馬漢卿
(西安工程大學(xué)電子信息學(xué)院,西安 710048)
IGBT(絕緣柵雙極型晶體管)是由MOSFET(金屬半場(chǎng)效晶體管)和雙極型晶體管復(fù)合而成的一種器件。由于具有低飽和壓降、低驅(qū)動(dòng)功率及高頻開關(guān)能力,IGBT 模塊在電能變換與控制過程領(lǐng)域充當(dāng)著“基石”的角色,廣泛用于許多電力電子設(shè)備中。然而相關(guān)研究顯示,在各類失效因素中由溫度誘發(fā)的功率器件故障可達(dá)55%。在正常工作溫度范圍內(nèi),溫度每上升10 ℃,器件失效概率以近2 倍的速率上升[1]。IGBT 的主要失效原因可以分成3 種:與產(chǎn)品結(jié)構(gòu)有關(guān)的因素,與外部應(yīng)力有關(guān)的因素以及與外電路工作環(huán)境有關(guān)的因素。
IGBT 模塊基板多采用銅制成,襯底則由絕緣陶瓷及其附著的銅制成,稱為DBC 板。最重要的芯片則通過鋁線與模塊的發(fā)射極連接。不同的材料具有不同的導(dǎo)熱性,其熱膨脹系數(shù)也不盡相同,工作中長(zhǎng)期的熱循環(huán)會(huì)對(duì)鍵合線、焊料層等部位產(chǎn)生沖擊,存在鍵合線脫落、斷裂以及焊料層開裂的風(fēng)險(xiǎn)。而這些現(xiàn)象直接與模塊結(jié)溫的變化量、平均值密切相關(guān)。因此,在使用IGBT 設(shè)計(jì)電力電子系統(tǒng)時(shí),IGBT 結(jié)溫的實(shí)時(shí)監(jiān)測(cè)對(duì)于提高電力電子系統(tǒng)的可靠性、成本效益及性能具有十分重要的意義。
當(dāng)前工程上檢測(cè)IGBT 模塊結(jié)溫大多采取測(cè)量散熱器溫度的方式,首先測(cè)量散熱器的溫度,再根據(jù)經(jīng)驗(yàn)推算IGBT 模塊結(jié)溫,這種方式便于操作,但精度很差。國(guó)內(nèi)外學(xué)術(shù)領(lǐng)域針對(duì)結(jié)溫已經(jīng)做了一定的工作,根據(jù)特點(diǎn)主要可以歸納為四大類:物理接觸式測(cè)量法、光學(xué)非接觸測(cè)量法、熱阻抗模型預(yù)測(cè)法、熱敏感電參數(shù)法。針對(duì)各結(jié)溫測(cè)量技術(shù)進(jìn)行了簡(jiǎn)述,并對(duì)比分析了各方法的優(yōu)缺點(diǎn),提出了一種基于熱敏感電參數(shù)的BP(反向傳播)神經(jīng)網(wǎng)絡(luò)結(jié)溫預(yù)測(cè)模型,通過BP 神經(jīng)網(wǎng)絡(luò)建立熱敏感電參數(shù)與結(jié)溫的映射關(guān)系。
物理接觸式測(cè)量法將熱電阻或熱電偶焊接于IGBT 模塊內(nèi)部,從而獲取模塊內(nèi)部基板的局部溫度[2],如圖1 所示。從絕緣、避免短路等因素來考慮只能將熱傳感器盡量靠近芯片四周布設(shè),測(cè)量值與真實(shí)值存在較大誤差。利用熱敏電阻的方式需要額外的激勵(lì)源,響應(yīng)時(shí)間較慢。熱電偶的測(cè)量原理則基于熱電效應(yīng),但因模塊內(nèi)部布局有限,存在操作不便的問題。
