CN117706311A - Igbt模块的诊断和预后 - Google Patents
Igbt模块的诊断和预后 Download PDFInfo
- Publication number
- CN117706311A CN117706311A CN202311171021.5A CN202311171021A CN117706311A CN 117706311 A CN117706311 A CN 117706311A CN 202311171021 A CN202311171021 A CN 202311171021A CN 117706311 A CN117706311 A CN 117706311A
- Authority
- CN
- China
- Prior art keywords
- igbt module
- heat loss
- parameters
- computational model
- temperatures
- 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
- 238000004393 prognosis Methods 0.000 title claims abstract description 33
- 238000003745 diagnosis Methods 0.000 title abstract description 21
- 238000005094 computer simulation Methods 0.000 claims abstract description 44
- 238000005259 measurement Methods 0.000 claims abstract description 27
- 239000004065 semiconductor Substances 0.000 claims abstract description 21
- 230000006399 behavior Effects 0.000 claims abstract description 10
- 238000000034 method Methods 0.000 claims description 60
- 229910000679 solder Inorganic materials 0.000 claims description 53
- 230000008569 process Effects 0.000 claims description 48
- 239000002245 particle Substances 0.000 claims description 36
- 238000004891 communication Methods 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 16
- 238000005295 random walk Methods 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 9
- 230000001351 cycling effect Effects 0.000 claims description 9
- 238000012952 Resampling Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000004088 simulation Methods 0.000 claims description 5
- 230000001419 dependent effect Effects 0.000 claims description 3
- 239000013598 vector Substances 0.000 description 58
- 238000004422 calculation algorithm Methods 0.000 description 24
- 229910052751 metal Inorganic materials 0.000 description 23
- 239000002184 metal Substances 0.000 description 23
- 238000009826 distribution Methods 0.000 description 22
- 230000006870 function Effects 0.000 description 9
- 230000003902 lesion Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 230000036541 health Effects 0.000 description 7
- 239000000758 substrate Substances 0.000 description 7
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 5
- 238000001465 metallisation Methods 0.000 description 5
- 229910052710 silicon Inorganic materials 0.000 description 5
- 239000010703 silicon Substances 0.000 description 5
- 230000006978 adaptation Effects 0.000 description 4
- 239000000919 ceramic Substances 0.000 description 4
- 239000012212 insulator Substances 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 3
- 229910052802 copper Inorganic materials 0.000 description 3
- 239000010949 copper Substances 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 229910045601 alloy Inorganic materials 0.000 description 2
- 239000000956 alloy Substances 0.000 description 2
- 229910052782 aluminium Inorganic materials 0.000 description 2
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 230000032798 delamination Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 229910018072 Al 2 O 3 Inorganic materials 0.000 description 1
- 229910000838 Al alloy Inorganic materials 0.000 description 1
- PIGFYZPCRLYGLF-UHFFFAOYSA-N Aluminum nitride Chemical compound [Al]#N PIGFYZPCRLYGLF-UHFFFAOYSA-N 0.000 description 1
- 101710149792 Triosephosphate isomerase, chloroplastic Proteins 0.000 description 1
- 101710195516 Triosephosphate isomerase, glycosomal Proteins 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- TWNQGVIAIRXVLR-UHFFFAOYSA-N oxo(oxoalumanyloxy)alumane Chemical compound O=[Al]O[Al]=O TWNQGVIAIRXVLR-UHFFFAOYSA-N 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 238000005309 stochastic process Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/28—Testing of electronic circuits, e.g. by signal tracer
- G01R31/2801—Testing of printed circuits, backplanes, motherboards, hybrid circuits or carriers for multichip packages [MCP]
- G01R31/281—Specific types of tests or tests for a specific type of fault, e.g. thermal mapping, shorts testing
- G01R31/2812—Checking for open circuits or shorts, e.g. solder bridges; Testing conductivity, resistivity or impedance
-
- 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
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K7/00—Measuring temperature based on the use of electric or magnetic elements directly sensitive to heat ; Power supply therefor, e.g. using thermoelectric elements
