭代中自身运动状态的信任;认知部分表示粒子本身的思考,即粒子自身经验的部分,可理解为粒子当前位置和自身历史最优位置之间的距离和方向;社会部分表示粒子之间的信息共享与合作,即来源于粒子群中其他优秀粒子的经验,可理解为粒子当前位置与粒子群历史最优位置之间的距离和方向。
本实施例中,设定的迭代次数的取值范围为50~100,典型取值为60、70、100。
本发明采用的优化算法为粒子群优化算法,在应用粒子群优化算法时,粒子群的每个粒子之间相互传递自身信息,来确定粒子群的最优解,而其他粒子在优化过程中会朝着最优解的方向移动。每个粒子都有自己的多维空间(由待识别参数的数量决定多维空间的维数),并且在每个维度上都有自己的速度和位置属性。在优化过程中,每个粒子的所有维度共同决定了粒子的状态。这意味着在参数识别的过程中,SiC MOSFET的参数是相互耦合的,每个参数对结果的作用都会影响其他参数的状态。因此,为了解决模型参数之间的耦合问题,本发明采用粒子群优化算法进行分段动、静态参数识别得到模型的参数。
采用粒子群优化算法识别出的模型参数如表1至表3所示:
表1 沟道模型的参数
表2 导通电阻模型的参数
表3 寄生电容模型的参数
为了验证本发明构建的SiC MOSFET物理模型的静态特性,将模型仿真与datasheet提供的I-V静态特性曲线、转移特性曲线、C-V特性曲线进行对比,模型的参数是通过粒子群优化算法识别得到的,对比结果分别如图10(a)、图10(b)、图10(c)和图10(d)所示,可以看出模型仿真结果与datasheet提供data的曲线吻合的很好。
为了验证本发明构建的SiC MOSFET物理模型的动态特性,将模型仿真与双脉冲测试电路测试得到的结果进行对比,对比结果如图11(a)、图11(b)、图11(c)、11(d)、图11(e)和图11(f)所示,可以看出本发明构建的物理模型能够很好的符合实验结果,将本发明构建的物理模型能够很好地运用于不同的实验工况和环境温度下,为包含SiC MOSFET器件的电力电子系统仿真方法提供依据。
本发明实施例还提供一种电子设备,该电子设备包括:处理器和存储有计算机程序的存储器,所述处理器被配置为执行所述计算机程序时实现如上所述的SiC MOSFET物理模型构建方法。
尽管未示出,所述电子设备包括处理器,其可以根据存储在只读存储器(ROM)中的程序和/或数据或者从存储部分加载到随机访问存储器(RAM)中的程序和/或数据而执行各种适当的操作和处理。处理器可以是一个多核的处理器,也可以包含多个处理器。在一些实施例中,处理器可以包含一个通用的主处理器以及一个或多个特殊的协处理器,例如,中央处理器、图形处理器(GPU)、神经网络处理器(NPU)、数字信号处理器(DSP)等等。在RAM中,还存储有电子设备操作所需的各种程序和数据。处理器、ROM以及RAM通过总线彼此相连。输入/输出(I/O)接口也连接至总线。
上述处理器与存储器共同用于执行存储在存储器中的程序,所述程序被计算机执行时能够实现上述各实施例描述的方法、步骤或功能。
尽管未示出,本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上所述的SiC MOSFET物理模型构建方法。
在本发明的实施例的存储介质包括永久性和非永久性、可移动和非可移动的可以由任何方法或技术来实现信息存储的物品。存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。
以上所揭露的仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或变型,都应涵盖在本发明的保护范围之内。
Claims (9)
1.一种SiC MOSFET物理模型构建方法,其特征在于,所述构建方法包括以下步骤:
根据SiC MOSFET的静态特性和温度特性构建SiC MOSFET的沟道电流模型;
根据SiC MOSFET的结构参数构建导通电阻模型;
根据漏源电压、栅源电压以及温度,构建SiC MOSFET的非线性寄生电容模型;
根据所述沟道电流模型、导通电阻模型以及非线性寄生电容模型构建SiC MOSFET物理模型;
识别出所述SiC MOSFET物理模型的参数;
其中,利用粒子群优化算法识别出所述SiC MOSFET物理模型的参数,具体包括:
步骤5.1:设置粒子群大小,根据待识别参数确定维度数以及粒子群中的粒子在每个维度的位置范围,根据粒子在每个维度的位置范围确定粒子在对应维度的速度范围;其中,维度与待识别参数一一对应;
基于粒子在每个维度的位置范围和速度范围,设置每个粒子在每个维度的初始位置和初始速度;
步骤5.2:构建包含所述SiC MOSFET物理模型的仿真模型;获取器件的真实开关行为曲线和真实静态特性曲线;