借助待測(cè)器件溫度與紅外輻射之間的關(guān)系,可采用光纖測(cè)溫、紅外攝像測(cè)溫、紅外顯微鏡及輻射線測(cè)定儀等技術(shù)測(cè)溫,其中紅外攝像測(cè)溫是最為常用的方式[3]。利用熱成像儀對(duì)測(cè)試對(duì)象捕捉,加熱狀態(tài)下IGBT 模塊表殼的溫度分布熱成像如圖2 所示,其右側(cè)溫度條表示屏幕內(nèi)捕捉溫度的范圍,從下至上表示溫度由低至高變化。該技術(shù)利用熱紅外成像儀,測(cè)量前亦需打開IGBT模塊的封裝,除去內(nèi)部填充的透明硅脂,并對(duì)測(cè)量部位涂黑,以增加輻射系數(shù),從而提高檢測(cè)精度。該方案也屬于破壞性測(cè)量方法,且精準(zhǔn)度高的熱紅外成像儀價(jià)格高昂,不適用于工程上的結(jié)溫在線檢測(cè)。
圖1 IGBT 模塊內(nèi)熱電阻安裝示意
圖2 IGBT 模塊表殼溫度場(chǎng)分布
該方法基于待測(cè)模塊的實(shí)時(shí)損耗及瞬態(tài)熱阻抗網(wǎng)絡(luò)模型反推IGBT 芯片結(jié)溫[4-5]。一些半導(dǎo)體制造商提供了用于結(jié)溫評(píng)估的仿真軟件,對(duì)IGBT模塊進(jìn)行物理結(jié)構(gòu)與熱特性分析,建立熱阻抗網(wǎng)絡(luò)模型,結(jié)合待測(cè)模塊的實(shí)時(shí)損耗反推芯片結(jié)溫。然而,功率損耗的實(shí)時(shí)計(jì)算與熱阻抗模型的建立相當(dāng)困難,且隨著模塊的老化,熱阻抗模型的參數(shù)也會(huì)發(fā)生變化,對(duì)其準(zhǔn)確度有很大影響。
物質(zhì)的物理特性與溫度有密切關(guān)系,如尺寸、體積、電導(dǎo)率、熱電勢(shì)、輻射功率等都隨著溫度的不同而改變,所以可通過物質(zhì)隨溫度變化的某些特性來間接測(cè)量溫度[6]。IGBT 模塊由半導(dǎo)體器件構(gòu)成,這些器件的外部電氣參數(shù)通常與溫度具有一定的映射關(guān)系,反映到微觀則體現(xiàn)在載流子的遷移率與溫度相關(guān)。這種受器件內(nèi)部結(jié)溫影響的外部電氣特征參數(shù)稱為熱敏感電參數(shù)[7-8]。隨著運(yùn)行工況的變化,IGBT 模塊的芯片結(jié)溫也會(huì)發(fā)生變化,則模塊相應(yīng)的外部電氣參數(shù)也會(huì)隨之變化。通過對(duì)熱敏感電參數(shù)的測(cè)量,即可對(duì)芯片結(jié)溫進(jìn)行逆向檢測(cè)。 該技術(shù)無需改變模塊封裝結(jié)構(gòu),且其響應(yīng)速度快、精度高、成本低,具有很好的工程應(yīng)用價(jià)值。
目前常用的熱敏感電參數(shù)包括飽和壓降VCE[9]、柵極開通延時(shí)時(shí)間tdon[10-11]、閾值電壓集電極電流最大變化率(dic/dt)max[12]以及集射極電壓變化率dVCE/dt[13]等。根據(jù)經(jīng)驗(yàn),柵極開通延時(shí)時(shí)間tdon非常短,約為幾百納秒至一個(gè)微秒左右,過短的反應(yīng)時(shí)間對(duì)測(cè)試設(shè)備的硬件水平要求很高,從成本和測(cè)量精度上來講不宜選取該參數(shù)。IGBT 模塊中因布線等原因存在著大量的寄生參數(shù),這些寄生參數(shù)會(huì)對(duì)集電極電流最大變化率(dic/dt)max和集射極電壓變化率dVCE/dt 造成干擾,使波形產(chǎn)生一定的振蕩,誤差較大。閾值電壓Vge隨溫度的變化情況并不明顯,敏感性不高。因此,綜合考慮目前實(shí)驗(yàn)室的條件以及測(cè)量結(jié)果的準(zhǔn)確性,本文選用飽和壓降VCE來反映溫度變化。
