分立型功率MOSFET結溫估計的非線性熱網絡模型和參數辨識方法

2021-01-08 電氣新科技

南京理工大學能源與動力工程學院的研究人員萬萌、應展烽、張偉,在2019年第12期《電工技術學報》上撰文指出,分立型功率MOSFET是一類重要的電力電子器件,結溫估計對於其安全運行具有重要意義。傳統結溫估計模型將功率器件殼溫測量值作為解算的邊界條件,對溫度傳感器安裝可靠性要求較高,故當其應用於體積小巧的分立型功率MOSFET時,所得結溫估計結果容易因傳感器脫落而不可靠。

為此,該文提出針對分立型功率MOSFET結溫估計的非線性熱網絡模型。該模型利用較易測量的功率器件環境溫度作為邊界條件,計及非線性熱對流和熱輻射作用,有效描述器件與環境之間的換熱過程。為克服模型熱參數難以獲取問題,提出模型參數的辨識方法,證明了辨識目標函數的凸函數特性。

利用原對偶內點法,獲得參數辨識的全局最優解,有效確定模型熱參數。相關實驗表明,所提模型能夠在殼溫測量不可靠時,提高分立型功率MOSFET結溫工程估計的可靠性。

分立型功率MOSFET是重要的電力電子器件,具有體積小、成本低和布局靈活等優點,已被廣泛應用於工業電源、交通運輸和消費類電子等領域中。然而,隨著功率設備能量密度要求的不斷提高,分立型功率MOSFET也面臨著越來越高的熱失效風險。為準確評估器件工作的熱安全性,降低熱故障發生的概率,有必要實時獲取器件的結芯溫度。

一般來看,功率器件的結芯溫度主要通過測量和估計兩類方法獲得。測量方法是指通過傳感器對器件結溫直接測量,或利用器件壓降、短路電流及驅動電壓等熱敏參數測量值進行結溫的間接測量。由於結溫直接測量會破壞器件封裝,難以在線使用,而間接測量又存在精度易受幹擾和成本較高等問題,因此工程上普遍採用估計法獲取器件結溫。

當前的結溫估計方法大多基於等效熱網絡模型實現。熱網絡模型通過瞬態熱阻抗曲線建立,能夠描述器件結與殼之間的溫度關係,可用微分方程組形式表達。功率器件的結溫估計值即為上述微分方程組的時域離散數值解。

為便於求解熱網絡模型,功率器件廠家通常會嚴格依據標準測試方法,對模型中的熱參數進行測定,並在器件數據手冊中給出。基於手冊參數,熱網絡模型能夠提供有效避免器件過熱運行的結溫工程估計結果,且估計精度在工程上已被廣泛接受。

例如:有學者通過熱網絡模型和手冊參數,對功率器件進行了熱管理,提高了器件工作的可靠性。有學者利用熱網絡模型所得結溫工程估計結果,對功率器件進行了主動熱控制,提高了器件短時過載能力。有學者利用熱網絡模型對功率器件的散熱特性進行了分析。有學者通過熱網絡模型對未老化時功率器件結溫進行了估計。有學者在熱網絡模型基礎上,提出了一種可延長功率器件工作壽命的控制策略。

然而,由現有熱網絡模型原理可知,器件外殼溫度是模型解算的重要邊界條件。因此,除了模型參數外,功率器件殼溫測量精度是影響結溫估計可靠性的另一重要因素。由於紅外或雷射等非接觸測溫方法會影響元器件布局的靈活性,故工程上普遍採用接觸式溫度傳感器測量功率器件的殼溫。

對於封裝體積較大的功率模塊而言,接觸式溫度測量具有較高的精度,這是因為溫度傳感器可通過螺栓緊固或壓接等方式有效固定在功率模塊或其散熱器上。但是,對於分立型MOSFET器件而言,溫度傳感器安裝難度較大,因為此類器件封裝面積和散熱器體積相對較小,溫度傳感器難以可靠固定在器件上。

