基于數(shù)據(jù)驅(qū)動(dòng)的換流閥用IGBT模塊芯片焊料層狀態(tài)評(píng)估

DOI：10.3969/j.issn.10001565.2025.01.002

摘" 要：換流閥用絕緣柵雙極型晶體管（IGBT）模塊在風(fēng)電輸送與電網(wǎng)互聯(lián)等領(lǐng)域得到廣泛應(yīng)用，隨著運(yùn)行時(shí)間的增長，IGBT芯片焊料層易發(fā)生熱疲勞損傷，導(dǎo)致模塊可靠性降低，因此實(shí)現(xiàn)IGBT模塊芯片焊料層狀態(tài)評(píng)估尤為關(guān)鍵.為此，提出一種基于數(shù)據(jù)驅(qū)動(dòng)的換流閥用IGBT模塊芯片焊料層狀態(tài)評(píng)估方法.首先，分析焊料層的疲勞機(jī)理，并從數(shù)據(jù)的表征能力和獲取難易程度出發(fā)，選取能夠反映芯片焊料層疲勞狀態(tài)的評(píng)估參數(shù)；其次，建立不同焊料層疲勞損傷狀態(tài)的IGBT模塊電熱耦合模型，并通過有限元計(jì)算獲得“疲勞狀態(tài)-評(píng)估參數(shù)”數(shù)據(jù)；最后，考慮芯片焊料層疲勞狀態(tài)與評(píng)估參數(shù)之間的非線性、相互交叉等問題，選取多種算法共同實(shí)現(xiàn)由評(píng)估參數(shù)到芯片焊料層的疲勞狀態(tài)的映射，并對(duì)評(píng)估參數(shù)發(fā)展趨勢(shì)進(jìn)行預(yù)測(cè).結(jié)果表明本評(píng)估方法準(zhǔn)確性、實(shí)時(shí)性均滿足工程需要，可為IGBT模塊運(yùn)維提供可靠依據(jù).

關(guān)鍵詞：芯片焊料層；狀態(tài)評(píng)估；數(shù)據(jù)驅(qū)動(dòng)；評(píng)估參數(shù)；電熱耦合模型

中圖分類號(hào)：TP181""" 文獻(xiàn)標(biāo)志碼：A""" 文章編號(hào)：10001565（2025）01001010

Data driven solder layer state evaluation of IGBT module chip for converter valve

HUANG Xiongfeng1， DUAN Xiyao1， HUANG Ming1， CHEN Zhong2， ZHU Lin2， ZHANG Yujiao1

（1.Anhui Province Key Laboratory of Semiconductor Packaging and Reliability， School of Electrical and Automation Engineering， Hefei University of Technology，Hefei 230009，China;2.Electric Power Research Institute，State Grid Anhui Electric Power Co.， Ltd.， Hefei 230601，China）

Abstract： Insulated gate bipolar transistor （IGBT） modules for converter valves are widely used in fields such as wind power transmission and grid interconnection. IGBT modules for converter valves have been widely used in wind power transmission and grid interconnection. As the operating time increases， the IGBT chip solder layer is prone to thermal fatigue damage， leading to a decrease in module reliability. Therefore， it is particularly critical to evaluate the state of the IGBT module chip solder layer. To this end， this paper proposes a data-driven method for evaluating the state of the IGBT module chip solder layer for converter valves. Firstly， the fatigue mechanism of the solder layer is analyzed， and evaluation parameters that can reflect the fatigue state of the chip solder layer are selected based on their ability to represent data and the ease of acquisition. Secondly， an electro-thermal coupling model of the IGBT module

收稿日期：20240614;修回日期：20240912

基金項(xiàng)目：

安徽省自然科學(xué)基金資助項(xiàng)目（JZ2023GJDQ0018）

第一作者：黃雄峰（1980—），男，合肥工業(yè)大學(xué)副教授，博士，主要從事檢測(cè)技術(shù)與自動(dòng)化裝置應(yīng)用方向研究.E-mail： hfut_huangxf@hfut.edu.cn

通信作者：張宇嬌（1978—），女，合肥工業(yè)大學(xué)教授，博士生導(dǎo)師，主要從事電氣設(shè)備多物理場(chǎng)建模與仿真、基于數(shù)字孿生技術(shù)的電氣設(shè)備故障診斷與健康壽命管理方向研究.E-mail： zhangyujiao@hfut.edu.cn

河北大學(xué)學(xué)報(bào)（自然科學(xué)版）第45卷

with different fatigue damage states of the solder layer is established， and finite element calculations are performed to obtain ‘fatigue state-evaluation parameter data. Finally， considering the non-linearity and cross-correlation issues between the fatigue state of the chip solder layer and the evaluation parameters， multiple algorithms are selected to jointly achieve the mapping from the evaluation parameters to the fatigue state of the chip solder layer and predict the development trend of the evaluation parameters. The results show that the accuracy and real-time performance of this evaluation method can meet the engineering needs， providing a reliable basis for the operation and maintenance of IGBT modules.

Key words： chip solder layer;state assessment; data-driven; evaluation parameter; electrothermal coupling model

絕緣柵雙極型晶體管（insulated gate bipolar transistor，IGBT）作為換流閥中的核心部件，其可靠性直接影響到柔性直流輸電的安全運(yùn)行［1］.數(shù)據(jù)表明變流器故障中31%由功率器件故障引起，而功率器件故障大部分是器件熱問題所導(dǎo)致［2-3］.IGBT熱問題主要發(fā)生在鍵合線與焊料層，相較于鍵合線，焊料層往往會(huì)率先出現(xiàn)損傷［4］，且同等情況下芯片焊料層熱問題比基板焊料層熱問題影響更大［5］.因此，實(shí)現(xiàn)IGBT模塊芯片焊料層狀態(tài)評(píng)估尤為關(guān)鍵.