當(dāng)IGBT 模塊注入小電流時(shí)(≤100 mA),飽和壓降VCE與結(jié)溫TJ具有優(yōu)越的線性關(guān)系。然而實(shí)際工況條件下,IGBT 模塊集電極電流IC通常可達(dá)幾十甚至幾百安培,遠(yuǎn)大于小電流的要求,模塊工作在大電流下將產(chǎn)生自熱,使飽和壓降VCE與結(jié)溫TJ不再具備線性關(guān)系。 研究表明,IGBT模塊通過集電極電流脈寬小于1 ms 時(shí),模塊無自熱效應(yīng),結(jié)殼溫度近似相等。因此,為了防止IGBT 的自熱效應(yīng),采用1 ms 的單脈沖柵極電壓來驅(qū)動(dòng)IGBT,使芯片產(chǎn)生的熱量足夠小以至可被忽略不計(jì)。如此,便可在長(zhǎng)時(shí)間對(duì)IGBT 模塊加熱待熱平衡后,將加熱溫度視為模塊結(jié)溫;而后在集電極端注入恒定電流,利用神經(jīng)網(wǎng)絡(luò)尋找結(jié)溫和集電極電流已知條件下與此時(shí)的飽和壓降的映射關(guān)系。
BP 神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)精度依賴于大量的實(shí)驗(yàn)數(shù)據(jù),數(shù)據(jù)集的質(zhì)量對(duì)神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)結(jié)果至關(guān)重要,1 000 個(gè)樣本包含的信息可能沒有100 個(gè)樣本所含的信息量大。為便于測(cè)試,應(yīng)考慮采用適當(dāng)集電極電流的IGBT。本著力求準(zhǔn)確、結(jié)合實(shí)際的原則,本文選取富士電機(jī)1 200 V/75 A 的2MBI75S-120 型半橋結(jié)構(gòu)IGBT 模塊作為測(cè)試對(duì)象,考慮到神經(jīng)網(wǎng)絡(luò)的魯棒性,應(yīng)盡可能將樣本數(shù)據(jù)覆蓋模塊在實(shí)際應(yīng)用中的全部變化范圍。為此,本文搭建了IGBT 模塊飽和壓降測(cè)試平臺(tái)。該測(cè)試系統(tǒng)主要包括IGBT 驅(qū)動(dòng)電路、可程控直流電源、信號(hào)控制、功率負(fù)載、溫控平臺(tái)以及示波器6 個(gè)部分,測(cè)試系統(tǒng)原理圖見圖3。
圖3 測(cè)試系統(tǒng)原理圖
圖3 中,IS代表可控直流電源;VDC為直流開關(guān)電源;R 為功率電阻,充當(dāng)負(fù)載;Vg表示脈沖信號(hào);IGBT 的下管是測(cè)試對(duì)象(虛線部分)。將模塊上管的門極加負(fù)壓關(guān)斷,為避免誤導(dǎo)通,將上管的集射極也做短接處理。依照原理圖搭建試驗(yàn)電路,測(cè)試平臺(tái)實(shí)物見圖4。
圖4 測(cè)試平臺(tái)裝置
首先,將處理后的IGBT 模塊置于加熱臺(tái)內(nèi),在基板與加熱臺(tái)的接觸面涂刷導(dǎo)熱硅脂,增加受熱面積與傳熱性能。然后設(shè)定加熱臺(tái)溫度,在該溫度下將IGBT 加熱足夠的時(shí)間,使得模塊達(dá)到完全的熱平衡。此時(shí)可以認(rèn)為,IGBT 模塊的表殼溫度與芯片結(jié)溫是一致的,也就是說恒溫加熱臺(tái)設(shè)定溫度即為此時(shí)模塊芯片PN 結(jié)的溫度。根據(jù)加熱溫度的不同,達(dá)到熱平衡的時(shí)間也不同,設(shè)定溫度越高,達(dá)到熱平衡的速度也就越慢,可從20 min 延長(zhǎng)至90 min。具體的評(píng)判方法可以利用熱成像儀輔助參考。加熱狀態(tài)中模塊的表殼溫度場(chǎng)分布熱成像如圖5 所示,其測(cè)量點(diǎn)溫度為70.3℃,底部較頂部顏色深,說明底部溫度高。