同時,大部分分立型功率器件為直立結構,進一步加大了溫度傳感器的安裝難度。尤其在可攜式電源或電動汽車驅動器等應用中,因高速衝擊和劇烈振動等原因,溫度傳感器容易從功率MOSFET上脫落。此時,殼溫測量結果將會存在較大誤差,並影響結溫估計結果,進而降低器件熱安全性評估的可靠性。

因此,為可靠估計分立型功率MOSFET結溫,需要降低傳統熱網絡模型對殼溫傳感器安裝的依賴性。實際上,相對器件殼溫傳感器,環境溫度傳感器不僅可以焊接在電路板上,也可以緊固在功率設備機殼上,具有安裝位置靈活,固定方式可靠的優勢。

若採用環境溫度代替殼溫,作為熱網絡模型的邊界條件,可提高結溫估計中邊界條件測量的可靠性。但當環境溫度作為邊界條件後,熱網絡模型中便需準確考慮周圍環境與器件之間的非線性熱交換作用,目前針對該類熱網絡模型的研究較少。

為此,本文提出針對分立型功率MOSFET結溫估計的非線性熱網絡模型。從本質上看,該模型是傳統熱網絡模型的一種擴展形式,能夠通過非線性對流散熱和輻射換熱,有效地描述周圍環境對器件散熱的影響,並利用較為可靠的器件環境溫度測量值作為邊界條件,降低結溫估計對殼溫測量的依賴。

同時,本文還提出了模型熱參數的辨識方法,證明了辨識中目標函數的凸函數特性,並通過原對偶內點法,獲得參數辨識的全局最優解,有效確定所提模型熱參數。實驗結果表明所提模型能夠在器件殼溫測量不可靠時,提高分立型功率MOSFET結溫工程估計的可靠性。

圖2 所提熱網絡模型
圖4 實驗平臺示意圖
圖5 實驗電路的拓撲結構

結論

提出了針對分立型功率MOSFET結溫估計的非線性熱網絡模型及其參數辨識方法。相關實驗結果表明,參數辨識方法能夠有效確定非線性熱網絡模型參數,克服參數難以獲取問題;非線性熱網絡模型通過計及非線性熱對流和熱輻射作用,有效地描述了器件與環境之間的換熱過程;同時,非線性熱網絡模型利用較易測量的功率器件環境溫度作為邊界條件,不依賴器件殼溫測量值,降低了對溫度傳感器的安裝要求,尤為適合在線估計分立型功率器件結溫。

另外需要說明的是,本文所提非線性熱網絡模型是對傳統熱網絡模型的擴展。隨著結溫測試技術和電熱仿真技術的不斷進步,傳統熱網絡模型的參數獲取精度及結溫估計精度會逐步提升,本文模型精度也會隨著傳統熱網絡模型參數提取精度的改善而提升。