目前國內(nèi)外學(xué)者基于數(shù)據(jù)驅(qū)動(dòng)對(duì)IGBT模塊焊料層疲勞狀態(tài)進(jìn)行評(píng)估的研究已經(jīng)相當(dāng)普遍.文獻(xiàn)［6］基于IGBT模塊電熱耦合仿真和老化實(shí)驗(yàn)，探究了IGBT模塊焊料層空洞生長融合規(guī)律，并給出了5個(gè)等級(jí)的空洞評(píng)估方法；文獻(xiàn)［7］通過有限元仿真探究了焊料層裂紋和熱阻之間的關(guān)系，并基于結(jié)構(gòu)函數(shù)實(shí)現(xiàn)了對(duì)裂紋位置和程度的識(shí)別；文獻(xiàn)［8］建立了基于磁感應(yīng)強(qiáng)度比值的多芯片并聯(lián)IGBT模塊健康狀態(tài)評(píng)估模型，實(shí)現(xiàn)對(duì)多芯片并聯(lián)IGBT模塊焊料層脫落狀態(tài)的量化評(píng)估.但是，目前對(duì)IGBT模塊焊料層的狀態(tài)評(píng)估大多停留在單一疲勞前提下的定量評(píng)估，缺乏對(duì)其內(nèi)部疲勞類型的定性判斷.

相較于傳統(tǒng)模型驅(qū)動(dòng)的狀態(tài)評(píng)估方法，數(shù)據(jù)驅(qū)動(dòng)方法避免了復(fù)雜的物理建模與機(jī)理分析，它通過算法直接從器件相關(guān)數(shù)據(jù)中提取隱藏的狀態(tài)信息，特別適合處理如IGBT模塊這類電力電子設(shè)備的狀態(tài)評(píng)估問題.IGBT模塊是一個(gè)復(fù)雜的功率器件，單一參量難以反應(yīng)器件內(nèi)部真實(shí)狀態(tài)，通過多變量共同判斷IGBT模塊的狀態(tài)信息逐漸成為主流.文獻(xiàn)［9］從電學(xué)、熱學(xué)和絕緣參量的角度分析了近年來國內(nèi)外高壓IGBT狀態(tài)檢測(cè)領(lǐng)域的研究現(xiàn)狀.文獻(xiàn)［10］為了解決溫度與飽和壓降的耦合影響問題，采用飽和壓降和集電極電流多數(shù)據(jù)驅(qū)動(dòng)方法精確估算IGBT模塊的結(jié)溫.文獻(xiàn)［11］將傳導(dǎo)電流、冷卻水溫度和冷卻水流量作為輸入變量，使用BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)溫度.但當(dāng)前針對(duì)IGBT模塊芯片焊料層疲勞狀態(tài)評(píng)估的參數(shù)選擇研究較少.

本文以換流閥用IGBT模塊為研究對(duì)象，基于數(shù)據(jù)驅(qū)動(dòng)方法選擇多個(gè)參數(shù)實(shí)現(xiàn)其芯片焊料層的

疲勞類型判斷、疲勞程度識(shí)別及健康預(yù)測(cè).該方法可以實(shí)現(xiàn)對(duì)IGBT模塊芯片焊料層疲勞狀態(tài)的全面

感知、精確評(píng)估和主動(dòng)預(yù)測(cè)，為模塊運(yùn)維提供可靠依據(jù).

1" 評(píng)估方法架構(gòu)設(shè)計(jì)

針對(duì)芯片焊料層疲勞時(shí)IGBT模塊運(yùn)行的相關(guān)數(shù)據(jù)，基于智能算法實(shí)現(xiàn)數(shù)據(jù)信息到芯片焊料層疲勞

狀態(tài)的映射，亟須解決如下問題：

1）評(píng)估IGBT模塊芯片焊料層疲勞狀態(tài)的參數(shù)選擇問題；2）

芯片焊料層處于不同疲勞類型不同疲勞程度時(shí)IGBT模塊評(píng)估參數(shù)獲取問題；3）選擇何種算法實(shí)現(xiàn)從“評(píng)估參數(shù)”到“疲勞狀態(tài)”的映射.

圖1為基于數(shù)據(jù)驅(qū)動(dòng)的換流閥用IGBT芯片焊料層狀態(tài)評(píng)估方法架構(gòu).

評(píng)估方法中關(guān)鍵性技術(shù)包括特征參數(shù)的選取、特征參數(shù)數(shù)據(jù)的獲取、數(shù)據(jù)分析方法的選取.特征參數(shù)

的選取是否合理直接決定了評(píng)估方法的可行度；特征參數(shù)的數(shù)據(jù)獲取方法很大程度上決定了該評(píng)估方法的時(shí)間成本、經(jīng)濟(jì)成本和準(zhǔn)確性；數(shù)據(jù)分析方法的選取決定了能否有效且快速地利用特征參數(shù)中蘊(yùn)含的器件信息.三者共同決定了該評(píng)估方法的可行性、準(zhǔn)確性與實(shí)時(shí)性.