圖5 IGBT 模塊表殼溫度場(chǎng)分布熱成像
模塊達(dá)到熱平衡后,調(diào)節(jié)直流電源,將集電極電流IC設(shè)定為特定值,同時(shí)使用單脈沖驅(qū)動(dòng)IGBT 導(dǎo)通并記錄下該條件下的飽和壓降VCE。待IGBT 達(dá)到熱平衡后,調(diào)節(jié)直流電壓源,改變給定的集電極電流IC,重復(fù)上一過程。在該溫度下,使集電極電流IC以一定的分度值將額定值覆蓋,此為同一溫度下的一組樣本數(shù)據(jù)。然后改變恒溫加熱臺(tái)的溫度,在不同溫度條件下重復(fù)此步驟,完成樣本采集。
IGBT 模塊的電流額定值和最高工作結(jié)溫分別為75 A 和150 ℃,實(shí)際應(yīng)用中不得超過此額定值。集電極電流從1 A 起,結(jié)溫從25 ℃起,分別選取測(cè)試點(diǎn),然后2 組測(cè)試條件相互組合,共計(jì)372 組實(shí)驗(yàn)。利用部分?jǐn)?shù)據(jù)制不同集電極電流IC下飽和壓降與結(jié)溫的關(guān)系曲線(見圖6)。從圖中可以發(fā)現(xiàn),當(dāng)電流值約為13 A 時(shí),飽和壓降VCE幾乎不隨結(jié)溫變化,在該點(diǎn)附近出現(xiàn)檢測(cè)盲區(qū),該電流值稱為拐點(diǎn)電流。當(dāng)集電極電流IC小于拐點(diǎn)電流時(shí),VCE與結(jié)溫具有負(fù)溫度系數(shù),大于拐點(diǎn)電流時(shí)則具有正溫度系數(shù)。由圖6 可見,無論IC低于或是高于此分界值,IGBT 在集電極電流IC恒定時(shí),飽和壓降VCE均與結(jié)溫TJ具有優(yōu)越的線性關(guān)系。出現(xiàn)拐點(diǎn)電流是因?yàn)镮GBT 模塊的飽和壓降主要由PN 結(jié)導(dǎo)通壓降Vpn、輕摻雜基區(qū)壓降VB和MOS 溝道導(dǎo)通壓降VMOS三者構(gòu)成。當(dāng)模塊中PN 結(jié)的導(dǎo)通壓降Vpn占主要作用時(shí),飽和壓降VCE表現(xiàn)為負(fù)溫度系數(shù)。當(dāng)MOS 溝道導(dǎo)通壓降VMOS占主要作用時(shí),IGBT 的飽和壓降表現(xiàn)為正溫度系數(shù)[14]。
圖6 不同集電極電流IC 下TJ 和VCE 的關(guān)系
傳統(tǒng)上,獲取熱敏感電參數(shù)與結(jié)溫的映射關(guān)系采用多項(xiàng)式擬合的方法,但該方法精度低且無法用于在線檢測(cè)[15-16]。本文采用的BP 神經(jīng)網(wǎng)絡(luò)模型適用于非線性且復(fù)雜的映射關(guān)系預(yù)測(cè),已被廣泛應(yīng)用負(fù)荷預(yù)測(cè)、故障診斷等領(lǐng)域,也可以很好地應(yīng)用到芯片結(jié)溫在線檢測(cè)中,但在結(jié)溫預(yù)測(cè)方面目前的相關(guān)研究還非常少。本文從該角度對(duì)半導(dǎo)體芯片溫度檢測(cè)進(jìn)行探索。
BP 神經(jīng)網(wǎng)絡(luò)是一種多層前饋神經(jīng)網(wǎng)絡(luò),其主要特點(diǎn)是信號(hào)前向傳遞,誤差反向傳播。在前向傳遞中,輸入信號(hào)從輸入層經(jīng)隱含層逐層處理,直至輸出層。如果輸出層得不到期望輸出,則轉(zhuǎn)入反向傳播,根據(jù)預(yù)測(cè)誤差調(diào)整網(wǎng)絡(luò)權(quán)值和閾值,從而使BP 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)輸出不斷逼近期望輸出。具有自組織和自學(xué)習(xí)能力強(qiáng)的特點(diǎn),豐富的改進(jìn)算法廣泛應(yīng)用于多種非線性預(yù)測(cè)領(lǐng)域[17]。