- G01K7/01—Measuring temperature based on the use of electric or magnetic elements directly sensitive to heat ; Power supply therefor, e.g. using thermoelectric elements using semiconducting elements having PN junctions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/26—Testing of individual semiconductor devices
- G01R31/2607—Circuits therefor
- G01R31/2608—Circuits therefor for testing bipolar transistors
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/26—Testing of individual semiconductor devices
- G01R31/2607—Circuits therefor
- G01R31/2608—Circuits therefor for testing bipolar transistors
- G01R31/2619—Circuits therefor for testing bipolar transistors for measuring thermal properties thereof
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/26—Testing of individual semiconductor devices
- G01R31/2642—Testing semiconductor operation lifetime or reliability, e.g. by accelerated life tests
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/26—Testing of individual semiconductor devices
- G01R31/27—Testing of devices without physical removal from the circuit of which they form part, e.g. compensating for effects surrounding elements
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/28—Testing of electronic circuits, e.g. by signal tracer
- G01R31/2801—Testing of printed circuits, backplanes, motherboards, hybrid circuits or carriers for multichip packages [MCP]
- G01R31/281—Specific types of tests or tests for a specific type of fault, e.g. thermal mapping, shorts testing
- G01R31/2817—Environmental-, stress-, or burn-in tests
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/28—Testing of electronic circuits, e.g. by signal tracer
- G01R31/2832—Specific tests of electronic circuits not provided for elsewhere
- G01R31/2836—Fault-finding or characterising
- G01R31/2846—Fault-finding or characterising using hard- or software simulation or using knowledge-based systems, e.g. expert systems, artificial intelligence or interactive algorithms
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P29/00—Arrangements for regulating or controlling electric motors, appropriate for both AC and DC motors
- H02P29/60—Controlling or determining the temperature of the motor or of the drive
- H02P29/68—Controlling or determining the temperature of the motor or of the drive based on the temperature of a drive component or a semiconductor component
-
- 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)
- Microelectronics & Electronic Packaging (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Power Engineering (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Testing Of Individual Semiconductor Devices (AREA)
Abstract
本公开涉及绝缘栅双极晶体管IGBT模块的诊断和预后。一种用于执行以下操作的设备。该设备在存储器中保存关于IGBT模块的层的热行为的计算模型的信息。该设备获得半导体处的耗散功率和环境温度的测量结果,并基于IGBT模块的开关延迟确定IGBT模块的一个或更多个温度的一个或更多个当前值。该设备使用贝叶斯滤波器和计算模型来计算计算模型的联合状态参数空间的当前估计,计算模型将耗散功率和环境温度作为输入。联合状态参数空间包括一个或更多个温度、一个或更多个热损失参数和一个或更多个磨损参数。一个或更多个温度的一个或更多个当前值被用作贝叶斯滤波器中的观测值。
Description
技术领域
各种示例实施方式涉及用于高功率应用的电气部件的诊断和预后。
背景技术
绝缘栅双极晶体管(IGBT)是三端功率半导体器件,尤其在高功率应用中可用作电子开关。IGBT(功率)模块是在一个封装中包括一个或更多个IGBT的组件。IGBT模块通常用于例如(马达)驱动器中。尽管IGBT模块已经被证明是用于高功率应用中的开关的有效且可靠的解决方案,然而它们在连续使用时由于例如在IGBT模块的使用期间的温度循环导致对焊料层的损伤而最终将停止以最佳方式工作。因此,应连续或定期监测IGBT模块的健康状况以避免损坏。IGBT模块预后的常规解决方案是基于周期计数和制造商提供的寿命模型。通常,这样的技术缺乏关于IGBT模块的健康状况的反馈信息。另外,寿命模型是统计总体模型,因此可能无法足够准确地描述每个单元。
发明内容
根据一方面,提供了独立权利要求的主题。在从属权利要求中定义了实施方式。
在附图和下面的描述中更详细地阐述了实现方式的一个或更多个示例。根据说明书和附图以及根据权利要求,其他特征将是明显的。
一些实施方式提供用于IGBT模块的诊断(和预后)的设备、方法和计算机可读介质。其他实施方式提供包括所述设备和所述IGBT模块的驱动器。
附图说明
在下文中,将参照附图更详细地描述示例实施方式,在附图中:
图1示出了与实施方式相关联的示例性IGBT模块;
图2示出了根据实施方式的示例性系统;
图3示出了根据实施方式的IGBT模块的示例性热模型;
图4示出了根据实施方式的用于诊断IGBT模块的示例性处理;
图5示出了根据实施方式的用于诊断IGBT模块的示例性架构;
图6示出了根据实施方式的用于诊断IGBT模块的示例性处理;
图7示出了根据实施方式的用于对IGBT模块执行诊断和预后的示例性处理;以及
图8示出了根据实施方式的用于对IGBT模块执行预后的示例性架构。
具体实施方式
以下实施方式仅作为示例呈现。尽管说明书可能在文本的几个位置提到“一”、“一个”或“一些”实施方式和/或示例,但这并不一定意味着每个引用都是针对相同的实施方式和/或示例做出的,或者特定特征仅适用于单个实施方式和/或示例。不同实施方式和/或示例的单个特征也可以组合以提供其他实施方式和/或示例。
如在本申请中使用的,术语“电路系统”可以指代以下中的一个或更多个或者全部:(a)仅硬件电路实现,例如仅在模拟和/或数字电路系统中的实现,以及(b)硬件电路和软件(和/或固件)的组合,例如(如适用):(i)模拟和/或数字硬件电路与软件/固件的组合,以及(ii)具有软件的硬件处理器的任何部分,包括数字信号处理器、软件和存储器,它们一起工作以使设备例如终端装置或接入节点执行各种功能,以及(c)硬件电路和处理器,例如微处理器或微处理器的一部分,其需要软件(例如固件)进行操作,但当不需要软件进行操作时,软件可以不存在。“电路系统”的这种定义适用于本申请中该术语的所有使用,包括任何权利要求。作为另一示例,如在本申请中使用的,术语“电路系统”还涵盖仅硬件电路或处理器(或多个处理器)或硬件电路或处理器的部分及其(或其)伴随软件和/或固件的实现。