綜上所述，該評(píng)估方法具體步驟如下：首先，針對(duì)IGBT模塊芯片焊料層狀態(tài)評(píng)估參數(shù)選擇問題，通過分析芯片焊料層疲勞失效機(jī)理和擴(kuò)展機(jī)制，根據(jù)參數(shù)的表征能力、可監(jiān)測(cè)性與數(shù)據(jù)獲取難易程度，在常用的IGBT老化參數(shù)中選定模塊運(yùn)行時(shí)的最高溫度、最低溫度與集射極壓降共同作為芯片焊料層的狀態(tài)評(píng)估參

數(shù)；其次，針對(duì)芯片焊料層不同疲勞狀態(tài)下IGBT模塊評(píng)估參數(shù)數(shù)據(jù)獲取問題，建立考慮不同芯片焊料層疲勞損傷狀態(tài)下的IGBT模塊電熱耦合模型，利用仿真軟件模擬IGBT模塊芯片焊料層不同類型疲勞的萌生及擴(kuò)展，通過有限元計(jì)算獲取芯片焊料層不同疲勞類型、不同疲勞程度時(shí)對(duì)應(yīng)的IGBT模塊評(píng)估參數(shù)；最后，針對(duì)芯片焊料層疲勞狀態(tài)與評(píng)估參數(shù)之間呈現(xiàn)非線性、相互交叉等問題，借助支持向量機(jī)（support vector machine，SVM）在小規(guī)模數(shù)據(jù)集下分類精度高、集成學(xué)習(xí)算法泛化能力強(qiáng)、長短期記憶網(wǎng)絡(luò)（long short-term memory，LSTM）在時(shí)間序列建模上的優(yōu)勢(shì)，提出使用上述3種算法共同實(shí)現(xiàn)IGBT模塊芯片焊料層的疲勞狀態(tài)評(píng)估.

2" 芯片焊料層疲勞分析與評(píng)估參數(shù)選擇

IGBT模塊芯片焊料層疲勞具有空洞、裂紋、脫落等不同類型，不同類型疲勞的損傷機(jī)理有所差異.因此，從芯片焊料層疲勞失效機(jī)理出發(fā)，分析不同類型疲勞的產(chǎn)生原因及擴(kuò)展機(jī)制，考慮特征參數(shù)的疲勞表征能力、可監(jiān)測(cè)性與數(shù)據(jù)獲取難易程度，在常用的IGBT老化參數(shù)中選定模塊運(yùn)行時(shí)最高溫度、最低溫度與集射極壓降共同作為芯片焊料層的狀態(tài)評(píng)估參數(shù).

2.1" 芯片焊料層疲勞分析

圖2是焊接型IGBT的封裝結(jié)構(gòu)及其對(duì)應(yīng)結(jié)構(gòu)材料的熱膨脹系數(shù).由圖2可知芯片與芯片焊料層之間的熱膨脹系數(shù)之差高達(dá)18.8×106/℃.結(jié)合IGBT模塊封裝結(jié)構(gòu)，芯片焊料層的厚度最小，層對(duì)角線長度也最短，且相比于其他結(jié)構(gòu)更靠近熱源，所以芯片焊料層的熱切應(yīng)變最大，其在功率循環(huán)受到交變熱應(yīng)力的影響更大，因此更易發(fā)生熱疲勞損傷.

焊料層熱疲勞損傷主要包括空洞、裂紋與脫落，其產(chǎn)生原因不盡相同，其擴(kuò)展機(jī)制也有所差異.空洞的形成原因主要有生產(chǎn)過程中焊料與基體不匹配、焊膏揮發(fā)及焊料不均勻收縮，以及熱應(yīng)力引起的晶粒長大和缺陷聚集.健康的焊料層中存在許多極小的圓形空洞，隨著疲勞進(jìn)程，空洞會(huì)擴(kuò)展并相互融合形成大空洞［12］.而裂紋的形成是由于焊料層熔點(diǎn)較低，在工作溫度下受熱應(yīng)力影響發(fā)生塑性形變，導(dǎo)致錯(cuò)位聚集和原子鍵斷裂，裂紋多發(fā)生于邊角位置，并逐漸向內(nèi)部延伸［13］.脫落則發(fā)生在芯片與焊料層之間，由于加入了薄鋁層，材料復(fù)雜性增加導(dǎo)致塑性形變，焊料層表面出現(xiàn)脫落，并逐漸從邊緣向內(nèi)部擴(kuò)展［14］.

2.2" 評(píng)估參數(shù)選擇

在評(píng)估IGBT芯片焊料層的疲勞狀態(tài)時(shí)，選擇合適的參數(shù)至關(guān)重要.目前在IGBT狀態(tài)評(píng)估方面常用的評(píng)估參數(shù)包括器件結(jié)溫、集射極壓降、結(jié)殼熱阻、關(guān)斷時(shí)間和門極導(dǎo)通閾值電壓.為了選取合適的特征參數(shù)作為芯片焊料層的狀態(tài)評(píng)估參數(shù)，需要從疲勞表征能力、可監(jiān)測(cè)性以及數(shù)據(jù)獲取難易程度等角度進(jìn)行綜合考慮.

在IGBT模塊運(yùn)行過程中，芯片焊料層的疲勞通常表現(xiàn)為模塊運(yùn)行時(shí)器件結(jié)溫（最高溫度和最低溫度）的上升.疲勞損傷會(huì)減小芯片與焊料層之間的接觸面積，導(dǎo)致散熱性能下降，因此結(jié)溫參數(shù)不僅直接反映出焊料層的疲勞狀況，而且也是影響疲勞進(jìn)程的關(guān)鍵因素［15］.除此之外，集射極壓降是另一個(gè)重要的評(píng)估指標(biāo)，它表示IGBT模塊在飽和區(qū)工作時(shí)集射極兩端的壓降差.焊料層的疲勞會(huì)引起結(jié)構(gòu)和溫度的變化，進(jìn)而影響材料的電阻值，使得集射極壓降在IGBT退化過程中呈現(xiàn)上升趨勢(shì).由于其易于監(jiān)測(cè)且靈敏度高，目前集射極壓降已被廣泛用于IGBT狀態(tài)評(píng)估工作.結(jié)殼穩(wěn)態(tài)熱阻在疲勞過程中也會(huì)升高，通過監(jiān)測(cè)結(jié)溫與殼溫，可以評(píng)估焊料層的疲勞情況.然而，由于該方法對(duì)溫度傳感器的要求較高，且功率損耗受工作環(huán)境的影響較大，其應(yīng)用受到一定限制［16］，相比之下，關(guān)斷時(shí)間和門極導(dǎo)通閾值電壓雖然在焊料層老化過程中會(huì)發(fā)生變化，但其對(duì)疲勞的敏感性較低，且監(jiān)測(cè)難度較大，因此不適合作為主要評(píng)估參數(shù)［17-18］.

