基于BP神经网络的碳化硅MOSFET栅极老化监测方法研究.pdf

电气与自动化陈一凡等基于 神经网络的碳化硅 栅极老化监测方法研究基金项目:航空科学基金项目()中央高校基本科研业务费专项资金资助项目()第一作者简介:陈一凡()女陕西商洛人硕士研究生研究方向为电子器件的故障诊断.:./.基于 神经网络的碳化硅 栅极老化监测方法研究陈一凡王景霖崔江王友仁(.南京航空航天大学 自动化学院江苏 南京 .航空工业上海航空测控技术研究所上海.故障诊断与健康管理技术航空科技重点实验室上海)摘 要:针对碳化硅 运行工况复杂、易造成器件栅极老化、影响电力系统可靠性的问题提出一种基于 神经网络的碳化硅 栅极老化监测方法 以碳化硅 的阈值电压和体二极管通态压降作为栅极老化的敏感表征参数设计、搭建测试实验平台获取变测量条件下的电参数值结合 神经网络提取健康器件与老化器件样本数据间的特征差异充分挖掘器件的可靠性信息 实验结果表明:该方法可对碳化硅 的栅极老化状态进行较为准确的检测和评估关键词:碳化硅 栅极老化阈值电压 神经网络中图分类号:.文献标志码:文章编号:()(.):.:引言功率开关器件是电力系统的核心元件 近年来随着人们对高功率密度和低损耗电力电子系统的不懈追求以碳化硅 为代表的新型宽禁带功率半导体器件应运而生 碳化硅 以出色的击穿电压开关频率和耐高温能力逐渐成为人们关注的热点在航空功率变换器、光伏发电逆变器、轨道交通电源系统等电力电子应用领域具有广阔的发展前景 然而与硅基功率开关器件相比碳化硅 存在较为明显的栅氧化层长期可靠性问题在应用环境苛刻、运行工况复杂的条件下容易导致器件发生栅极老化造成器件性能下降最终影响电力电子系统的安全可靠运行 为了在电力电子系统中更加安全高效地应用碳化硅 最大程度地发挥器件自身的优良特性对碳化硅 开展栅极老化监测研究显得尤为重要文献结合高温正栅极偏置应力加速退化实验建立了碳化硅 阈值电压()的退化模型实现对碳化硅 的健康状态监测 文献建立了碳化硅 在高温动态栅偏应力下 的退化模型在一定应力范围内能较好地预测 的退化情况 文献总结了碳化硅 的 在高温正栅偏应力下的退化情况提取了 关于温度和正栅压应力的退化模型对碳化硅 进行栅极老化预测 文献研究了碳化硅 在高温负栅偏应力下 的退化特性建立了碳化硅 的“二分量”退化模型实现对碳化硅 的栅极老化预测现有研究大部分都集中于以碳化硅 的 电气与自动化陈一凡等基于 神经网络的碳化硅 栅极老化监测方法研究为敏感参数表征栅极老化近几年有国外学者发现碳化硅的体二极管通态压降()也可以作为栅极老化的敏感表征参数 另外目前大部分学者针对 建立碳化硅 的退化模型但模型构建过程复杂通用性不强 为了更简单、快速地实现对碳化硅 的栅极老化状态监测加强工程技术人员对器件可靠性能的跟踪本文设计、搭建了碳化硅 的测试实验平台在改变测量条件下测量得到器件对应的 和 采用 神经网络()挖掘健康器件与老化器件样本数据间的特征差异建立外特性信息与健康状态之间的非线性对应关系实现基于 的碳化硅 栅极老化状态的监测与评估 基于的栅极老化监测方法介绍.算法 是 年由 等学者提出的一种多层前馈网络它的工作过程包括信号的正向传播和误差反向传播采用梯度下降算法根据输入端样本与输出端期望值来反复调节网络的连接权值和阈值使最终输出误差在 允 许 的 范 围 内 本 文 利 用 构 建 碳 化 硅 的栅极老化状态评估模型采用的典型三层网络结构如图 所示 ELEx2x6y1y2x1图 结构图隐含层与输出层各节点的输出方程分别为:()()()()式中:为隐含层第 个节点的输出为输出层第 个节点的输出 为输入层第 个节点与隐含层第 个节点间的连接权值为隐含层第 个节点与输出层第 个节点间的连接权值为隐含层阈值为输出层阈值 为激活函数 其中 模型的输入为碳化硅 器件的测量条件参数以及对应的状态参量所组成的六维向量输出为二进制数 和 表达的二维向量表示输出器件的状态等级为健康或老化 隐含层节点数 设置为.