在下文中,以下定义可能适用。芯片焊料层是将IGBT模块的硅芯片层连接至IGBT模块的(顶部)金属层的焊料层。系统焊料层(同样称为底板焊料层)是将IGBT模块的底板连接至IGBT模块的(底部)金属层的焊料层。
绝缘栅双极晶体管(IGBT)是三端功率半导体器件,其尤其在高功率应用中通常用作电子开关。IGBT(功率)模块是在一个封装中包括一个或更多个IGBT的组件。IGBT和IGBT模块例如通常用于例如与(马达)驱动器或变频器相关的逆变器应用中。
尽管IGBT模块已经被证明是用于高功率应用中的开关的有效且可靠的解决方案,然而它们在连续使用时由于例如在IGBT模块的使用期间的温度循环导致对焊料层的损伤(即,焊料面积损失)而最终将停止以最佳方式工作。具体地,在IGBT模块的使用期间的温度循环导致IGBT模块的基板与底板之间和/或芯片下方的焊料层的分层,从而导致芯片温度的升高,并最终导致接合线剥离和温度失控。因此,应连续或定期监测IGBT模块的健康状况以避免损伤。IGBT模块预后的常规解决方案是基于周期计数和制造商提供的寿命模型。通常,这样的技术缺乏关于IGBT模块的健康状况的反馈信息。理想地,IGBT模块的RUL预测将随着IGBT模块越接近失效而得到改进,尽管在没有所述反馈信息的情况下这种操作是不可能的。简而言之,(晶体管)结温Tj和外壳温度Tc循环通常使用雨流(或雨流计数)算法来计算,并且使用总体水平寿命模型从IGBT模块的总寿命中减去每个循环的影响。在此,Tj和Tc通常基于IGBT模块的负温度系数(NTC)温度、DC链路电压和相电流来估计。根据目前的知识,这些测量结果都不取决于由IGBT模块引起的损伤。换言之,在IGBT模块损伤的情况下,即使实际的Tj和Tc改变,估计的Tj和Tc也不会改变。因此,当IGBT模块接近失效时,RUL预测的常规解决方案不能得到改进。另外,常规的寿命模型是统计总体模型,因此在准确性方面受到限制。
下面要讨论的实施方式寻求克服以上讨论的问题中的至少一些问题。实施方式涉及基于IGBT开关延迟测量实际的损伤相关的结温Tj,并使用所述测量结果来评估IGBT模块的当前健康状况并可选地用于以准确的方式预测RUL。实施方式中的至少一些实施方式还进一步基于包括未知磨损参数的单元特定的损伤模型,其控制单元特定的损伤进展率并且可以使用贝叶斯滤波器(例如粒子滤波器)来确定。实施方式能够在IGBT模块的在线使用期间估计这些参数,从而能够进行个体诊断并且可选地还进行预后。
为了便于详细讨论涉及IGBT模块的诊断(与预后)的实施方式,下面结合图1讨论示例性IGBT模块100的基本结构。图1示出了形成IGBT模块100的多个层101至109的侧视图。箭头110指示IGBT模块中的热流的方向。
参照图1,IGBT模块100包括以下层(从上到下):
硅芯片层101,该硅芯片层包括一个或更多个IGBT,
芯片焊料层102,
第一金属层103,
陶瓷绝缘体层104(同样简称为基板),
第二金属层105,
系统焊料层106(同样称为底板焊料层),
底板107,
热界面材料(TIM)层108,以及
散热器109。
硅芯片层101(作为顶层)包括IGBT模块100的一个或更多个IGBT。
将硅芯片层101连接至第一金属层103的芯片焊料层102和将第二金属层105连接至底板107的系统焊料层106可以由诸如SnAgCu的任何常规焊料材料制成。在IGBT模块的使用期间的温度循环尤其会对焊料层102、105造成损伤。损伤表现为焊料层102、104损失接触区域,从而影响焊料层102、104传递和存储热能的方式。在一些实施方式中,可以采用不同类型的接合层来代替芯片和/或系统焊料层,例如芯片和/或系统烧结层。
第一金属层103和第二金属层105可以是例如铜层。陶瓷绝缘体层104可以例如由氧化铝(Al2O3)或氮化铝(AlN)制成。第一金属层103和第二金属层105可以与陶瓷绝缘体层104一起形成直接键合铜(DBC)层或基板。第一金属层103和第二金属层105可以同样称为第一金属迹线和第二金属迹线。
底板107可以由金属或合金制成。例如,底板107可以由铝或铜制成。
TIM层108可以由功率电子器件中使用的任何常规TIM材料制成。TIM通常可以被定义为当被放置在两个部件之间时用于改善从一个部件到另一个部件的热传递的任何物质。
散热器109可以由任何金属(例如,铜或铝)或合金(例如,铝合金)制成。
在一些实施方式中,被分析的IGBT模块可以仅包括图1中所示的层的子集。另外或替选地,被分析的IGBT模块可以包括图1中未示出的一个或更多个另外的层。
图2示出了根据实施方式的系统。图2的系统包括用于驱动电机或马达的驱动器201(或变频器)。驱动器201包括计算装置202和至少一个IGBT模块203(为呈现简洁起见,图2中仅仅示出了仅单个IGBT模块203)以及通信地连接至驱动器201(或至少连接至计算装置202)的服务器205。在一些实施方式中,计算装置202和/或所述至少一个IGBT模块203可以具体包括在驱动器或变频器201的逆变器模块中。
IGBT模块203可以对应于例如如结合图1讨论的IGBT模块100。另外,IGBT模块203可以配备有一个或更多个(特定于层的)温度传感器204,其中一个或更多个温度传感器204中的每一个可以被配置和/或布置成测量与IGBT模块203的层或多个相邻层相关联的温度。一个或更多个温度传感器204可以至少包括用于测量DBC基板的顶部金属化处的温度(即,在图1的IGBT模块100的情况下,第一金属层103的温度)的温度传感器(例如,IGBT NTC传感器)和/或用于测量IGBT模块的散热器的温度(即,在图1的IGBT模块100的情况下,散热器109的温度)的温度传感器。
计算装置202可以至少被配置成执行关于IGBT模块203的健康状况的诊断以及可选地还执行预后,如将在下面详细描述的。计算装置202包括处理器212、接口(I/F)213和存储器211。处理器212可以是计算装置202和/或驱动器201的中央处理单元(CPU)。在一些实施方式中,可以在计算装置202中设置一个或更多个控制电路系统,例如一个或更多个处理器,而不是单个处理器212。根据实施方式,计算装置202可以包括一个或更多个控制电路系统212例如至少一个处理器、以及至少一个存储器211(包括一个或更多个算法214例如计算机程序代码(软件)),其中至少一个存储器和计算机程序代码(软件)被配置成利用至少一个处理器使计算装置执行下面要描述的计算装置的例示功能中的任何一个。根据不同的实施方式,使用特定的集成电路例如ASIC(专用集成电路)或其他部件和装置来实现功能也是可行的。
计算装置202的存储器211可以使用任何合适的数据存储技术来实现,数据存储技术例如基于半导体的存储器装置、闪存、磁存储器装置和系统、光学存储器装置和系统、固定存储器和可移除存储器。存储器211包括至少一个数据库(DB)215和软件(SW)214(即,一个或更多个算法)。
计算装置202的接口213可以包括例如一个或更多个通信接口,其包括用于根据一个或更多个通信协议实现通信连接的硬件和/或软件。具体地,一个或更多个通信接口213可以包括例如提供到IGBT模块203(至少用于评估与IGBT模块203相关联的开关延迟)和/或到一个或更多个温度传感器和/或到服务器205的连接的至少一个接口。一个或更多个通信接口213可以实现到因特网的连接。一个或更多个通信接口213可以包括由对应的控制单元控制的标准公知的部件例如放大器、滤波器、变频器、(去)调制器和编码器/解码器电路系统以及一个或更多个天线。一个或更多个通信接口213还可以包括用户接口。
驱动器201和服务器205可以经由通信网络连接,通信网络使得能够在驱动器201与服务器205之间进行通信。通信网络可以包括一个或更多个无线网络和/或一个或更多个有线网络。所述一个或更多个无线网络可以基于任何移动系统例如GSM、GPRS、LTE、4G、5G、6G及更高版本以及无线局域网或个域网例如Wi-Fi或蓝牙。通信网络可以包括因特网。在一些实施方式中,通信网络可以用有线或无线通信链路来代替。
服务器205可以被配置成基于从计算装置202接收到的信息执行关于IGBT模块203的健康状况的诊断与预后(或至少预后)。例如,计算装置202可以被配置成执行实时分析(例如,诊断),而服务器205可以被配置成基于从计算装置202接收到的诊断结果执行计算要求更高的操作(例如,预后)。
驱动器201与服务器205之间的连接可以经由至少一个无线和/或有线通信链路和/或至少一个无线和/或有线通信网络来提供。至少一个无线和/或有线网络可以基于任何移动系统例如GSM、GPRS、LTE、4G、5G、6G及更高版本以及无线局域网或个域网例如Wi-Fi或蓝牙。至少一个无线和/或有线网络可以包括因特网。通常,服务器205可以是相对于驱动器201的本地或远程装置。在一些实施方式中,服务器205可以是基于云的服务器。
服务器205包括处理器222、接口(I/F)223和存储器221。处理器222可以是服务器205的中央处理单元(CPU)。在一些实施方式中,可以在服务器205中设置一个或更多个控制电路系统例如一个或更多个处理器,而不是单个处理器222。
根据实施方式,服务器205可以包括一个或更多个控制电路系统222例如至少一个处理器、以及至少一个存储器211(包括一个或更多个算法224,例如计算机程序代码(软件)),其中至少一个存储器和计算机程序代码(软件)被配置成利用至少一个处理器使服务器执行下面要描述的服务器的例示功能中的任何一个。根据不同的实施方式,使用特定的集成电路例如ASIC(专用集成电路)或其他部件和装置来实现功能也是可行的。
服务器205的存储器221可以使用任何合适的数据存储技术来实现,数据存储技术例如基于半导体的存储器装置、闪存、磁存储器装置和系统、光学存储器装置和系统、固定存储器和可移除存储器。存储器221包括至少一个数据库(DB)225和软件(SW)224(即,一个或更多个算法)。