綜上所述，基于參數(shù)的表征能力、可監(jiān)測(cè)性以及數(shù)據(jù)獲取難易程度，最終選擇IGBT模塊運(yùn)行時(shí)的最高溫度、最低溫度和集射極壓降作為評(píng)估芯片焊料層疲勞狀態(tài)的關(guān)鍵參數(shù).

3" 不同疲勞狀態(tài)下IGBT模塊電熱耦合仿真

由于IGBT焊料層在長期運(yùn)行中因熱疲勞可能產(chǎn)生空洞、裂紋和脫落等損傷，不同疲勞類型下的評(píng)估參數(shù)雖然整體呈現(xiàn)增大趨勢(shì)，但空洞、裂紋和脫落對(duì)參數(shù)的影響模式各異，評(píng)估參數(shù)的增長形式存在著顯著差異.為準(zhǔn)確評(píng)估焊料層的疲勞狀態(tài)，需通過電熱耦合有限元模型仿真焊料層在不同疲勞類型和疲勞程度下的行為，提取評(píng)估參數(shù)，并分析其在空洞、裂紋和脫落等疲勞模式下的變化趨勢(shì)，為更加精準(zhǔn)地評(píng)估焊料層狀態(tài)提供數(shù)據(jù)基礎(chǔ).

3.1" 健康IGBT模塊電熱耦合仿真

3.1.1" 健康IGBT模塊三維模型建立

為探究芯片界料層疲勞對(duì)IGBT模塊電熱特性的影響，本文選用了ABB公司2 000 A、3.3 kV的SSNA080N3300IG型號(hào)模塊進(jìn)行IGBT模塊建模分析.為提高有限元仿真的計(jì)算效率，結(jié)合器件的工作特點(diǎn)對(duì)模型進(jìn)行了如下簡化：

1）IGBT模塊的外殼、引腳、二極管等部分對(duì)模塊散熱影響較小，因此予以忽略.硅膠與基板散熱器可以通過施加邊界條件代替［4］，故不進(jìn)行幾何建模.

2）該模塊由4個(gè)完全相同的單元并聯(lián)而成，出于減少計(jì)算量的考慮，只建立其中1個(gè)IGBT單元的三維仿真模型并進(jìn)行分析［4］.

3）IGBT模塊柵極主要負(fù)責(zé)控制IGBT模塊通斷，驅(qū)動(dòng)器流經(jīng)柵極電流遠(yuǎn)小于集電極電流，柵極鍵合線發(fā)熱可忽略不計(jì)，故忽略柵極鍵合線［19］.

4）續(xù)流二極管（FWD）芯片主要起續(xù)流和抑制過壓作用，正向?qū)〞r(shí)無電流經(jīng)過，故FWD芯片上鍵合線也予以忽略［20］.

根據(jù)該型號(hào)IGBT模塊建立如圖3所示的IGBT模塊三維仿真模型.

3.1.2" 有限元計(jì)算

換流閥閥廳內(nèi)溫度在10～50 ℃，散熱方式為水冷放熱，冷卻液溫度不低于10 ℃且模塊散熱功率取決于IGBT功率.荷載與邊界條件如下：

1）IGBT額定電流為800 A，由4個(gè)相同的單元并聯(lián)而成，故每個(gè)單元施加電流為200 A.

2）散熱方式為自上而下通過基底散熱板散熱，故除基板下表面以外的其余祼露部分均設(shè)為絕熱，參考文獻(xiàn)［21］，在基板下表面設(shè)置對(duì)流換熱系數(shù)，大小為9 000 W/（m2·K）.

3）室溫取平均溫度25 ℃，故初始溫度為25 ℃.

4）模塊通過基板與散熱器固定，故基板的固定位置設(shè)置為水平參考面.

通過上述分析，首先，根據(jù)該型號(hào)IGBT模塊真實(shí)尺寸進(jìn)行結(jié)構(gòu)簡化并建立三維仿真模型；其次，根據(jù)電熱耦合計(jì)算所需材料參數(shù)對(duì)模型添加相應(yīng)屬性，并進(jìn)行網(wǎng)格剖分；最后，依據(jù)真實(shí)工作環(huán)境與工作特點(diǎn)對(duì)IGBT模塊進(jìn)行載荷與邊界條件的設(shè)定，實(shí)現(xiàn)對(duì)健康IGBT模塊電熱耦合穩(wěn)態(tài)計(jì)算，結(jié)果如圖4所示.

由圖4可知，穩(wěn)態(tài)時(shí)IGBT模塊最高溫度為123.26 ℃，最低溫度為88.02 ℃，集射極壓降為2.546 2 V.該型號(hào)IGBT模塊的Datasheet手冊(cè)上標(biāo)明正常模塊工作最高溫度為125 ℃，仿真誤差為1.4%.

3.2" 芯片焊料層不同疲勞類型的模擬仿真

3.2.1" 空洞仿真模擬

選擇最具代表性的中間貫穿空洞［7］來探究IGBT模塊評(píng)估參數(shù)隨芯片焊料層空洞率變化規(guī)律.IGBT模塊芯片焊料層中間貫穿空洞示意如圖5所示，在健康IGBT模塊三維模型的4個(gè)芯片焊料層中心位置挖空一個(gè)圓柱用以模擬空洞疲勞，空洞半徑為r，空洞高度等于芯片焊料層厚度.

根據(jù)文獻(xiàn)［28］方法定義空洞率為空洞與芯片焊料層面積之比.芯片焊料層上表面為邊長14 mm的正方形.通過逐漸增大r來模擬芯片焊料層空洞疲勞愈發(fā)嚴(yán)重的情況，

其中空洞率V與空洞半徑r的對(duì)應(yīng)關(guān)系為

V= πr2/196×100%.（1）

3.2.2" 裂紋仿真模擬

選擇最具代表性的橫向貫穿裂紋［22］探究IGBT模塊評(píng)估參數(shù)隨芯片焊料層裂紋率變化規(guī)律.