在輸入層對(duì)神經(jīng)網(wǎng)絡(luò)輸入變量,在隱含層和輸出層進(jìn)行計(jì)算并輸出。 在神經(jīng)網(wǎng)絡(luò)的隱含層中,存在著依靠激勵(lì)函數(shù)來進(jìn)行運(yùn)算的“神經(jīng)元”,也稱為“節(jié)點(diǎn)”。其工作邏輯是:在輸入矩陣進(jìn)入隱含層前,先要通過一個(gè)做數(shù)據(jù)處理的“橋梁”,隱含層接收到經(jīng)處理的輸入數(shù)據(jù)后通過激勵(lì)函數(shù)進(jìn)行“運(yùn)算加工”,“加工”完成后向輸出層移動(dòng)時(shí)也要通過一個(gè)做數(shù)據(jù)處理的“橋梁”,處理完成后最終成為輸出矩陣。
本文將飽和壓降VCE與集電極電流IC設(shè)置為輸入,結(jié)溫TJ設(shè)置為輸出,BP 神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)如圖7 所示。
圖7 BP 神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
建立神經(jīng)網(wǎng)絡(luò)模型首先需要確定網(wǎng)絡(luò)的輸入變量,即明確哪些因素會(huì)對(duì)輸出產(chǎn)生關(guān)鍵影響。根據(jù)前文對(duì)熱敏感電參數(shù)的分析,選取飽和壓降與集電極電流作為輸入變量。模型預(yù)測(cè)的目標(biāo)是IGBT 模塊的結(jié)溫,因此將其作為輸出變量。 目前,利用神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)IGBT 模塊結(jié)溫的研究非常少,為數(shù)不多的相關(guān)文獻(xiàn)中數(shù)據(jù)樣本體量也在200 組左右。因此,本文利用飽和壓降測(cè)試平臺(tái)所得372 組數(shù)據(jù)在體量上有所進(jìn)步。數(shù)據(jù)集測(cè)試完畢后,將測(cè)試集、驗(yàn)證集和訓(xùn)練集按照1:1:8的比例在全部樣本數(shù)據(jù)集中循環(huán)交叉選擇數(shù)據(jù)依次分配到3 個(gè)集合中。
輸入數(shù)據(jù)后,對(duì)輸入數(shù)據(jù)進(jìn)行歸一化處理。數(shù)據(jù)歸一化是把所有數(shù)據(jù)都轉(zhuǎn)化為[0,1]之間的數(shù),其目的是取消各維數(shù)據(jù)間數(shù)量級(jí)的差別,避免因?yàn)檩斎胼敵鰯?shù)據(jù)數(shù)量級(jí)差別較大而造成網(wǎng)絡(luò)預(yù)測(cè)誤差較大,不至于出現(xiàn)部分?jǐn)?shù)據(jù)主導(dǎo)輸出結(jié)果的情況。本文采用MATLAB 自帶函數(shù)mapminmax 對(duì)數(shù)據(jù)進(jìn)行歸一化處理。初始化閾值和權(quán)值后設(shè)定網(wǎng)絡(luò)參數(shù)配置,調(diào)整迭代次數(shù)、學(xué)習(xí)率以及目標(biāo)。在訓(xùn)練過程中根據(jù)網(wǎng)絡(luò)預(yù)測(cè)誤差調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值。