服务器205的接口223可以包括例如一个或更多个通信接口,其包括用于根据一个或更多个通信协议实现通信连接的硬件和/或软件。具体地,一个或更多个通信接口223可以包括例如提供到服务器205的连接的至少一个接口。一个或更多个通信接口223可以实现到因特网的连接。一个或更多个通信接口223可以包括由对应的控制单元控制的标准公知的部件例如放大器、滤波器、变频器、(去)调制器和编码器/解码器电路系统以及一个或更多个天线。一个或更多个通信接口223还可以包括用户接口。
在一些实施方式中,没有服务器205可以连接至计算装置202。在这样的实施方式中,诊断和/或预后可以完全由驱动器201的计算装置202执行。
实施方式中的至少一些实施方式是基于使用Cauer热模型定义IGBT模块(例如图1中所示的IGBT模块)的层结构。Cauer热模型使用热等效电路或网络对通过半导体模块的多层的热传递进行建模。Cauer热模型与实施方式结合使用,因为焊料损伤(即,焊料面积损失)(仅)在热域中大部分是可观测的。
图3示出了对图1的IGBT模块100建模的简化Cauer热模型。所示的简化Cauer热模型是可与用于评估IGBT模块中的热损失的实施方式结合使用(具有贝叶斯滤波器)的基于热电路的模型的示例。
在如下意义上简化所示的Cauer热模型:硅芯片层、芯片焊料层和第一金属层已经组合成由第一热容C1和第一热阻R1限定的第一组合层,陶瓷绝缘体层和第二金属层已经组合成由第二热容C1和第二热阻R2限定的第二组合层,系统焊料层和底板已经组合成由第三热容C3和第三热阻R3限定的第三组合层,并且TIM层和散热器已经组合成由第四热容C4和第四热阻R4限定的第四组合层。换言之,图3的热容和热阻定义如下: 以及其中,标记有星号(*)且下标索引为1至9的电阻和电容分别对应于图1的层101至109的电阻和电容。值得注意的是,在此仅针对芯片焊料层和系统焊料层(图1的层102、106)假设电阻和电容的时间相关性。
除了上述(有效)层外,图3的简化Cauer热模型还包括与IGBT模块的半导体处的耗散功率P相对应的热功率源以及与IGBT模块的环境温度相对应的元件P。应当注意,鉴于与驱动相关的实施方式,所述量二者可通过包括IGBT模块的常规驱动器来测量。
在一些实施方式中,可以采用非简化的Cauer热模型或另一简化的Cauer热模型(即,IGBT模块的层的组合已经被不同地执行的模型)来代替图3的简化的Cauer热模型。
所示的Cauer热模型能够评估上述感兴趣的温度,即结温Tj、DBC基板的顶部金属化处的温度T2、散热器的温度T4(以及DBC基板的底部金属化处的温度T3)。也就是说,由于热网络与电气网络类似,图3的Cauer热模型可以表示为温度Tj、T2、T3和T4的时间导数的以下一组微分等式:
由于源于温度循环的芯片焊料层和系统焊料层中的进展损伤,IGBT模块的标称行为处于恒定变化下,如以上所描述的并且还如通过图3和上述等式中仅将热容和热阻定义为时间相关的所指示的。损伤表现为焊料层的损失接触面积,从而影响该层传递和存储热能的方式。
为了量化IGBT模块的一个或更多个层的热损失(以及由此指示损伤的接触面积损失),可以分别针对所述一个或更多个层定义一个或更多个热损失参数其中索引i表示图3的组合Cauer热模型中的层的编号。一个或更多个层可以是IGBT模块的特定接合(例如,焊料)层(例如,芯片焊料层和/或系统焊料层)。IGBT模块的给定层的热阻和热容的值可以取决于所述层的热损失参数。例如,热损失参数可以与Cauer热模型中对应层的热阻和热容相关,如
其中索引i∈{1,3}分别标记芯片焊料层和系统焊料层,并且和对应于由于芯片焊料层和系统焊料层的损伤而劣化之前的初始电阻和电容值(取决于i的值)。此外,热损失参数被定义为使得成立,其中值0和1例如可以分别对应于给定焊料层的0%和100%的焊料面积损失。因此,最初(在时间0处),电阻Ri(t)和电容Ci(t)分别具有值和当随时间从0增加至1时,电阻Ri(t)接近无穷大,而电容Ci(t)接近零。
在其他实施方式中,可以采用热损失参数的另一定义以及因此将它们与层的热阻和热容相关的不同等式。
当IGBT模块在使用时的损伤进展模型(即给定层i的热损失参数如何随时间演变)可以公式化为
其中索引i∈{1,3}分别标记芯片焊料层和系统焊料层,θi是层i的磨损参数,项描述层i的温度循环特性(即,该项与由温度循环引起的损伤相关),以及中的点(.)表示时间导数。在此,Ti是芯片焊料层或系统焊料层上方的温度(取决于i的值),并且是针对芯片焊料层或系统焊料层上方的温度定义的参考温度(取决于i的值)。参考温度可以是例如当前正在进行的温度循环的底部的温度。参考温度可以例如使用所谓的雨流算法或其他(强化)机器学习算法来评估。(7)中的热损失参数的时间导数与热损失参数本身成正比的这一事实意味着损伤是自放大的。磨损参数θi不仅可以是特定于特定焊料层(即芯片焊料层或系统焊料层)的,而且可以是特定于特定IGBT模块的。磨损参数θi可以是固定的(即不随时间变化),或者可以在某个(未知)过程后随时间变化。热损失参数和磨损参数θi可能不能直接测量,而是需要基于可测量的量如P、Ta、Tj、T2和T4的观测结果来预测,如以下将要描述的。
应当注意,虽然Cauer模型在其标称形式中可以用线性状态等式来表示,但添加损伤进展模型和相关联的一个或更多个(未知)磨损参数会导致非线性。
在其他实施方式中,可以采用其他损伤进展模型。同样在这些替选实施方式中,一个或更多个损伤进展模型中的每一个(每一个量化给定热损失参数的变化或时间导数)可以取决于相关联的磨损参数、相关联的热损失参数本身和/或相关联的层的一个或更多个温度循环特性(可由设备测量)。
图4示出了根据实施方式的用于诊断IGBT模块的处理。该处理可以由图2的驱动器201执行,或者具体地由图2的包括在驱动器201中的计算装置202执行。待诊断的IGBT模块可以对应于例如图1的IGBT模块100。具体地,(驱动器的)计算装置的至少一个处理器和(驱动器的)计算装置的用于存储要由至少一个处理器执行的指令的至少一个存储器可以被配置成使驱动器执行所示的处理。在下面的讨论中,在不失一般性的情况下将处理的行为者称为“设备”。
参照图4,在框401中,该设备在存储器中保存关于用于对IGBT模块的层的热行为建模的计算模型的信息。在此,计算模型包括多个输入(u),所述多个输入至少包括IGBT模块的半导体处的耗散功率(P)和IGBT模块的环境温度(Ta)。IGBT模块的半导体处的耗散功率和环境温度可以由设备(例如,使用一个或更多个专用传感器)(直接)测量和/或通过一些其他方式(例如,通过从用于测量IGBT模块的(所有)半导体处的耗散功率和/或环境温度的另一设备接收测量结果)获得。计算模型可以使得能够至少基于多个输入来评估IGBT模块的一个或更多个层中的功率耗散和/或IGBT模块的多个(相邻)层中的组合功率耗散。所述评估还可以基于与一个或更多个焊料层中的焊料面积损失相关联的一个或更多个热损失参数的当前值(例如,由于与计算模型相关联的电路元件值或其他值取决于一个或更多个热损失参数)。
在一些实施方式中,计算模型可以包括基于热电路的模型。具体地,计算模型可以包括如结合图3讨论的Cauer热模型的Cauer热模型。如结合(5)至(6)所讨论的,Cauer热模型的电路元件的值可以基于一个或更多个热损失参数的最新预测值来(动态地)计算。在其他实施方式中,可以采用其他基于热电路的模型,例如Foster热模型。
在一些实施方式中,在框401中保存在存储器中的计算模型还可以包括一个或更多个(单独的)损伤进展模型,其量化一个或更多个热损失参数(或它们中的至少一些)随时间的变化。一个或更多个损伤进展模型可以至少取决于一个或更多个磨损参数(例如,通过一个或更多个随机过程定义的)。一个或更多个损伤进展模型可以如上面结合(7)所讨论的那样定义。
在框402中,该设备获得IGBT模块的半导体处的耗散功率(P)和环境温度(Ta)的值的测量结果。如上所述,框402中的获得可以包括由该设备本身(经由一个或更多个相关联的传感器)执行所述测量和/或从执行(或使得执行)所述测量(或它们中的至少一些)的另一设备接收所述测量结果。所获得的IGBT模块的半导体处的耗散功率和环境温度的值可以包括IGBT模块的半导体处的耗散功率和环境温度的一个或更多个连续的(最新的)值。
在框403中,该设备确定IGBT模块的一个或更多个温度的一个或更多个当前值。IGBT模块的一个或更多个温度至少包括结温(图3的Tj)。框403中的确定至少包括:获得IGBT模块的开关延迟的当前值的测量结果;以及基于开关延迟的当前值来确定IGBT模块的结温的当前值。开关延迟在此可以对应于接通时间或关断时间。如本领域中已知的,IGBT模块的开关时间随着温度(或者具体地随着IGBT模块的结温)而增加,这使得能够基于开关延迟来确定结温。具体地,可以在框403中通过将IGBT模块的开关延迟的当前(测量的)值与开关延迟的多个预定义参考(或基线)值进行比较来基于开关延迟的当前值来确定IGBT模块的结温的当前值,其中多个预定义参考值中的每一个与特定结温相关联(或映射到特定结温),并且基于所述比较来确定IGBT模块的结温的当前值(即,选择与和开关延迟的测量值最匹配的开关延迟的预定义参考值相关联的结温值)。开关延迟的多个预定义参考值和相关联的结温可以存储在该设备的存储器中。例如,在驱动器的工厂测试期间,可能已经确定并存储开关延迟的多个预定义参考值和相关联的结温。
在一些实施方式中,在框403中确定IGBT模块的结温的当前值可能不仅考虑开关延迟的当前值,而且还考虑驱动器的DC链路电压的当前值。换言之,该设备还可以测量DC链路电压的当前值,并将DC链路电压和开关延迟的当前值的组合与保存在驱动器的存储器中的DC链路电压和开关延迟的预定义参考值对进行比较,其中所述预定义对中的每一对与存储器中的给定结温相关联(或映射到存储器中的给定结温)。