IGBT模塊芯片焊料層橫向貫穿裂紋示意如圖6所示，在健康IGBT模塊三維模型的4個(gè)芯片焊料層的邊緣對(duì)稱位置挖出長方體以模擬裂紋.裂紋位于芯片焊料層上表面，長L，寬等于芯片焊料層寬度，厚度等于芯片焊料層厚度的1/5.

規(guī)定裂紋長度與芯片焊料層邊長之比為裂紋率，可以通過增長L模擬裂紋愈發(fā)嚴(yán)重的情況，

其中裂紋率C與裂紋長度L的對(duì)應(yīng)關(guān)系可表示為

C=L/14×100%.（2）

3.2.3" 脫落仿真模擬

選擇最具代表性的圓形邊緣脫落［23］探究IGBT模塊評(píng)估參數(shù)隨芯片焊料層脫落度變化規(guī)律.

IGBT模塊芯片焊料層圓形脫落示意如圖7所示，在健康IGBT模塊三維模型的4個(gè)芯片焊料層中心位置做一個(gè)脫落剩余半徑為R、高度等同于焊料層厚度的圓柱體，芯片焊料層與圓相交的部分為脫落剩余部分，挖去脫落剩余以外部分以模擬脫落.規(guī)定脫落面積與芯片焊料層面積之比為脫落度，通過減小R來模擬脫落愈發(fā)嚴(yán)重的情況，其中，脫落度D與脫落剩余半徑R的對(duì)應(yīng)關(guān)系為

D=196+πR2" arccos7R45°-πR2-28R2-49/196×100%，7≤R≤72，

（196-πR2）/196×100%，0≤R＜7.（3）

3.2.4" “疲勞狀態(tài)-評(píng)估參數(shù)”數(shù)據(jù)提取

在上述芯片焊料層空洞、裂紋與脫落仿真模擬的基礎(chǔ)上，為了獲取芯片焊料層在不同疲勞類型和不同疲勞程度下的IGBT模塊評(píng)估參數(shù)，采取如下仿真步驟：

在健康IGBT模塊三維模型的基礎(chǔ)上，保持荷載與邊界條件不變，挖去部分不參與有限元計(jì)算的區(qū)域.分別建立芯片焊料層空洞、裂紋、脫落時(shí)的IGBT模塊三維模型，通過逐步調(diào)整r、L、R來模擬疲勞損傷逐漸加劇的情況.進(jìn)行多組仿真計(jì)算，以獲得IGBT模塊在不同疲勞類型和疲勞程度下的評(píng)估參數(shù)，直到仿真計(jì)算出的IGBT模塊最高溫度超過模塊安全運(yùn)行的最高規(guī)定溫度150 ℃為止.

圖8、圖9、圖10分別為IGBT模塊評(píng)估參數(shù)隨芯片焊料層空洞率、裂紋率、脫落度的變化曲線，由圖8～10可知，IGBT模塊在工作穩(wěn)定時(shí)的最高溫度、最低溫度、集射極壓降隨著芯片焊料層疲勞程度的加劇呈上升趨勢(shì).與焊料層邊緣的裂紋疲勞和脫落疲勞相比，中間貫穿空洞隨其疲勞程度（空洞率）的增加變化更顯著，中間貫穿空洞對(duì)模塊的影響更為嚴(yán)重.然而，“疲勞狀態(tài)-評(píng)估參數(shù)”呈現(xiàn)非線性和相互交叉.因此，需要借助算法來進(jìn)一步明確兩者之間的映射關(guān)系.

4" 基于SVM-Bagging-LSTM的芯片焊料層狀態(tài)評(píng)估

盡管有限元仿真能夠獲取焊料層在不同疲勞程度下的評(píng)估參數(shù)隨退化進(jìn)程的變化趨勢(shì)，但在實(shí)際應(yīng)用中，芯片焊料層的疲勞狀態(tài)與多個(gè)評(píng)估參數(shù)之間呈現(xiàn)復(fù)雜的非線性關(guān)系和多重交互影響.狀態(tài)評(píng)估算法可以根據(jù)評(píng)估參數(shù)實(shí)現(xiàn)對(duì)疲勞狀態(tài)的劃分，為設(shè)備維護(hù)提供精確的決策支持.為進(jìn)一步提高疲勞狀態(tài)評(píng)估的精確性和可靠性，本文采用多種算法共同實(shí)現(xiàn)由評(píng)估參數(shù)到芯片焊料層的疲勞狀態(tài)評(píng)估.

4.1" 基于SVM的芯片焊料層疲勞類型判斷

芯片焊料層疲勞類型判斷是機(jī)器學(xué)習(xí)中典型的分類問題，目前常見的分類算法有決策樹、支持向量機(jī)（SVM）和神經(jīng)網(wǎng)絡(luò)算法.決策樹算法在數(shù)據(jù)量小時(shí)容易出現(xiàn)過擬合［24］，SVM和神經(jīng)網(wǎng)絡(luò)算法理論上都適用于小數(shù)據(jù)的分類問題，本節(jié)通過比較SVM和BP神經(jīng)網(wǎng)絡(luò)算法，最終選擇SVM算法對(duì)IGBT模塊芯片焊料層疲勞類型進(jìn)行判斷.