步骤5.3:以每个粒子在每个维度的初始位置作为所述仿真模型中物理模型的参数,并对仿真模型进行仿真,得到与每个粒子对应的仿真开关行为曲线;以每个粒子在每个维度的初始位置作为所述物理模型的参数,并对物理模型进行仿真,得到与每个粒子对应的仿真静态特性曲线;
步骤5.4:根据真实开关行为曲线和每条仿真开关行为曲线、真实静态特性曲线和每条仿真静态特性曲线计算出每个粒子的目标值,以目标值最小所对应的粒子作为当前次迭代的最优粒子,以所有已完成迭代中目标值最小所对应的粒子作为全局最优粒子;
步骤5.5:根据器件开关过程将每条仿真开关行为曲线分成多个特征段,根据每个特征段和真实开关行为曲线中与该特征段对应的段计算出每个特征段的误差值;根据每条仿真开关行为曲线和真实开关行为曲线计算出开关轨迹的误差值;
步骤5.6:当与维度对应的待识别参数为动态参数时,根据每个特征段的误差值和开关轨迹的误差值修正速度更新公式中的权重,更新每个粒子在该维度下的速度和位置;当与维度对应的待识别参数为静态参数时,速度更新公式中的权重不修正,更新每个粒子在该维度下的速度和位置;
步骤5.7:判断是否达到设定的迭代次数,若是,则输出全局最优粒子,所述全局最优粒子在不同维度下的位置为待识别参数的取值;若否,则转入步骤5.3。
2.根据权利要求1所述的SiC MOSFET物理模型构建方法,其特征在于,采用修正的EKV模型构建SiC MOSFET的沟道电流模型,所述沟道电流模型包括SiC MOSFET在第一象限的沟道电流模型和在第三象限的沟道电流模型,其中所述第一象限、第三象限所对应的坐标系是以漏源电压为X轴、以漏源电流为Y轴的直角坐标系;
SiC MOSFET在第一象限的沟道电流模型的具体表达式为:
;
;
;
;
;
;
SiC MOSFET在第三象限的沟道电流模型的具体表达式为:
;
其中,Ich为沟道电流,Vgs为栅源电压,gm为SiC MOSFET器件跨导,为热电压,k s 为亚阈值斜坡参数,Vth为常温下的阈值电压,K为幂律指数,Vch为沟道电压,n和β均为线性区域参数,λ为常温下的沟道长度调制系数;μ ch为常温下的沟道电子迁移率,Cox 为单位面积栅氧化电容,W/L为沟道纵横比;μ ch0为μ ch的经验参数,Ech为沟道电场的平均值,v sat为电子饱和速度,α为沟道电场相关的电子迁移率拟合系数;T为SiC MOSFET温度,q为电子电荷,ε ox 为SiO2的介电常数,dox 为SiO2的厚度,k为玻尔兹曼常数;mμ ch1、mμ ch2、mV th1、mV th2、mλ 1、mλ 2为拟合的温度特性参数;/>为温度T下的沟道电子迁移率,/>为温度T下的阈值电压,/>为温度T下的沟道长度调制系数。
3.根据权利要求1所述的SiC MOSFET物理模型构建方法,其特征在于,所述导通电阻模型的具体表达式为:
;
;
;
;
其中,Ron为常温下的导通电阻,Rch为沟道电阻,Rjfet为JFET区电阻,Rdrift为漂移区电阻,Rdrift0为漂移区电阻初值,Vdrift为漂移区两端的电压,β satl和Vsatl均为电子速率饱和相关参数,η为栅极偏置调制系数,Vgs为栅源电压;Vds为漏源电压,dpvd、dpvg1、dpvg2均为电阻R jfet的Vds相关参数;为温度T下的导通电阻,T为SiC MOSFET温度,Ron1、Ron2为拟合的温度特性参数。
4.根据权利要求1所述的SiC MOSFET物理模型构建方法,其特征在于,所述非线性寄生电容模型的具体表达式为:
;
;
;
;
;
;
其中,Cds为漏极和源极之间的寄生电容,C0为栅源电压Vgs和漏源电压Vds均等于0时的Cds值,Vbi为体二极管的内置电势,为器件动态开关过程中栅源电压Vgs对漏源电容Cds的影响;Cgs为栅极和源极之间的寄生电容,Ags为栅源覆盖区域,ε sic为SiC的介电常数,dox 为SiO2的厚度,/>为器件动态开关过程中栅源电压Vgs、漏源电压Vds以及温度T对栅源电容Cgs的影响;tgddep为耗尽层厚度,Nd为漂移区掺杂浓度,q为电子电荷,dpvgd为栅漏电容转换电压,Vgd为栅漏电压;Cgd为栅极和漏极之间的寄生电容,Agd为栅漏覆盖区域,/>为器件动态开关过程中栅源电压Vgs以及温度T对栅漏电容Cgd的影响;a 1、a 2、a 3、b 1、b 2、b 3、b 4、b 5、b 6、b 7、b 8、b 9、c 1、c 2、c 3、c 4、c 5、c 6为拟合的电容非线性特性参数。
5.根据权利要求1所述的SiC MOSFET物理模型构建方法,其特征在于,所述步骤5.4中,根据真实开关行为曲线和每条仿真开关行为曲线、真实静态特性曲线和每条仿真静态特性曲线计算出每个粒子的目标值,具体包括:
在所述仿真开关行为曲线上选取不同的时间点,得到与时间点对应的漏源电压仿真值和漏极电流仿真值;根据所述仿真开关行为曲线上时间点的选取间隔在所述真实开关行为曲线上选取对应的时间点,得到与时间点对应的漏源电压真实值和漏极电流真实值;