在一些实施方式中,IGBT模块的一个或更多个温度(其当前值在框402中获得)还包括一个或更多个特定于层的温度,每个特定于层的温度与IGBT模块的(不同)层或IGBT模块的多个相邻层的温度相关。因此,在框402中确定一个或更多个温度的一个或更多个当前值还可以包括例如经由一个或更多个(专用)温度传感器获得一个或更多个特定于层的温度的一个或更多个当前值的一个或更多个测量结果。一个或更多个特定于层的温度可以包括例如IGBT模块的基板的顶部金属化处(即,图1中的第一金属层103处)的温度(图3的T2)和/或IGBT模块的散热器温度(图3的T4)。在一些实施方式中,另外或替选地,一个或更多个特定于层的温度可以包括IGBT模块的基板的底部金属化处的温度(图3的T3)。通常,一个或更多个特定于层的温度可以包括图1的层101至109中的一个或更多个层的温度。
在框404中,该设备使用贝叶斯滤波器结合计算模型来计算针对计算模型定义的联合状态参数空间的当前估计,该计算模型至少将所获得的耗散功率和环境温度的值作为输入。
可以假设,从联合状态参数空间的某个预定义的初始估计开始连续地执行框402至框404(如将框404连接回框402的箭头所示)。因此,可以假设在框404中联合状态参数空间的先前估计以及耗散功率和环境温度的先前值是已知的。框404中使用贝叶斯滤波器的计算也可以基于这些先前估计和值。例如,这些先前估计和/或值(或至少最新的先前估计和/或值)可以用于Cauer热模型(即,用于基于(1)至(6)的计算)和/或用于IGBT模块的一个或更多个层的一个或更多个损伤进展模型。
联合状态参数空间至少包括
-IGBT模块的所述一个或更多个温度(也用作观测变量),
-一个或更多个热损失参数,其量化IGBT模块的一个或更多个层中的热损失(以及因此的损伤),以及
-一个或更多个磨损参数,其量化由于未知磨损引起的一个或更多个热损失参数随时间的变化(或具体地未知变化)。
在此,IGBT模块的一个或更多个温度以及一个或更多个热损失参数可以被认为定义IGBT模块的状态,而一个或更多个磨损参数是联合状态参数空间的参数。
通常,定义IGBT模块的状态的变量与参数之间的区别在于:对于定义状态的变量,通过计算模型(例如,通过Cauer热模型和为各个层定义的损伤进展模型)可获得关于它们如何随时间演变的信息,而参数随时间的行为是未知的。
在一些实施方式中,联合状态参数空间还可以包括IGBT模块的一个或更多个另外的温度(例如,不用作观测结果的一个或更多个特定于层的温度)。
例如,联合状态参数空间可以定义为
其中,x(t)是定义联合状态参数空间的向量,Tj(t)、T2(t)、T3(t)和T4(t)是IGBT模块的温度(例如,结合图3描述的定义的),和是分别表示IGBT模块的芯片焊料层和系统焊料层的热损失的热损失参数,θ1和θ3是分别量化热损失参数和的变化的磨损参数,以及T表示转置运算。
在框404中,一个或更多个温度的一个或更多个当前值被用作贝叶斯滤波器中的观测结果(即,观测变量的当前值)。因此,测量的观测变量向量y(t)可以例如定义为
y(t)=[Tjt) T2(t) T4t)]T。 (9)
在其他实施方式中,IGBT模块的温度的数量和/或类型、热损失参数的数量和/或类型、磨损参数的数量和/或类型以及/或者用作观测结果的一个或更多个温度的数量和/或类型可以不同于(8)和(9)的示例。类型在此可以具体指代给定量(例如,温度、热损失参数或磨损参数)与IGBT模块的哪个特定层相关。
在一些实施方式中,贝叶斯滤波器可以是粒子滤波器。在给定噪声和/或部分观测结果的情况下,粒子滤波使用一组粒子(即分布的样本)表示随机过程的后验分布。每个粒子具有分配给它的似然权重,其表示该粒子从概率密度函数中被采样的概率。换言之,粒子滤波器的目标通常是在给定某些观测变量(在此至少是结温和可选的一个或更多个特定于层的温度)的情况下估计状态变量的后验密度。粒子滤波器是为隐马尔可夫模型设计的,其中系统由隐含变量和可观测变量二者组成。可观测变量(观测过程)通过已知的某种函数形式(在此使用包括例如Cauer热模型的计算模型定义)与隐含变量(状态过程)相关。在此和在下面,可观测变量由Y0,……,Yk(或者当谈到概率分布时为y0,……,yk)表示,而隐含变量由X0,……,Xk(或者当谈到概率分布时为x0,……,xk)表示,k是正整数。类似地,描述状态变量的演变的动力系统也是概率已知的。所有贝叶斯估计Xk来自后验概率密度p(xk|y0,...,yk)。粒子滤波器方法使用与遗传型粒子算法相关联的经验测量来提供这些条件概率的近似。
换言之,在框404中,该设备使用粒子滤波器来通过使用所描述的计算模型提前预测一个时间步长来估计向量x(t),然后基于观测结果的可能性(在此,一个或更多个温度的当前值至少包括结温和可选地一个或更多个特定于层的温度)来更新估计。特别地,粒子滤波器在此用于估计磨损参数的值,这些磨损参数不能使用其他更直接的手段(即,使用计算模型,例如Cauer热模型和损伤进展模型)来评估。该过程是连续的,从而在连续的时间步长内重复动作。
确定磨损参数θ=[θ1 θ3]T能够解决IGBT模块中的损伤如何进展(如(7)的其他项已知或可以评估的)。为了成功完成这一任务,在模型输出中表现出磨损参数估计的变化是很重要的。毕竟,驱动估计的是输出与测量结果之间的误差。例如,添加到任何热损失参数(例如,)的过程噪声必须保持足够小,使得它不能克服相关联磨损参数(例如θ1)的变化。只有这样,磨损参数才会显著影响输出,并且滤波器具有对θ1估计值最接近真实值的粒子进行加权的方法。
对一个或更多个磨损参数θk的估计不同于对其余状态变量的估计,因为它们的转变是未知的(并且不能被测量或评估,至少不容易)。例如,它们可能是恒定的,或者通过未知过程随时间变化。在任一情况下,为了使用贝叶斯(或粒子)滤波器估计它们的值,必须为它们分配一些值。通常,通过一个或更多个随机过程来定义一个或更多个磨损参数。在一些实施方式中,为一个或更多个磨损参数定义的一个或更多个随机过程的随机性的程度或量可以基于一个或更多个磨损参数的值的收敛水平随时间来调整,以实现加速收敛和有效追踪。随机性的程度或量在此可以对应于例如噪声方差。
用于定义一个或更多个磨损参数的值的所述一个或更多个随机过程可以是例如随机游走过程。磨损参数向量θk=[θ1,k θ3,k]T的随机游走过程可以使用以下等式定义
θk=θk-1+ξk-1, (10)
其中,k和k-1分别表示第k步和第(k-1)步,以及ξk-1是从分布中采样的向量,通常是从零均值高斯分布中采样的向量。因此,磨损参数是随机演变的,并且由贝叶斯滤波器(或粒子滤波器)根据(粒子的)磨损参数估计值与真实值的接近程度对粒子应用权重。
在一些实施方式中,贝叶斯滤波器可以具体为采样重要性重采样(SIR)滤波器(同样称为序列重要性重采样滤波器)。SIR滤波器是一种粒子滤波器,它通过N个样本的加权集(N是正整数,以及是第i个应用的权重)来近似滤波概率密度p(xk|y0,...,yk),并使用重采样来避免算法的退化问题(即,避免除一个重要性权重外的所有重要性权重都接近零的情况)。
在下文中,呈现了SIR滤波器的伪代码示例。SIR滤波器将以下作为输入:定义状态空间(即,定义IGBT模块的一个或更多个温度和一个或更多个热损失参数)的时间索引为k-1的向量的先前版本sk-1;定义一个或更多个磨损参数的向量θk-1;IGBT模块的计算模型(包括例如Cauer热模型)的多个输入uk-1和uk;以及测量的观测变量向量yk的时间索引为k的更新版本(参见第1行)。换言之,输入至少包括对应于时间索引k-1的后验粒子sk-1、θk-1和uk-1以及对应于时间索引k的观测变量yk的最新观测结果。应当注意,联合状态参数空间(对于索引值k-1)在此对应于(行)向量sk-1和θk-1的组合,使得xk-1=[sk-1 θk-1]T。在伪代码示例中,uk也是IGBT模块的计算模型的输入(第1行),尽管这可以被认为是可选的。包括uk作为IGBT模块的计算模型的输入可以取决于所采用的特定计算模型。在所示算法中使用的粒子的数量(即,对于sk-1、sk、θk-1和θk中的每一个的不同值的数量)是ns。ns的典型值可以是例如1000。对于粒子索引i的每个值,基于相关联的后验密度预测时间索引为k的先前磨损参数θk和先前状态空间sk(第3至4行)。在给定预测的和以及已知(例如测量的)uk的情况下,基于当前观测结果yk的可能性来更新粒子的权重(第5行)。在第5行包括uk可以被认为是可选的。所有粒子的权重加起来形成参数W(第7行),并且粒子的每个权重被归一化为所述参数W(第8至10行)。定义状态空间的向量sk和定义一个或更多个磨损参数的向量θk两者基于粒子的归一化权重被重采样(第11行)。SIR滤波器提供定义状态空间的向量sk和定义一个或更多个热损失参数的向量θk的更新版本(具有索引k)作为输出(第12行)。由于其计算简单性和经验性能良好,所述示例性SIR滤波器实现采用系统重采样作为重采样算法(尽管在其他实施方式中可以使用其他重采样算法)。
算法1 SIR滤波器
当使用随机游走过程来得出一个或更多个磨损参数的值时,磨损参数的估计性能高度取决于添加到给定随机游走过程的噪声方差。因此,在一些实施方式中,在框404的连续执行期间,该设备可以基于给定磨损参数的值的收敛水平来随时间调整在随机游走过程(例如结合(10)描述的随机游走过程)中添加的噪声方差(vξ),以实现加速收敛和有效追踪。可以针对一个或更多个磨损参数中的全部或仅一些来调整噪声方差。更具体地,所使用的噪声自适应算法可以被配置成最初试图保持磨损参数估计较宽以促进收敛,从而导致大的分布方差。一旦实现收敛,磨损参数估计可以缩小到小的方差。后者很重要,因此可以抑制估计中所有不必要的不确定性,因为它会传播到任何后续预测,如寿命终止(EoL)和RUL预测(将在下文详细讨论)。
在下文中,呈现了用于调整随机游走过程中添加的噪声方差(vξ)的过程的伪代码示例。
算法2调整vξ
所示的算法基本上是一种P控制器(P代表比例)。对于每个磨损参数重复所示的过程(参见第2行,其中nθ表示磨损参数的数量,以及j是磨损参数的索引)。该算法使用相对中值绝对偏差(RMAD)作为每个磨损参数估计θj的方差v的度量,(参见第3行),并试图通过调整添加的随机游走方差vξ(j)来将该度量控制到用户指定的水平。如果当前RMADv(j)小于设置的目标RMAD t(j,σ(j)),则vξ,k(j)增加,反之,如果RMAD大于(或等于)设置的目标RMADt(j,σ(j)),则vξ,k(j)减小(参见第7行)。在此,j是表示nθ个磨损参数中的磨损参数的索引,以及σ是定义nθ个磨损参数的算法的阶段的向量(更多细节请参见下一段)。增加/减小的速率由比例增益项P(j,σ(j))定义,其也可以由用户设置(或者它可以是预先定义的)。算法输出方差向量Vξ,k,其定义一个或更多个磨损参数中的每一个的噪声方差(参见第9行)。