首先構(gòu)建一個(gè)包含150個(gè)樣本的數(shù)據(jù)集，其中80%作為訓(xùn)練集，剩余的20%作為測(cè)試集，每個(gè)樣本的輸入特征參數(shù)為芯片焊料層的疲勞評(píng)估參數(shù)，輸出標(biāo)簽值為對(duì)應(yīng)疲勞評(píng)估參數(shù)下的疲勞類型.隨后采用支持向量機(jī)（support vector machine，SVM）算法對(duì)芯片焊料層的疲勞類型進(jìn)行劃分，選擇徑向基函數(shù)（radial basis function，RBF）作為SVM由低維空間向高維映射的核函數(shù)（C-support vector classification，SVC）作為損失函數(shù)，最后通過網(wǎng)格搜索和交叉驗(yàn)證的方法來優(yōu)化SVM的參數(shù)，以實(shí)現(xiàn)模型的

最佳性能.為了驗(yàn)證SVM算法的有效性，將其與經(jīng)典的反向傳播BP神經(jīng)網(wǎng)絡(luò)算法在測(cè)試集上的預(yù)測(cè)效果進(jìn)行了比較.從圖11中2種算法的混淆矩陣中可以看出，2種算法的總體精度均達(dá)到了90%.具體而言，SVM算法在芯片焊料層疲勞分類上的精度達(dá)到了96.7%，這一結(jié)果明顯高于BP算法，表明SVM算法在判斷芯片焊料層疲勞類型方面更為有效.

4.2" 基于Bagging集成學(xué)習(xí)的芯片焊料層疲勞程度識(shí)別

芯片焊料層疲勞程度識(shí)別問題在機(jī)器學(xué)習(xí)領(lǐng)域被視為一個(gè)典型的回歸問題，而單一算法在處理此類問題時(shí)往往表現(xiàn)出泛化性能的不足.為了提升模型的泛化能力，本節(jié)采用Bagging（bootstrap aggregating）集成學(xué)習(xí)算法［26］來進(jìn)行IGBT模塊芯片焊料層的疲勞程度識(shí)別，并與決策樹等傳統(tǒng)單一算法進(jìn)行比較.

Bagging作為一種高效的集成學(xué)習(xí)方法，通過從原始數(shù)據(jù)集中進(jìn)行多次有放回的抽樣構(gòu)建多個(gè)不同的訓(xùn)練集，針對(duì)每個(gè)訓(xùn)練集獨(dú)立訓(xùn)練基學(xué)習(xí)器，并通過投票或平均等方式綜合這些基學(xué)習(xí)器的預(yù)測(cè)結(jié)果.以芯片焊料層空洞疲勞為例，首先通過仿真計(jì)算收集芯片焊料層在不同疲勞程度下的評(píng)估參數(shù)，并將這些參數(shù)整合成一個(gè)4×50的標(biāo)注數(shù)據(jù)集，其中數(shù)據(jù)集下的每個(gè)樣本包含IGBT模塊在穩(wěn)態(tài)運(yùn)行條件下的最高溫度、最低溫度以及集射極壓降3個(gè)輸入特征量以及1個(gè)對(duì)應(yīng)的疲勞程度標(biāo)簽值-空洞率.接下來，采用Bagging算法對(duì)原始數(shù)據(jù)集進(jìn)行有放回的子抽樣以構(gòu)建訓(xùn)練集，并選用線性回歸、決策樹、SVM以及神經(jīng)元網(wǎng)絡(luò)（NET）這4種基學(xué)習(xí)器，通過加權(quán)投票法進(jìn)行模型集成.

其中，NET是MATLAB中自帶的神經(jīng)結(jié)構(gòu)網(wǎng)絡(luò)模型，可以通過FITNET函數(shù)執(zhí)行數(shù)據(jù)擬合任務(wù).本文還將售成學(xué)習(xí)模型單一的線性回歸、決策樹、SVM、NET模型進(jìn)行了對(duì)比.不同算法的平均絕對(duì)誤差（MAE）、均方誤差（MSE）、擬合優(yōu)度（R2）見表1，擬合結(jié)果如圖12所示.

從表1和圖12可知集成學(xué)習(xí)算法擬合效果更佳，可以更準(zhǔn)確地識(shí)別IGBT模塊芯片焊料層疲勞程度.

4.3" 基于長短期記憶網(wǎng)絡(luò)LSTM的芯片焊料層健康預(yù)測(cè)

芯片焊料層健康預(yù)測(cè)是為了評(píng)估參數(shù)的發(fā)展趨勢(shì)，是機(jī)器學(xué)習(xí)中典型的時(shí)間序列問題.LSTM能夠

有效捕捉連續(xù)數(shù)據(jù)中的時(shí)間依賴性并建立模型，相較于自回歸滑動(dòng)平均模型，能夠處理更多變

量；相較于循環(huán)神經(jīng)網(wǎng)絡(luò)，避免了梯度消失問題［28］，從而更適合長時(shí)間依賴性地?cái)?shù)據(jù)建模.

1）確定輸入輸出并制作數(shù)據(jù)集

利用所建立的IGBT電熱耦合模型，依據(jù)焊料層不同疲勞程度由輕微到嚴(yán)重進(jìn)行排序，逐步提取疲勞程度加劇下的IGBT模塊評(píng)估參數(shù)，其中包括模塊的最高溫度、最低溫度以及集射集壓降.最終，得到一個(gè)3×50的數(shù)據(jù)集，用于疲勞狀態(tài)的預(yù)測(cè)建模.以焊料層空洞疲勞為例，為獲取評(píng)估參數(shù)在

疲勞程度加劇過程中的退化特征，仿真模擬了芯片焊料層空洞率隨疲勞程度增加的演變過程，并提取了相應(yīng)的評(píng)估參數(shù)變化數(shù)據(jù)，為模型預(yù)測(cè)提供了準(zhǔn)確的輸入.