模型訓(xùn)練參數(shù)的選擇需通過大量測(cè)試,逐步改進(jìn),最終試驗(yàn)出最優(yōu)值。例如,學(xué)習(xí)速率從0.1 開始測(cè)試,而后逐步降低。經(jīng)過不斷試湊,對(duì)比各參數(shù)調(diào)整后的預(yù)測(cè)性能,最終將隱含層節(jié)點(diǎn)數(shù)設(shè)為100,訓(xùn)練最大次數(shù)設(shè)為20 000,訓(xùn)練誤差期望值設(shè)為4e-5,學(xué)習(xí)率設(shè)為0.01。圖8所示為迭代次數(shù)與均方誤差的關(guān)系曲線,可以看出,BP 神經(jīng)網(wǎng)絡(luò)算法迭代計(jì)算100 次時(shí),校正數(shù)據(jù)達(dá)到最佳均方誤差。
圖8 BP 神經(jīng)網(wǎng)絡(luò)迭代次數(shù)與均方誤差關(guān)系曲線
將372 組樣本的測(cè)試條件輸入神經(jīng)網(wǎng)絡(luò),網(wǎng)絡(luò)輸出結(jié)溫TJ的預(yù)測(cè)值。圖9 所示為網(wǎng)絡(luò)預(yù)測(cè)結(jié)果與目標(biāo)值的對(duì)比。從中選取部分樣本的預(yù)測(cè)結(jié)果進(jìn)行性能分析(見表1、表2),可以看出,當(dāng)集電極電流IC大于拐點(diǎn)電流時(shí),神經(jīng)網(wǎng)絡(luò)模型具有更高的擬合精度,預(yù)測(cè)結(jié)果與目標(biāo)值非常接近,最大預(yù)測(cè)誤差比率不超過5%;而IC處于拐點(diǎn)電流附近時(shí),誤差較大。
圖9 BP 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果
表1 IC 小于分界值時(shí)的部分訓(xùn)練數(shù)據(jù)及神經(jīng)網(wǎng)絡(luò)結(jié)溫預(yù)測(cè)結(jié)果
表2 IC 大于分界值時(shí)的部分訓(xùn)練數(shù)據(jù)及神經(jīng)網(wǎng)絡(luò)結(jié)溫預(yù)測(cè)結(jié)果
精確獲取IGBT 的結(jié)溫始終是一個(gè)具有挑戰(zhàn)性的問題。采用集射極飽和壓降VCE的熱敏感電參數(shù)法作為結(jié)溫評(píng)估中最有潛力的方法,其精度卻受到電氣參數(shù)與結(jié)溫之間復(fù)雜的非線性關(guān)系的限制。本文基于恒溫加熱試驗(yàn)平臺(tái)的測(cè)試數(shù)據(jù),分析了熱敏感電參數(shù)與芯片結(jié)溫的映射,從人工智能的角度解決這個(gè)問題,提出了一種基于BP神經(jīng)網(wǎng)絡(luò)的結(jié)溫預(yù)測(cè)模型,實(shí)現(xiàn)了對(duì)額定范圍內(nèi)各種輸出條件下的IGBT 結(jié)溫的有效預(yù)測(cè),其精度在可接受范圍內(nèi)。
結(jié)溫的預(yù)測(cè)可應(yīng)用于諸多研究領(lǐng)域,尤其在IGBT 模塊的可靠性分析中不可或缺。至于IGBT模塊可靠性分析中非常重要的壽命預(yù)測(cè),也很有利于工作的展開。目前壽命預(yù)測(cè)的主要研究方法包括物理模型法與解析式法,本文的工作解決了解析式法預(yù)測(cè)模塊壽命中結(jié)溫參數(shù)不便提取的難點(diǎn)。最后,需要指出的是,隨著網(wǎng)絡(luò)訓(xùn)練樣本質(zhì)量的提升與算法的優(yōu)化,可以使預(yù)測(cè)精度進(jìn)一步提高。