可以通过为两个阶段即为σ(j)=1和σ(j)=2不同地指定目标RMAD来实现期望的行为(即,快速收敛和窄追踪)。响应于当前RMAD低于预定义阈值t(j,σ(j)),对于给定的磨损参数(索引j)改变阶段(参见第4至6行)。为了收敛,目标RMAD应该设置得较大,以便以宽分布为目标,而为了追踪,目标RMAD应该设置得较小,以便保持窄分布。如果v(j)下降得低于阈值t(j),则阶段σ(j)并因此vξ,k(j)的值改变。从技术上讲,可以使用预定义数量的阶段(例如,2)。在其他实施方式中,可以使用不同数量的阶段(即,仅一个阶段或多于两个阶段)。
图5提供了示例性诊断系统的示意性呈现。所示的示例性诊断系统完全对应于上面讨论的诊断过程的具体示例(结合图4)。图5中所示的元件中的至少一些可以是功能实体(但不一定对应于任何一个物理实体)。图5中所示的连接是逻辑连接(实际的物理连接可能不同)。
参照图5,诊断系统包括IGBT模块501和用于执行诊断的计算装置(或系统)502,该计算装置(或系统)包括多个功能元件503至511。所述多个功能元件包括全计算模型503、噪声自适应元件506和测量更新元件511,所述全计算模型包括Cauer热模型504和损伤进展模型505。另外,所述多个功能元件包括多个求和元件507至509、511以及减法元件510。如上所述,可以使用诸如粒子滤波器(例如,SIR滤波器)的贝叶斯滤波器来实现诊断502。
在下文中,进一步详细讨论图5的元件中的每个元件。应当注意,在图5和下文中,上标中的破折号(-)用于表示测量更新511之前的概率密度,而上标中的“帽子”(^)用于表示测量更新511之后的概率密度。如图5的底部520所示,图5中涉及三种不同类型的量(或分布):与索引值k-1相对应的后验分布量;与索引值k相对应并经由预测(或模拟)521得出的先验分布量;以及与索引值k相对应并经由基于测量的更新522得出的新的后验分布量。
Cauer热模型504可以如上所讨论的定义(例如,结合图3)。Cauer热模型504将以下项作为输入:定义上述多个输入(至少是IGBT模块的半导体处的耗散功率P(k-1)和环境温度Ta(k-1))的输入向量u(k)、定义一个或更多个温度的温度向量以及定义一个或更多个热损失参数的热损失参数向量并且提供以下作为输出:至少为IGBT模块的一个或更多个温度的值,即,至少为也用作贝叶斯滤波器中的观测变量的相同的温度(Tj、Tntc和Ths分别对应于上述Tj、T2和T4)。值得注意的是,Cauer热模型504的所有输入对应于相同的(时间)索引k-1。如结合(5)和(6)所述,热损失参数向量可以用于得出Cauer热模型中的电路元件的值。可以在(1)至(4)中采用温度向量
Cauer热模型504输出模拟或预测的(先验)观测变量向量以及定义Cauer热模型中包括的所有温度的模拟或预测的(先验)温度向量(如果存在的话,两者用作观测变量也可以不用作观测变量)。
损伤进展模型505也可以如上所讨论的定义(例如,结合等式(7))。Cauer热模型504将以下项作为输入:定义一个或更多个温度的温度向量定义一个或更多个热损失参数的热损失参数向量以及定义一个或更多个热损失参数的磨损参数向量并且提供以下作为输出:至少为热损失参数向量的预测的(先验)版本(即,对应于下一时间步长的版本)。
全模型503还用于确定磨损参数向量的预测的(先验)版本如上所述,预测的(先验)版本例如可以使用一个或更多个随机过程(例如图5中所示的一个或更多个随机游走过程)得出。噪声自适应元件506用于生成噪声方差vξ(k-1),该噪声方差随后在求和元件509中添加到预测的(先验)磨损参数向量噪声自适应元件506可以实现例如上述算法2。
由于从Cauer热模型504得出的参数是无噪声的,因此在求和元件507、508中将噪声元素n(k)和过程噪声元素v(k)分别添加到Cauer热模型504的两个输出。类似地,过程噪声元素v(k)也在元件508中被添加到损伤进展模型505的输出。
类似于如上所述,IGBT模块的一个或更多个温度的一个或更多个当前值(在此表示为测量的观测变量向量y((k)=[Tj(k) Tntc(k) Ths(k)]T)从IGBT模块501测量并被用作贝叶斯滤波器中的观测结果(即,观测变量的当前值)。为了实现这一点,在减法元件510中从测量的观测变量向量y(k)中减去源自全计算模型503的模拟(或预测的)观测变量向量以得出误差向量。
测量更新元件510将所述误差向量以及状态参数空间向量作为输入,所述状态参数空间向量包括预测的(先验)温度向量、热损失参数向量和磨损参数向量测量更新元件510基于误差向量(描述测量与模拟之间的误差)更新状态参数空间向量从而得出新的(测量校正的)更新的状态参数空间向量
图6示出了根据实施方式的用于诊断IGBT模块的另一处理。该处理可以由图2的驱动器201执行,或者具体地由图2的包括在驱动器201中的计算装置202执行。待诊断的IGBT模块可以对应于例如图1的IGBT模块100。具体地,(驱动器的)计算装置的至少一个处理器和(驱动器的)计算装置的用于存储要由至少一个处理器执行的指令的至少一个存储器可以被配置成使驱动器执行所示的处理。在下面的讨论中,在不失一般性的情况下将处理的行为者称为“设备”。
图6的处理主要对应于图4的处理。框601至604可以完全对应于图4的框401至404。上述任何特征(例如,结合图4和/或图5)也可以适用于图6的处理。
在框604中在计算联合状态参数空间(即,使用图5的符号的)的当前估计之后,在框605中设备经由显示器(例如,驱动器的显示器或通信地连接至设备的用户装置的显示器)向用户显示或促使显示关于联合状态参数空间的当前估计的信息。可以显示与联合状态参数空间的当前估计相关的所有或仅一些信息。例如,可以至少显示一个或更多个热损失参数和/或一个或更多个磨损参数的一个或更多个当前值。基于所显示的信息,用户可能能够评估IGBT模块中的当前(焊料)损伤水平。
在框606中,该设备经由至少一个通信链路和/或网络向至少一个计算装置发送或促使发送关于联合状态参数空间(即,使用图5的符号的)的更新的当前估计的信息,以便能够实现预后(即,预测IGBT模块的未来行为)的执行。所述至少一个通信链路和/或网络可以包括一个或更多个无线和/或有线通信链路和/或网络。虽然设备本身也可以执行预后(如将结合图7所述),但在某些情况下,仅在设备中(例如,在驱动器中)本地执行诊断而将通常计算要求更高的预后留给另一装置(例如,远程服务器)执行可能是有益的。另一装置可以是专用于执行预后的装置,以及/或者与驱动器中包括的设备相比,它可以具有可用的计算资源。
在一些实施方式中,可以执行与框605、606有关的动作中的仅一个(即,可以省略框605、606中的一个)。
如上所述,该设备可以被配置成不仅执行IGBT模块的诊断,而且执行IGBT模块的预后(即,IGBT模块的未来行为的预测)。图7示出了根据实施方式的用于对IGBT模块执行预后的处理。该处理可以由图2的驱动器201执行,或者具体地由图2的驱动器201中包括的计算装置202执行。要执行预后的IGBT模块可以对应于例如图1的IGBT模块100。具体地,(驱动器的)计算装置的至少一个处理器和(驱动器的)计算装置的用于存储要由至少一个处理器执行的指令的至少一个存储器可以被配置成使驱动器执行所示的处理。在下面的讨论中,在不失一般性的情况下将处理的行为者称为“设备”。
预后可以利用与针对诊断描述的相同计算模型(或其副本)。
参照图7,在框701中,该设备可以首先执行IGBT模块的诊断。例如,可以根据图4至图6中的任一个执行诊断。框701中的诊断可以涉及计算联合参数空间(即,使用图5的符号的)的一个或更多个连续估计。
在诊断阶段701之后,在框702中,从联合状态参数空间的(最新的)更新的当前估计(即,当前xk或)开始,该设备使用贝叶斯滤波器模拟计算模型的联合状态参数空间的连续未来估计,直到达到一个或更多个热损失参数中的至少一个的预定义故障阈值。计算模型和贝叶斯滤波器可以是与诊断阶段中使用的相同的计算模型和贝叶斯滤波器。因此,所提供的计算模型和/或贝叶斯模型的任何定义在必要的修改后也适用于此。对于一个或更多个热损失参数中的每一个(或至少一些),可以不同地定义预定义故障阈值。更具体地,在(离散)粒子滤波器的情况下,从某个预测时刻kP开始,用计算模型在时间上向前模拟每个粒子,直到达到预定义故障阈值。
在框703中,该设备基于模拟的结果计算IGBT模块的剩余使用寿命(RUL)估计。即,该设备可以首先基于预测的损伤进展路径和预定义阈值的交集(其被分配与粒子在kP处具有的相同权重)来确定寿命终止(EoL)分布。然后,该设备可以通过从EoL分布减去预测时刻kP(即,当前时间)来计算RUL估计(即,RUL分布)。
在计算RUL估计之后,在框704中,设备通过显示器(例如,驱动器的显示器或通信地连接至设备的用户装置的显示器)向用户显示或促使显示RUL估计(以及可选地还有EoL分布)(类似于结合图6的框605针对诊断结果所述的)。基于所显示的信息,用户例如能够评估用于更换IGBT模块的需求(或紧迫性)。
在一些实施方式中,可以省略图7的框704。
下面在伪代码中示出了框702、703的处理的详细实现的示例。所示的算法滤波器将以下项作为输入:定义联合状态参数空间的向量和定义一个或更多个热损失参数的向量的当前版本(索引为kP)(参见第1行)。换言之,输入包括后验粒子和所示的算法中使用的粒子数量为ns,类似于算法1(SIR滤波器)。对于粒子索引为i的每个值,当未达到针对一个或更多个热损失参数中的至少一个(例如,对于与芯片焊料面积损失相关联的热损失参数)(单独)定义的预定义阈值时,例如基于输入历史和/或用于生成最坏情况场景的输入序列预测下一个未来输入(第5行),并且基于相关联的后验密度预测未来磨损参数θk和未来联合状态参数空间xk(第6至7行)。在所述预测之后,选择下一个时间步长(索引为k的下一个值)(第8行)。一旦给定粒子达到预定义阈值,k的最终值对应于该粒子的EoL。k的这些最终值共同形成EoL分布。从EoL分布k(具有ns个粒子)中减去预测时刻kP,以获取RUL分布(第11行)。