根据不同的漏源电压仿真值和漏源电压真实值计算出漏源电压目标值,根据不同的漏极电流仿真值和漏极电流真实值计算出漏极电流目标值,具体计算公式为:
;
;
其中,Vds0为漏源电压目标值,M为仿真开关行为曲线或真实开关行为曲线上的时间点数,为与第i个时间点对应的漏源电压仿真值,/>为与第i个时间点对应的漏源电压真实值,Vdc为直流母线电压;Ids0为漏极电流目标值,/>为与第i个时间点对应的漏极电流仿真值,/>为与第i个时间点对应的漏极电流真实值,Ir为额定电流;
在所述仿真静态特性曲线上选取不同的时间点,得到与时间点对应的静态特性仿真值;根据所述仿真静态特性曲线上时间点的选取间隔在所述真实静态特性曲线上选取对应的时间点,得到与时间点对应的静态特性真实值;
根据不同的静态特性仿真值和静态特性真实值计算出静态特性目标值,具体计算公式为:
;
其中,Xstatic0为静态特性目标值,N为仿真静态特性曲线或真实静态特性曲线上的时间点数,为与第i个时间点对应的静态特性仿真值,/>为与第i个时间点对应的静态特性真实值,Xmax为最大的静态特性真实值;
根据所述漏源电压目标值、漏极电流目标值以及静态特性目标值计算出粒子的目标值,具体计算公式为:
;
其中,Fpi为粒子的目标值。
6.根据权利要求1所述的SiC MOSFET物理模型构建方法,其特征在于,所述步骤5.6中,根据每个特征段的误差值和开关轨迹的误差值修正速度更新公式中的权重的具体公式为:
;
;
;
其中,为粒子在维度r下的权重,m0为仿真开关行为曲线的特征段数,j=1,2,…,m0,为第j个特征段的误差值,n j为第j个特征段上的时间点数,n j-1为第j-1个特征段上的时间点数,errdy为开关轨迹的误差值;M为仿真开关行为曲线或真实开关行为曲线上的时间点数,/>为与第i个时间点对应的漏源电压仿真值,/>为与第i个时间点对应的漏源电压真实值,Vdc为直流母线电压;/>为与第i个时间点对应的漏极电流仿真值,/>为与第i个时间点对应的漏极电流真实值,Ir为额定电流。
7.根据权利要求1所述的SiC MOSFET物理模型构建方法,其特征在于,所述步骤5.6中,更新每个粒子在每个维度下的速度和位置的具体公式为:
;
;
其中,为第t+1次迭代中粒子在维度r下的速度,/>为第t次迭代中粒子在维度r下的权重,/>为第t次迭代中粒子在维度r下的速度,c1、c2均为学习因子,r1、r2均为0~1之间的随机数,/>为第t次迭代中最优粒子的目标值,/>为第t次迭代中粒子在维度r下的位置,/>为t次迭代中全局最优粒子的目标值,/>为第t+1次迭代中粒子在维度r下的位置。
8.一种电子设备,其特征在于,所述设备包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1~7中任一项所述的SiC MOSFET物理模型构建方法。
9.一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上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1~7中任一项所述的SiC MOSFET物理模型构建方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311100643.9A CN116861833B (zh) | 2023-08-30 | 2023-08-30 | SiC MOSFET物理模型构建方法、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311100643.9A CN116861833B (zh) | 2023-08-30 | 2023-08-30 | SiC MOSFET物理模型构建方法、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116861833A CN116861833A (zh) | 2023-10-10 |
CN116861833B true CN116861833B (zh) | 2024-01-30 |
Family
ID=88228881
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311100643.9A Active CN116861833B (zh) | 2023-08-30 | 2023-08-30 | SiC MOSFET物理模型构建方法、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116861833B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117236260B (zh) * | 2023-11-13 | 2024-03-12 | 广东芯聚能半导体有限公司 | 半导体器件的建模方法、装置、计算机设备及存储介质 |
CN117473919A (zh) * | 2023-12-25 | 2024-01-30 | 陕西航空电气有限责任公司 | 基于SiC MOSFET器件特性行为模型的电磁兼容建模方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106896307A (zh) * | 2017-01-18 | 2017-06-27 | 浙江大学 | 一种碳化硅mosfet导通电阻特性的建模方法 |
US9761675B1 (en) * | 2015-01-08 | 2017-09-12 | National Technology & Engineering Solutions Of Sandia, Llc | Resistive field structures for semiconductor devices and uses therof |
CN113191104A (zh) * | 2021-05-24 | 2021-07-30 | 杭州电子科技大学 | 一种SiC MOSFET SPICE行为模型构建方法和装置 |
CN116629183A (zh) * | 2023-07-24 | 2023-08-22 | 湖南大学 | 碳化硅mosfet干扰源建模方法、设备及存储介质 |
-
2023
- 2023-08-30 CN CN202311100643.9A patent/CN116861833B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9761675B1 (en) * | 2015-01-08 | 2017-09-12 | National Technology & Engineering Solutions Of Sandia, Llc | Resistive field structures for semiconductor devices and uses therof |
CN106896307A (zh) * | 2017-01-18 | 2017-06-27 | 浙江大学 | 一种碳化硅mosfet导通电阻特性的建模方法 |
CN113191104A (zh) * | 2021-05-24 | 2021-07-30 | 杭州电子科技大学 | 一种SiC MOSFET SPICE行为模型构建方法和装置 |
CN116629183A (zh) * | 2023-07-24 | 2023-08-22 | 湖南大学 | 碳化硅mosfet干扰源建模方法、设备及存储介质 |
Non-Patent Citations (6)
Title |
---|
SiC MOSFET开关损耗模型与新结构研究;李轩;《中国博士学位论文全文数据库(电子期刊)》;I135-41 * |
SiC MOSFET模型及短路特性分析;王艳;《中国优秀硕士学位论文全文数据库(电子期刊)》;I135-290 * |
徐鹏,柯俊吉,赵志斌,等.碳化硅MOSFET静态特征参数及寄生电容的高温特性研究.《华北电力大学学报(自然科学版)》.2018,17-24. * |
碳化硅MOSFET的特性研究;江芙蓉;《中国优秀硕士学位论文全文数据库(电子期刊)》;I135-111 * |
碳化硅MOSFET行为建模方法;吴宇鹰;江添洋;孔祥龙;罗成;;电力电子技术(第09期);37-39 * |
碳化硅MOSFET静态特征参数及寄生电容的高温特性研究;徐鹏;柯俊吉;赵志斌;谢宗奎;魏昌俊;;华北电力大学学报(自然科学版)(第04期);21-28 * |
Also Published As
Publication number | Publication date |
---|---|
CN116861833A (zh) | 2023-10-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116861833B (zh) | SiC MOSFET物理模型构建方法、设备及存储介质 | |
Inokawa et al. | A compact analytical model for asymmetric single-electron tunneling transistors | |
Shur et al. | Unified MOSFET model | |
Kim et al. | Physical DMOST modeling for high-voltage IC CAD | |
US9984190B1 (en) | Systems and methods for determining parameters of a power MOSFET model | |
Nelson et al. | Computational efficiency analysis of SiC MOSFET models in SPICE: Static behavior | |
Stark et al. | Accuracy of three interterminal capacitance models for SiC power MOSFETs under fast switching | |
Wang et al. | Nonlinear capacitance model of SiC MOSFET considering envelope of switching trajectory | |
CN114004067A (zh) | Mosfet开关管特性模型建立方法、装置、设备及介质 | |
Cheng et al. | More accurate miller capacitor modeling for SiC switching characteristic prediction in high frequency applications | |
Abuogo et al. | Machine learning approach for sorting SiC MOSFET devices for paralleling | |
Wu et al. | Physical analysis and modeling of the nonlinear miller capacitance for SiC MOSFET | |
Li et al. | A simplified IGBT behavioral model with a tail current module for switching losses estimation | |
CN116629183B (zh) | 碳化硅mosfet干扰源建模方法、设备及存储介质 | |
Shintani et al. | Parameter extraction procedure for surface-potential-based SiC MOSFET model | |
Alhalabi et al. | Modelling of sic power mosfet in matlab, simulink, and ltspice | |
Bottaro et al. | Development of a SPICE modelling strategy for power devices in GaN technology | |
CN103792478B (zh) | 一种绝缘栅双极型晶体管直流特性的仿真方法 | |
Stark et al. | Analysis of parameters determining nominal dynamic performance of 1.2 kV SiC power MOSFETs | |
CN115496032A (zh) | 一种碳化硅mosfet开关过程分析方法 | |
Karvonen et al. | MOSFET modeling adapted for switched applications using a state-space approach and internal capacitance characterization | |
Chibante et al. | Parameter identification of power semiconductor device models using metaheuristics | |
Ghulam | Accurate & Complete behaviourial SPICE modelling of commercial SiC Power MOSFET OF 1200V, 75A. | |
Mattausch et al. | HiSIM2 Circuit simulation-Solving the speed versus accuracy crisis | |
Akbar et al. | SPICE Modelling of commercially availabe 1200V, 30mΩ MOSFET at different Temperatures for Static Characteristics |
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 |