2）模型建立及預(yù)測(cè)結(jié)果對(duì)比

參數(shù)設(shè)置：訓(xùn)練集與測(cè)試集數(shù)目分別為40、10；滑窗長度為40；時(shí)間步長為1；輸入層、輸出層特征為3；最大迭代次數(shù)為250；選擇Adam梯度下降；初始學(xué)習(xí)率為0.005，學(xué)習(xí)率下降因子為0.2，學(xué)習(xí)率下降周期

為125.使用預(yù)測(cè)值更新網(wǎng)絡(luò)，首先利用

前40個(gè)數(shù)據(jù)預(yù)測(cè)第41個(gè)數(shù)據(jù)，然后利用第2～40個(gè)數(shù)據(jù)和預(yù)測(cè)的第41個(gè)數(shù)據(jù)預(yù)測(cè)第42個(gè)數(shù)據(jù)，以此

類推；使用真實(shí)值更新網(wǎng)絡(luò)同樣利用前40個(gè)數(shù)據(jù)預(yù)測(cè)第41個(gè)數(shù)據(jù)，但之后利用第2～40個(gè)數(shù)據(jù)和真

實(shí)的第41個(gè)數(shù)據(jù)預(yù)測(cè)第42個(gè)數(shù)據(jù)，以此類推.2種預(yù)測(cè)方式可運(yùn)用于不同的場(chǎng)景，預(yù)測(cè)值預(yù)測(cè)適用于IGBT模塊未來一段時(shí)間內(nèi)的評(píng)估參數(shù)；使用真實(shí)值預(yù)測(cè)適用于下一時(shí)刻的評(píng)估參數(shù)預(yù)測(cè).空洞時(shí)

最高溫度數(shù)據(jù)預(yù)測(cè)結(jié)果如圖13所示，可以看出相較于預(yù)測(cè)值更新網(wǎng)絡(luò)，采用真實(shí)值更新網(wǎng)絡(luò)進(jìn)行

預(yù)測(cè)會(huì)更加準(zhǔn)確.但是真實(shí)值更新網(wǎng)絡(luò)方法在實(shí)際運(yùn)用中需要不斷地輸入真實(shí)數(shù)據(jù)，條件更加苛刻.相比之下，使用預(yù)測(cè)值更新網(wǎng)絡(luò)適用于預(yù)測(cè)模塊未來一段時(shí)間的數(shù)據(jù)發(fā)展趨勢(shì)，更加符合工程需要.

5" 結(jié)論

1）通過不同疲勞狀態(tài)下IGBT模塊電熱耦合仿真，研究發(fā)現(xiàn)IGBT模塊工作穩(wěn)定時(shí)的最高溫度、最低溫度、集射極壓降會(huì)隨著芯片焊料層疲勞進(jìn)程呈上升趨勢(shì).相較于裂紋和脫落，中間貫穿空洞對(duì)模塊性能的影響更加嚴(yán)重，但是“疲勞狀態(tài)”與“評(píng)估參數(shù)”之間關(guān)系不夠明確，呈現(xiàn)非線性、相互交叉.

2）針對(duì)芯片焊料層“疲勞狀態(tài)-評(píng)估參數(shù)”數(shù)據(jù)之間呈現(xiàn)非線性、相互交叉等問題，本文綜合SVM、Bagging集成學(xué)習(xí)算法和LSTM等多種算法，實(shí)現(xiàn)了對(duì)芯片焊料層疲勞類型、疲勞程度和健康狀態(tài)的全面感知、精確評(píng)估和主動(dòng)預(yù)測(cè)，有效地提高了評(píng)估的準(zhǔn)確性和實(shí)時(shí)性，為IGBT模塊的運(yùn)維管理提供了可靠的科學(xué)依據(jù).

參" 考" 文" 獻(xiàn)：

［1］" 趙智強(qiáng)， 帕孜來·馬合木提，劉行行，等.光伏逆變器IGBT器件接線故障診斷方法［J］.河北大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2024，44（1）： 17-26. DOI： 10.3969/j.issn.1000-1565.2024.01.003.

［2］" 張艷梅，雒雯霞，孫小平，等.基于壓接型IGBT器件的柔直換流閥功率模塊多物理場(chǎng)耦合仿真分析［J］.高壓電器， 2021，57（11）： 84-92. DOI： 10.13296/j.1001-1609.hva.2021.11.011.

［3］" 王爭(zhēng)東，羅盟，成永紅.高壓大功率IGBT失效機(jī)理和耐高溫改性有機(jī)硅灌封材料研究綜述［J］.高電壓技術(shù)， 2023，49（4）： 1632-1644. DOI： 10.13336/j.1003-6520.hve.20221925.

［4］" 張宇嬌，范虹興，張炫焜，等.柔性直流輸電換流閥用IGBT模塊焊料層疲勞壽命研究［J］.高電壓技術(shù)， 2020，46（10）： 3381-3389. DOI： 10.13336/j.1003-6520.hve.20200596.

［5］" 陳民鈾，陳一高，高兵，等.計(jì)及焊料層疲勞累積效應(yīng)的IGBT模塊壽命評(píng)估［J］.中國電機(jī)工程學(xué)報(bào)， 2018，38（20）： 6053-6061. DOI： 10.13334/j.0258-8013.pcsee.172213.

［6］" 唐圣學(xué)，馬強(qiáng)，陳冬，等.IGBT模塊焊料層空洞生長分析與評(píng)估方法［J］.儀器儀表學(xué)報(bào)， 2020，41（8）： 244-254. DOI： 10.19650/j.cnki.cjsi.J2006505.

［7］" DUM X， GUOQ Y， WANGH B， et al. An improved cauer model of IGBT module： inclusive void fraction in solder layer［J］. IEEE Trans Compon， Packag Manufa Technol， 2020， 10（8）： 1401-1410. DOI： 10.1109/tcpmt.2020.3010064.

［8］" 丁雪妮，陳民鈾，賴偉，等.多芯片并聯(lián)IGBT模塊老化特征參量甄選研究［J］.電工技術(shù)學(xué)報(bào)， 2022，37（13）： 3304-3316. DOI： 10.19595/j.cnki.1000-6753.tces.210792.

［9］" 祝令瑜，占草，劉琛碩，等.高壓IGBT劣化機(jī)理分析及狀態(tài)監(jiān)測(cè)技術(shù)研究綜述［J］.高電壓技術(shù)， 2021，47（3）： 903-916. DOI： 10.13336/j.1003-6520.hve.20191819.

［10］" 趙澤宇，杜明星.多數(shù)據(jù)驅(qū)動(dòng)人工神經(jīng)網(wǎng)絡(luò)的IGBT結(jié)溫在線估計(jì)方法［J］.電子測(cè)量與儀器學(xué)報(bào)， 2022，36（7）： 223-229. DOI： 10.13382/j.jemi.B2104628.

［11］" HUY G， SHIP P， LIH， et al. Health condition assessment of base-plate solder for multi-chip IGBT module in wind power converter［J］. IEEE Access， 2019， 7： 72134-72142. DOI： 10.1109/ACCESS.2019.2918029.

［12］" HUANGY L， DENGH F， LUOY F， et al. Fatigue mechanism of die-attach joints in IGBTs under low-amplitude temperatureswings based on 3D electro-thermal-mechanical FE simulations［J］. IEEE Trans Ind Electron， 2021， 68（4）： 3033-3043. DOI： 10.1109/TIE.2020.2977563.

［13］" WEIK X， WANGW B， HUZ， et al. Condition monitoring of IGBT modules based on changes of thermal characteristics［J］. IEEE Access， 2019， 7： 47525-47534. DOI： 10.1109/ACCESS.2019.2909928.

［14］" DANGL Z， YANGK， ZHANGQ P， et al. Research on failure mechanism and health evaluation index system of welding IGBT module［C］//2022 3rd International Conference on Advanced Electrical and Energy Systems （AEES）. IEEE， Lanzhou， 2022： 186-190. DOI： 10.1109/AEES56284.2022.10079292.

［15］" HU R， XIAD H， HEZ G， et al. Experiment and simulation study of IGBT failure in IH heater［C］//2022 IEEE 17th Conference on Industrial Electronics and Applications （ICIEA）. IEEE， Chengdu， 2022： 434-438. DOI： 10.1109/ICIEA54703.2022.10006145.

［16］" 柯燦.考慮多特征參數(shù)的IGBT服役性能評(píng)估研究［D］.北京： 北京交通大學(xué)， 2022.

［17］" XIANGD W， ZHAON， LIH， et al. Noncontact monitoring of IGBT turn-OFF time using PWM switching ringing for inverter-fed machine systems［J］. IEEE Trans Power Electron， 2021， 36（10）： 11055-11067. DOI： 10.1109/TPEL.2021.3070354.

［18］" HAQUEMS， CHOI S， BAEKJ. Auxiliary particle filtering-based estimation of remaining useful life of IGBT［J］. IEEE Trans Ind Electron， 2018， 65（3）： 2693-2703. DOI： 10.1109/TIE.2017.2740856.

［19］" CHENJ B， LIUB W， HUM H， et al. Study of the solder characteristics of IGBT modules based on thermal-mechanical coupling simulation［J］. Materials （Basel）， 2023， 16（9）： 3504. DOI： 10.3390/ma16093504.

［20］" JIANGM G， FUGC， CECCARELLI L， et al. Finite element modeling of IGBT modules to explore the correlation between electric parameters and damage in bond wires［C］.2019 IEEE Energy Conversion Congress and Exposition （ECCE）. 2019： 839-844. DOI： 10.1109/ECCE.2019.8912236.

［21］" 江南，陳民鈾，徐盛友，等.計(jì)及裂紋損傷的IGBT模塊熱疲勞失效分析［J］.浙江大學(xué)學(xué)報(bào)（工學(xué)版）， 2017，51（4）： 825-833. DOI： 10.3785/j.issn.1008-973X.2017.04.025.

［22］" 周健波.基于IGBT動(dòng)態(tài)模型的電-熱-力多物理場(chǎng)耦合失效分析［D］.合肥： 合肥工業(yè)大學(xué)，2020. DOI： 10.27101/d.cnki.ghfgu.2020.000521.

［23］" 楊劍鋒，喬佩蕊，李永梅，等.機(jī)器學(xué)習(xí)分類問題及算法研究綜述［J］.統(tǒng)計(jì)與決策， 2019，35（6）： 36-40. DOI： 10.13546/j.cnki.tjyjc.2019.06.008.

［24］" 戚元星，崔雙喜.集成學(xué)習(xí)在電網(wǎng)假數(shù)據(jù)入侵檢測(cè)中的應(yīng)用［J］.河北大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2022， 42（1）：105-112. DOI：10.3969/j.issn.1000-1565.2022.01.015.

［25］" 崔麗娟，李凱，倪志宏.基于分類的集成學(xué)習(xí)算法研究［J］.河北大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2007，27（4）： 423-427. DOI： 10.3969/j.issn.1000-1565.2007.04.020.

［26］" 李佳，郭劍毅，劉艷超，等.基于多分類器加權(quán)投票法的越南語組合歧義消歧［J］.計(jì)算機(jī)科學(xué)， 2018，45（1）： 167-172. DOI： 10.11896/j.issn.1002-137X.2018.01.029.

［27］" 柴變芳，楊蕾，王建嶺，等.集成局部和全局關(guān)鍵特征的文本情感分類方法［J］.河北大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2021，41（2）： 201-211. DOI： 10.3969/j.issn.1000-1565.2021.02.014.

［28］" 唐圣學(xué)，馬強(qiáng)，陳冬等.IGBT模塊焊料層空洞生長分析與評(píng)估方法［J］.儀器儀表學(xué)報(bào)，2020，41（8）：244-254.DOI：10.19650/j.cnki.J2006505.

（責(zé)任編輯：王蘭英）