算法3预测RUL
在一些实施方式中,除了至少一个热损失参数之外或替代至少一个热损失参数,可以针对结温定义预定义阈值。
虽然上面假设诊断和预后两者由同一设备执行,但在其他实施方式中,执行预后(例如,图7的处理)的设备可以是与执行诊断(例如,图4的处理)的设备不同的设备。参照图2,诊断可以由驱动器201的计算装置202执行,而预后可以由通信地连接至驱动器201的服务器205执行。如结合图6的框606所述,诊断结果可以从驱动器发送至服务器。在这些实施方式中,在预后之后,该设备可以经由有线或无线网络或链路向另一装置(例如,向驱动器或诸如用户的智能手机的用户的终端装置)发送或促使发送RUL估计。随后,可以经由该另一装置的显示器向用户显示RUL估计。此外,在这些实施方式中,两个设备应当在存储器中保存相同的计算模型,使得诊断结果与执行预后的装置兼容。
图8提供了示例性预后系统的示意性呈现。所示的示例性诊断系统完全对应于上面讨论的诊断处理的具体示例(结合图7)。图8中所示的元件中的至少一些可以是功能实体(但不一定对应于任何一个物理实体)。图8中所示的连接是逻辑连接(实际的物理连接可能不同)。
参照图8,预后系统包括用于执行预后的计算装置(或系统)801,该计算装置(或系统)包括多个功能元件802至804。所述多个功能元件包括全计算模型802,所述全计算模型包括Cauer热模型803和损伤进展模型803。元件803、804可以分别完全对应于图5的元件504、505。
在下文中,进一步详细讨论图8的元件中的每个元件。与图5类似,如图8的底部810所示,图8中涉及两种不同类型的量(或分布):与索引值k-1相对应的后验分布量以及与索引值k相对应并经由预测(或模拟)521得出的先验分布量。
Cauer热模型803可以如上所讨论的定义(例如,结合图3和/或图5)。Cauer热模型803将以下项作为输入:定义上述多个输入(至少是IGBT模块的半导体处的耗散功率P(k-1)和环境温度Ta(k-1))的未来(预测的)输入向量u(k)、定义一个或更多个温度的温度向量以及定义一个或更多个热损失参数的热损失参数向量并且提供以下作为输出:至少为IGBT模块的一个或更多个温度的值(Tj、Tntc和Ths),即,至少为在诊断期间也用作贝叶斯滤波器中的观测变量的相同的温度。值得注意的是,Cauer热模型803的所有输入对应于相同的(时间)索引k-1。如结合(5)和(6)所述,热损失参数向量可以用于得出Cauer热模型中的电路元件的值。可以在(1)至(4)中采用温度向量
Cauer热模型803输出模拟或预测的(先验)观测变量向量以及定义Cauer热模型中包括的所有温度的模拟或预测的(先验)温度向量(如果存在的话,两者用作观测变量也可以不用作观测变量)。
损伤进展模型804可以如上所讨论的定义(例如,结合等式(7)和/或图5的框505)。Cauer热模型804将以下项作为输入:定义一个或更多个温度的温度向量定义一个或更多个热损失参数的热损失参数向量以及定义一个或更多个热损失参数的磨损参数向量并且提供以下作为输出:至少为热损失参数向量的预测的(先验)版本(即,对应于下一时间步长的版本)。
全模型803还用于确定磨损参数向量的预测的(先验)版本如上所述,预测的(先验)版本例如可以使用一个或更多个随机过程(例如一个或更多个随机游走过程)得出。
在此,由计算模型802输出的预测的(先验)温度向量预测的(先验)热损失参数向量和预测的(先验)磨损参数向量形成对状态参数空间的估计,该状态参数空间在此被直接反馈回到计算模型802,用于计算下一时间步长(下一个k)。
上面借助于图4至图8描述的框、相关功能和信息交换没有绝对的时间顺序,并且它们中的一些可以被同时执行或者以不同于给定顺序的顺序执行。其他功能也可以在它们之间或它们内执行,并且可以发送和/或接收其他信息,以及/或者可以应用其他映射规则。框中的一些框或框的部分或者一条或更多条信息也可以被省略或由对应的框或框中的部分或者一条或更多条信息代替。
在实施方式中,结合图4至图8描述的处理中的至少一些可以由包括用于执行所描述的处理中的至少一些的相应装置的设备来执行。用于执行处理的一些示例装置可以包括以下中的至少之一:检测器、处理器(包括双核和多核处理器)、数字信号处理器、控制器、接收器、发射器、编码器、解码器、存储器、RAM、ROM、软件、固件、显示器、用户接口、显示电路系统、用户接口电路系统、用户接口软件、显示软件、电路、天线、天线电路系统以及电路系统。在实施方式中,至少一个处理器、存储器和计算机程序代码形式(处理)意味着或者包括用于执行根据图4至图8的实施方式中的任一实施方式或其操作的一个或更多个操作的一个或更多个计算机程序代码部分。
所描述的实施方式也可以以由计算机程序或其部分限定的计算机处理的形式来执行。可以通过执行包括相应指令的计算机程序的至少一部分来执行结合图4至图8描述的方法的实施方式。计算机程序可以被提供为包括在其上存储的程序指令的计算机可读介质,或者被提供为包括在其上存储的程序指令的非暂态计算机可读介质。计算机程序可以是源代码形式、目标代码形式或一些中间形式,并且计算机程序可以存储在可以是能够携载该程序的任何实体或装置的某种载体中。例如,计算机程序可以存储在可由计算机或处理器读取的计算机程序分布介质上。例如,计算机程序介质可以例如是但不限于:记录介质、计算机存储器、只读存储器、电载波信号、电信信号和软件发布包。计算机程序介质可以是非暂态介质。用于执行所示和描述的实施方式的软件的编码完全在本领域普通技术人员的范围内。
即使上文已经参考根据附图的示例描述了实施方式,但是清楚的是,实施方式不限于此,而是可以在所附权利要求的范围内以多种方式进行修改。因此,所有的词语和表达应当被宽泛地解释并且它们旨在说明实施方式而不是限制实施方式。对于本领域技术人员而言明显的是,随着技术的进步,本发明构思可以以各种方式来实现。此外,对于本领域技术人员清楚的是,所描述的实施方式可以但不要求以各种方式与其他实施方式组合。
Claims (15)
1.一种用于诊断绝缘栅双极晶体管IGBT模块的设备,所述设备包括用于执行以下操作的装置:
在存储器中保存关于用于对所述IGBT模块的层的热行为建模的计算模型的信息,其中,所述计算模型包括多个输入,所述多个输入至少包括所述IGBT模块的半导体处的耗散功率和所述IGBT模块的环境温度;
获得所述IGBT模块的半导体处的耗散功率和所述环境温度的值的测量结果;
确定所述IGBT模块的一个或更多个温度的一个或更多个当前值,其中,所述确定至少包括:获得所述IGBT模块的开关延迟的当前值的测量结果,并基于所述开关延迟的当前值确定所述IGBT模块的结温的当前值;以及
使用贝叶斯滤波器结合所述计算模型来计算针对所述计算模型定义的联合状态参数空间的当前估计,所述计算模型至少将所述耗散功率和所述环境温度的值作为输入,其中,所述联合状态参数空间至少包括所述IGBT模块的一个或更多个温度、量化所述IGBT模块的一个或更多个层中的热损失的一个或更多个热损失参数以及量化由于未知磨损引起的所述一个或更多个热损失参数随时间的变化的一个或更多个磨损参数,所述一个或更多个磨损参数通过一个或更多个随机过程定义,所述一个或更多个温度的一个或更多个当前值被用作所述贝叶斯滤波器中的观测值。
2.根据权利要求1所述的设备,其中,所述计算模型包括所述IGBT模块的热电路模型、优选为所述IGBT模块的Cauer热模型,其至少将所述耗散功率和所述环境温度的值作为输入。
3.根据权利要求1所述的设备,其中,所述贝叶斯滤波器是粒子滤波器,优选为采样重要性重采样滤波器。
4.根据权利要求1、2或3所述的设备,其中,所述计算模型包括量化所述一个或更多个热损失参数随时间的变化的一个或更多个损伤进展模型,其中,所述一个或更多个损伤进展模型至少取决于所述一个或更多个磨损参数。
5.根据权利要求4所述的设备,其中,为所述一个或更多个热损失参数分别定义的一个或更多个损伤进展模型中的每一个除了相关联的磨损参数外还取决于相关联的热损失参数以及相关联的层的一个或更多个温度循环特性。
6.根据权利要求1、2或3所述的设备,其中,用于定义所述一个或更多个磨损参数的值的一个或更多个随机过程是随机游走过程,并且所述用于执行的装置还被配置成针对所述一个或更多个磨损参数中的每一个执行下述操作:
基于磨损参数的值的收敛水平随时间调整在随机游走过程中添加的噪声方差,以实现加速收敛和有效追踪。
7.根据权利要求1、2或3所述的设备,其中,所述用于执行的装置还被配置成执行下述操作:
使得经由通信链路或网络向至少一个计算装置发送关于所述联合状态参数空间的当前估计的信息,以便能够实现预后的执行。
8.根据权利要求1、2或3所述的设备,其中,所述用于执行的装置还被配置成执行下述操作:
从所述联合状态参数空间的当前估计开始,使用所述贝叶斯滤波器模拟所述计算模型的联合状态参数空间的连续未来估计,直到达到所述一个或更多个热损失参数中的至少一个的预定义故障阈值;以及
基于模拟的结果计算所述IGBT模块的剩余使用寿命估计。
9.根据权利要求1、2或3所述的设备,其中,所述一个或更多个热损失参数包括量化所述IGBT模块的一个或更多个接合层的热损失的一个或更多个参数,所述热损失与所述一个或更多个接合层由于损伤而导致的接触面积的损失相关联。
10.根据权利要求1、2或3所述的设备,其中,所述IGBT模块的一个或更多个接合层包括芯片焊料层和/或系统焊料层。
11.根据权利要求1、2或3所述的设备,其中,所述IGBT模块的一个或更多个温度还包括一个或更多个特定于层的温度,每个特定于层的温度与所述IGBT模块的层或所述IGBT模块的多个相邻层的温度相关,并且确定所述一个或更多个温度的一个或更多个当前值还包括:
通过一个或更多个温度传感器获得所述一个或更多个特定于层的温度的一个或更多个当前值的一个或更多个测量结果。