相關焦點

  • 利用LS-SVM回歸算法辨識模型參數實現傳感器非線性校正的研究
    > 引 言 在傳感器非線性校正領域,國內外許多學者提出多種方法,並得到廣泛應用,傳統方法歸納起來可分兩類:一類是公式法,即以實驗數據為基礎,用最小二乘等系統辨識方法求取擬合曲線參數,建立校正曲線的解析表達式;另一類是表格法,以查表為手段,通過分段線性化來逼近傳感器的非線性特性曲線。
  • 永磁同步電機參數辨識方法的特點以及發展方向
    永磁電機在線辨識的幾類方法中,最小二乘法辨識過程簡單且計算量適中,但在參數辨識時存在目標函數對電機參數求導的過程,噪聲或者電機轉速波動都會對求導過程造成影響。模型參數自適應法具有算法簡單和易於實現的優點,但可調的自適應模型複雜不易建立。
  • 包含熱模型的新型MOSFET PSPICE模型
    引言  散熱器在計算時會出現誤差,一般說來主要原因是很難精確地預先知道功率損耗,每隻器件的參數參差不齊,並不是一樣的,而且在晶片上各處的溫度也是不同的。結果是,安全的裕度可能離開最優值很遠。現在出現了很多功能很強的模擬仿真工具,因此有可能在預測功率損耗和熱設計的校核方面做一些改  2.
  • 功率MOSFET輸出電容的非線性特性
    Ciss、Crss和Coss是功率MOSFET非常重要的三個動態參數,Ciss和Crss影響著開關過程中電壓和電流交疊的開關損耗,以及開關過程的dV/dt和di/dt;Coss影響電容關斷過程中的dV/dt,以及開通損耗。
  • 深入理解功率MOSFET數據表中的各個參數
    在汽車電子的驅動負載的各種應用中,最常見的半導體元件就是功率MOSFET了。本文不準備寫成一篇介紹功率MOSFET的技術大全,只是讓讀者去了解如何正確的理解功率MOSFET數據表中的常用主要參數,以幫助設計者更好的使用功率MOSFET進行設計。  數據表中的參數分為兩類:即最大額定值和電氣特性值。
  • 同步磁阻電機的電感辨識新方案,不用濾波器,檢測精度高
    近年來,同步磁阻電機(Synchronous Reluctance Motor, SynRM)因具有功率密度高、效率高、調速範圍寬和噪聲低的優點,逐漸進入國內外學者的視野。相比於異步電動機,同步磁阻電機的定子結構無異,但轉子結構比較特殊,其轉子由特定形狀的高導磁材料疊片疊壓而成,只產生磁阻轉矩,轉子上沒有繞組,提高了電機的運行效率和安全性。
  • 位姿參數辨識系統
    由於特徵點會發生漂移,得到的目標運動參數精度及實時性欠佳,難以滿足高精度、快響應的任務需求。因此,研究太空飛行器位姿參數辨識的智能算法有實際意義[5]。 本文旨在設計實現視覺測量求解的位姿參數辨識系統:(1)採用視覺測量方案,實現非接觸、低成本的圖像採集系統;(2)利用深度神經網絡提供更加準確的特徵點提取結果;(3)採用PNP位姿解算方法求解,得到位姿參數辨識結果。
  • IGBT以及MOSFET的驅動參數的計算方法
    IGBT以及MOSFET的驅動參數的計算方法簡介本應用指南介紹了在特定應用條件下門極驅動性能參數的計算方法功率半導體的門極電荷量曲線是極其非線性的。這就是為什麼QGate必須通過對門極電荷量曲線在VGE_off 到VGE_on的區域內積分獲得。如果QGate 在數據手冊中已給出,在實際應用中一定要注意該參數給定的電壓擺幅條件。不同的電壓擺幅條件下門極電荷量是不同的。
  • 半導體散熱和結溫分析
    SPzednc我們在開始討論半導體結溫議題之前,需要先了解熱抗和熱阻這兩個概念。熱抗跟時間有關,而熱阻跟穩態工作有關。想像一下在電烤爐上給平底鍋加熱的情況。需要一段時間才會熱起來,對不對?半導體結溫也是一樣的道理。而熱量從半導體結散掉也需要一點時間。明白這個原理是避免器件被燒壞的關鍵。
  • 基於深度神經網絡構建風電機組性能模型的超參數選擇
    風電機組性能評估依賴於建立風電機組性能模型,即建立風電機組輸出功率與風電機組各關鍵參數( 如風速、槳距角、偏航角等) 之間的函數關係,這屬於典型的非線性回歸問題;在機器學習領域,深度神經網絡是解決該問題的經典手段,因此,利用其構建風電機組性能模型自然得到了行業內研究者的廣泛嘗試。
  • MOSFET,電源設計中最容易被工程師忽視的電子元器件