方法原理及流程本文所研究的基于 的碳化硅 栅极老化监测方法通过将器件的测量条件参数以及对应的状态参量组合作为评估模型的输入将健康器件和栅极老化器件的样本数据设置划分为不同的健康状态等级作为评估模型的输出实验样本按照一定比例划分为训练样本和测试样本前者用于构建和训练评估模型后者用于测试所构建模型的状态评估性能将模型输出与实际状态对比根据检测正确率来评估模型的健康状态评估能力实现对碳化硅 的栅极老化监测和健康状态评估 图 为该评估系统的结构图图 为方法流程图BPNNA EG14AE 614#G#G,(G 图 评估系统结构图5GL/6,#G(GGL,F+,141!PI!PIIA4#BA(A14!PIVA A4,M(9 A A41!PIII图 方法流程图 实验方案.实验平台介绍硬件实验平台如图 所示主要由:)碳化硅 器件)/微 型 计 算 机 控 温 加 热 台)双路直流稳压电源)高精度直流稳压电源)测温仪)碳化硅 测试主电路组成 其中碳化硅 选用 公司 型号微型计算机控温加热台可调节温度范围为 温度误差为双路直流稳压电源可调节输出电压范围为 精度为.高精度直流稳压电源可提供、精度为.的输出电流测温仪用于对器件表面的温度进行实时测量可测温度范围是 温度测量精度为.图 硬件实验平台电气与自动化陈一凡等基于 神经网络的碳化硅 栅极老化监测方法研究本文以碳化硅 的 和 作为栅极老化的敏感表征参数通过改变测量条件得到健康器件和栅极老化器件的特征参数值测量原理如图 所示 当器件的栅极连接至漏极通过高精度直流稳压电源提供图中绿色箭头方向所示的漏源极测量电流 由高精度直流稳压电源采集并记录 值当器件的栅源极连接至双路直流稳压电源并提供栅极测量电压 通过高精度直流稳压电源提供图中蓝色箭头方向所示的源漏极测量电流 采集并记录 值(本刊黑白印刷相关疑问可咨询作者)加热台用于控制碳化硅 的工作环境温度DSGGND+7$GSDTES 1310#$VGS+#$IDSISD+$图 敏感表征参数测量原理图.数据采集和样本划分本文将经过一段时间高温栅偏应力加速老化的碳化硅 作为老化实验器件以 漂移量为 作为老化标准选取 个 漂移量略超过 的器件作为老化研究对象再将 个未经过加速老化的器件作为健康器件 各器件的 和 测量条件如表 所示表 敏感表征参数测量条件敏感表征参数测量条件 记 的漏源极测量电流为 的栅源极测量电压为 的漏源极测量电流为 并将碳化硅 的测量条件以及在该条件下测得的 和 组成一个六维向量()作为评估模型的输入其中温度分别考虑 为、这 种情况的漏源极测量电流分别考虑 和 这两种情况的栅源极测量电压考虑 这 种情况、的漏源极测量电流仅考虑 这 种情况 因此所有可能的组合共有 种即单个器件共有 个样本 本节将 个健康器件和个老化器件的全部样本混合并为输入样本预先设定对应的输出标签健康样本和老化样本的标签分别设置为 和 将前 的样本作为训练样本建立评估模型后 的样本作为测试样本用于对健康状态进行评估测试 通过对比评估结果与实际健康等级状态计算检测正确率以此评判所建立的评估模型的性能实现碳化硅 的健康状态监测与评估 实验结果及分析本文利用 构建碳化硅 的栅极老化评估模型网络结构设置为 调用“”和“”函数用于构建和训练 采用“”函数作为激活函数设置最小均方误差为 将所建立模型的评估结果与实际状态标签进行比对实现对模型评估性能的验证 图 展示了对 模型进行单次训练和测试的实验结果图中纵坐标“”表示样本等级为健康纵坐标“”表示样本等级为老化红色标注为样本的实际等级绿色标注表示模型检测输出的样本等级蓝色为等级检测的绝对误差其中等级检测绝对误差模型输出等级实际等级3210-1-23210-1-20020406080100120100200300400KAKA0303500(b)#B(a)A4 图 单次训练与测试的健康等级分布由图 可见模型检测输出的评估等级与实际情况基本重合仅有个别数据存在健康等级检测误差分别对 模型进行 次训练和测试检测的正确率结果如表 所示训练样本及测试样本的平均检测正确率分别为.