12.根据权利要求1、2或3所述的设备,其中,所述用于执行的装置还被配置成执行下述操作:
使得经由显示器向用户显示关于所述联合状态参数空间的当前估计的信息。
13.一种用于驱动电机的驱动器,所述驱动器包括:
IGBT模块;以及
根据任一前述权利要求所述的设备。
14.一种用于诊断IGBT模块的方法,所述方法包括:
在存储器中保存关于用于对所述IGBT模块的层的热行为建模的计算模型的信息,其中,所述计算模型包括多个输入,所述多个输入至少包括所述IGBT模块的半导体处的耗散功率和所述IGBT模块的环境温度;
获得所述IGBT模块的半导体处的耗散功率和所述环境温度的值的测量结果;
确定所述IGBT模块的一个或更多个温度的一个或更多个当前值,其中,所述确定至少包括:获得所述IGBT模块的开关延迟的当前值的测量结果,并基于所述开关延迟的当前值确定所述IGBT模块的结温的当前值;以及
使用贝叶斯滤波器结合所述计算模型来计算针对所述计算模型定义的联合状态参数空间的当前估计,所述计算模型至少将所述耗散功率和所述环境温度的值作为输入,其中,所述联合状态参数空间至少包括所述IGBT模块的一个或更多个温度、量化所述IGBT模块的一个或更多个层中的热损失的一个或更多个热损失参数以及量化由于未知磨损引起的所述一个或更多个热损失参数随时间的变化的一个或更多个磨损参数,所述一个或更多个磨损参数通过一个或更多个随机过程定义,所述一个或更多个温度的一个或更多个当前值被用作所述贝叶斯滤波器中的观测值。
15.一种计算机可读介质,所述计算机可读介质包括存储在其上的用于诊断IGBT模块的计算机程序,所述计算机程序包括用于执行至少以下操作的指令:
在存储器中保存关于用于对所述IGBT模块的层的热行为建模的计算模型的信息,其中,所述计算模型包括多个输入,所述多个输入至少包括所述IGBT模块的半导体处的耗散功率和所述IGBT模块的环境温度;
获得所述IGBT模块的半导体处的耗散功率和所述环境温度的值的测量结果;
确定所述IGBT模块的一个或更多个温度的一个或更多个当前值,其中,所述确定至少包括:获得所述IGBT模块的开关延迟的当前值的测量结果,并基于所述开关延迟的当前值确定所述IGBT模块的结温的当前值;以及
使用贝叶斯滤波器结合所述计算模型来计算针对所述计算模型定义的联合状态参数空间的当前估计,所述计算模型至少将所述耗散功率和所述环境温度的值作为输入,其中,所述联合状态参数空间至少包括所述IGBT模块的一个或更多个温度、量化所述IGBT模块的一个或更多个层中的热损失的一个或更多个热损失参数以及量化由于未知磨损引起的所述一个或更多个热损失参数随时间的变化的一个或更多个磨损参数,所述一个或更多个磨损参数通过一个或更多个随机过程定义,所述一个或更多个温度的一个或更多个当前值被用作所述贝叶斯滤波器中的观测值。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP22195844.0 | 2022-09-15 | ||
EP22195844.0A EP4339629A1 (en) | 2022-09-15 | 2022-09-15 | Diagnosis and prognosis of igbt modules |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117706311A true CN117706311A (zh) | 2024-03-15 |
Family
ID=83355076
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311171021.5A Pending CN117706311A (zh) | 2022-09-15 | 2023-09-11 | Igbt模块的诊断和预后 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20240118333A1 (zh) |
EP (1) | EP4339629A1 (zh) |
CN (1) | CN117706311A (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118130998B (zh) * | 2024-05-08 | 2024-07-09 | 成都恒合控制系统有限公司 | 一种igbt衰减特性测试设备 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2615467B1 (en) * | 2012-01-11 | 2014-06-18 | ABB Research Ltd. | System and method for monitoring in real time the operating state of an IGBT device |
JP7133502B2 (ja) * | 2019-03-26 | 2022-09-08 | 株式会社日立ビルシステム | 電力変換装置の診断装置及び電力変換装置の診断方法 |
-
2022
- 2022-09-15 EP EP22195844.0A patent/EP4339629A1/en active Pending
-
2023
- 2023-09-11 CN CN202311171021.5A patent/CN117706311A/zh active Pending
- 2023-09-12 US US18/465,207 patent/US20240118333A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
EP4339629A1 (en) | 2024-03-20 |
US20240118333A1 (en) | 2024-04-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102066389B1 (ko) | 파워 반도체 모듈의 손상 레벨 또는 수명 예측을 추정하는 방법 및 디바이스 | |
EP3904894B1 (en) | Training device, estimation device, training method, estimation method, training program, and estimation program | |
CN110161396A (zh) | Igbt的基于热模型的健康评估 | |
JP4601492B2 (ja) | 生産工程の品質予測システムおよびその方法 | |
CN117706311A (zh) | Igbt模块的诊断和预后 | |
EP3531146B1 (en) | Wire-bonded power semi-conductor module monitoring | |
US11795958B2 (en) | Method for determining operating states of a fan | |
CN112433472B (zh) | 半导体生产控制方法及控制系统 | |
CN114729969A (zh) | 电池状态推定装置 | |
CN111239515A (zh) | 电力设备载流故障预测方法及系统 | |
US11740607B2 (en) | Method and system for monitoring condition of electric drives | |
JP7258703B2 (ja) | 劣化測定からの制約付き凸回帰を使用する、残存耐用年数の適応的推定方法 | |
US8793106B2 (en) | Continuous prediction of expected chip performance throughout the production lifecycle | |
TWI446402B (zh) | 基於資訊可信度之增進的狀態估計 | |
KR101290199B1 (ko) | 반도체 제조 설비에서 런-투-런 제어를 위한 컨텍스트 오프셋들을 추정하기 위한 방법 및 시스템 | |
Vaccaro et al. | Remaining Useful Lifetime Prediction of Discrete Power Devices by Means of Artificial Neural Networks | |
CN116805160A (zh) | 用于训练神经网络以确定代表设备的磨损状态的特征向量的方法 | |
Hirai et al. | Application of locally weighted partial least squares to design of semiconductor virtual metrology | |
CN116702675A (zh) | 功率模块结温估算方法、装置、电子设备及存储介质 | |
KR102461194B1 (ko) | 지능형 금속 가공 제어 장치 및 방법 | |
WO2021014282A1 (en) | Overheating detection in an electric drive based on monitoring of thermal behaviour of semiconductor modules of the electric drive | |
Vulli et al. | A model-based approach for prognostics of power semiconductor modules | |
JP2020201071A (ja) | 温度予測方法、温度予測装置、及び温度予測用プログラム | |
JP7356781B2 (ja) | 欠測を生じ得る観測値から観測確率を推定するプログラム、装置及び推定方法 | |
CN115204441A (zh) | 针对制造系统中的多变量时间序列数据的预测方法和系统 |
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 |