    需要注意的是,這個參數是跟結溫相關的,通常結溫越高,該值最大。2、RDS(on),漏源導通電阻,它表示MOSFET在某一條件下導通時,漏源極之間的導通電阻。這個參數與MOSFET結溫,驅動電壓Vgs相關。在一定範圍內,結溫越高,Rds越大;驅動電壓越高,Rds越小。
  • 捷捷微電:功率IC屬於集成電路產業 功率器件屬於半導體分立器件類別
    請教個技術問題,目前業界一般把功率半導體分類為功率IC和功率器件兩大類,請問功率IC和功率器件(mosfet/igbt這些)的區別是什麼?二者是並列關係還是上下遊集成度遞進關係?是功率IC集成了功率器件嗎?請指教公司回答表示,感謝您的關注!功率IC屬於集成電路產業,功率器件屬於半導體分立器件類別。IGBT對產品的一致性、可靠性、穩定性要求更高。
  • 功率MOSFET安全工作區,真的安全嗎?
    事實上,這樣的校核方法並不正確,原因在於對於功率MOSFET的安全工作區曲線理解的偏差。本文將詳細的介紹功率MOSFET數據表中安全區的定義,從而讓工程師針對不同的應用,使用有效的方法校核其安全。  其中,TJMax為最高允許工作結溫,150 ℃或者175 ℃,不同的產品定義不同。TC為殼溫,也就是封裝銅襯底溫度,通常是25 ℃。ZqJC為歸一化瞬態熱阻,RqJC為熱阻。
  • 技術|基於改進擴展卡爾曼濾波的鋰電池SOC估計
    目前,常用的SOC估計方法主要有:(1)開路電壓法[1-2],此方法精度較高,但是由於準確的開路電壓需將電池長時間靜置才能得到,不適用於動態估計;(2)安時積分法[3-9],該方法一般配合開路電壓法使用,先用開路電壓法估計電池的SOC初始值,然後再使用安時積分法實時估計電池的SOC值;(3)神經網絡算法,可實時進行SOC估計,適用性廣且精度較高,但是此方法需要大量樣本數據進行網絡訓練
  • Buck變換器參數辨識的分析
    構建了Buck變換器參數辨識的方法。通過檢測電感電流和輸出電壓的波形信號,可辨識出電路的濾波電感、濾波電容及其等效串聯電阻,並可應用於參數在線辨識,故障趨勢判斷和預知維護。最後通過實驗驗證了這一方法的有效性。
  • 自回歸方程參數估計 - CSDN
    目錄1、LS最小二乘法,可以用於線性回歸模型、ARMA等模型2、TSLS兩階段最小二乘法3、GMM廣義矩估計方法4、ARCH自回歸條件異方差,還可以估計其他各種ARCH模型,如 GARCH、T- GARCH5、BINARY用於估計二元選擇模型
  • 功率LED熱設計時,如何考慮其真實的熱阻
    圖1所示的是常見的LED基本參數對於輸出光譜的影響。此外,本圖也說明了LED的效率和發光顏色也會在峰值波長處發生偏移。   公式中LED前向電流和前向電壓(IFxVF)的乘積是LED工作所需要的電功率,ΔTj是LED的結溫變化量。 當確定LED熱阻的時候忽略光功率會得到比LED實際應用更低的熱阻。
  • 採用神經網絡與模糊推理結合實現環境實驗室溫溼度監測系統的設計
    傳統的溫、溼度閉環控制通常採用開關控制或PID控制,前者實現簡單但精度差,後者精度高,但需建立數學模型,參數整定要求較高,而在溫溼度非線性複雜變化的環境下,不易精確建模。模糊控制理論是能夠模擬人腦智能,隨環境變化的自適應控制技術,適合於非線性系統和難以用數學模型精確描述的複雜系統。進一步可以採用神經網絡與模糊推理結合的控制新模式。 1、環境實驗室溫溼度監控系統結構 環境實驗室溫、溼度監測控制機構見圖1。
  • 熱插拔電路的過熱保護新方法
    針對熱插拔電路所實行的過熱保護方案,本文將討論一種超越目前在分離式熱插拔電路中採用斷路器和NTC熱敏電阻的全新解決方案,提供最可靠的過熱保護,並比較它和傳統方法在性能上的優勢。
  • MOSFET陣列並聯放置多個功率MOSFET以減輕系統負擔
    您可能會在電源轉換系統中看到的一種布置是並聯放置多個功率MOSFET。這樣可以減輕多個MOSFET的負載,以減輕系統中各個電晶體的負擔。 不幸的是,MOSFET(通常是非線性元件)不能像並聯一組電阻一樣簡單地在它們之間分配電流。就像在單個MOSFET中一樣,現在熱量也成為考慮因素,因為它決定了MOSFET的閾值行為(同樣,這適用於任何實際的非線性電路)。