和.模型的评估效果良好 结果表明:基于 的碳化硅 栅极老化状态监测方法能够对碳化硅 器件的健康状态进行较为准确的检测和评估表 基于 的栅极老化监测方法检测结果单位:名称健康等级检测正确率训练样本测试样本第 次.第 次.第 次.第 次.第 次.平均值.(下转第 页)电气与自动化李子凡等基于小波分析和神经网络的传感器故障诊断验分类结果与期望分类结果不符合 表 是不同信号出现次数、预测成功次数和准确率表 试验验证结果信号类型信号出现次数预测成功次数准确率/周期故障干扰故障偏差故障短路故障断路故障.正常信号 从表 中可以看出在 次随机试验中只有 次断路故障预测错误预测准确率为.试验验证结果说明 神经网络预测方法在传感器故障诊断中的应用效果很好 结语本文针对传感器信号进行小波分析的过程中不同信号需要选择不同小波基函数的问题结合小波分析和神经网络技术提出一种直接对传感器输出信号进行分析的故障诊断方法 通过多维度特征提取方法提取传感器信号的特征矩阵用于故障诊断 相比于传统的特征向量提取的特征矩阵对不同信号的区分度更高且得到的特征矩阵具有序列特性能够充分发挥 神经网络对序列数据预测准确率高的优点 最后对故障诊断方法进行试验验证得到的分类准确率很高充分证明了多维度特征提取方法和 神经网络预测方法应用在传感器故障诊断中的效果很好参考文献:潘阳.涡轴发动机控制系统传感器故障诊断与容错控制.南京:南京航空航天大学.():.():.赵文博叶志锋王继强.基于卡尔曼滤波器组的航空发动机传感器故障诊断.机械制造与自动化():.彭红星陈祥光徐巍.特征抽取与 多类分类在传感器故障诊断中的应用.数据采集与处理():.白杰张正王伟等.基于小波神经网络的航空发动机传感器故障诊断.机床与液压():.徐海祥黄羽韬余文曌.基于无源观测器的小波神经网络故障诊断方法.华中科技大学学报(自然科学版)():.:.():.():.:.():.收稿日期:(上接第 页)结语碳化硅 作为新型宽禁带功率半导体器件在电力系统领域的应用前景广阔 本文针对碳化硅 存在的栅氧化层长期可靠性问题研究了一种基于 的碳化硅 栅极老化监测方法 首先结合设计搭建的硬件实验平台采集多个健康器件和老化器件各自在变温度范围、变漏源极测量电流和变栅源极测量电压条件下的 和 数据 然后利用 建立碳化硅 的栅极老化状态评估模型将测量条件参数和对应的状态参量作为模型的输入将器件的健康状态等级作为模型的输出提取健康器件与老化器件样本数据间的特征差异建立器件的外特性信息与健康状态之间的非线性对应关系 最后基于 对算法进行了验证得到本文所研究方法的平均检测正确率在 以上取得了良好的评估效果参考文献:盛况任娜徐弘毅.碳化硅功率器件技术综述与展望.中国电机工程学报():.钱照明张军明盛况.电力电子器件及其应用的现状和发展.中国电机工程学报():.张开新.高压大功率 固态功率控制器的仿真与设计.哈尔滨:哈尔滨工业大学.宋海洋.高温动态栅应力下 基 器件退化机理研究.南京:东南大学.(/):.():.():.李卫硕孙剑陈伟.基于 神经网络机器人实时避障算法.仪器仪表学报():.孟鹤立邓二平应晓亮等.基于体效应的 器件栅极老化监测方法研究.中国电机工程学报():./.:.收稿日期: