一种基于神经网络的碳化硅MOS器件结温在线测量方法技术

一种基于神经网络的碳化硅MOS结温在线测量方法，具体步骤包括：一，建立器件的热模型；二，通过仿真获得神经网络训练集数据；三，依据获得的训练集数据，建立神经网络模型并进行训练；四，通过实时测量获取器件工作状态下的电参数值；五，在上位机软件中调用神经网络，输入电路状态信息，进行结温预测。本发明专利技术的目的是满足结温在线测量需求，将测试电流与工作电流合二为一，直接以工作电流作为测试电流，在器件工作状态下实时在线测量结温，更适用于实际工程应用，测量结果较传统电学法更加准确。采用优化的神经网络模型拟合数据关系，给出工程上容易实现的算法。遗传算法对BP网络的权值和阈值进行优化，提高了模型的准确性及稳定性。

【技术实现步骤摘要】
一种基于神经网络的碳化硅MOS器件结温在线测量方法
本专利技术属于电力电子器件测试领域，具体涉及一种碳化硅MOS(metal-oxide-semiconductor，金属氧化物半导体)器件结温的测量方法。
技术介绍
据报道，功率变换器系统的故障中约三分之一是功率器件引起的。电力电子系统失效中约55％主要由温度因素诱发。在电力电子设备工作期间，需要对结温进行监测，以便有效评估器件的当前状态，及时对可能引发失效的情况采取有效措施进行处理，避免引起故障和事故。大功率器件在工作过程中，准确测量及控制器件结温，不仅可以监测元器件工作状态、保证使用可靠性，同时可以避免烧毁或爆炸等突发事故，保证整机运行可靠性。然而，在工作状态下，芯片被封装在器件内部，芯片温度难以直接测量。现有的非接触法测温和物理接触测试法需要暴露芯片表面，测温准确性易受环境和模块的发射率的影响，不适用于实时在线测量。电学法是通过测量器件在工作过程中的电学参数的变化来检测结温的方法。开关式电参数法需要从电路工作状态切换为测试状态，改变了器件的工作模式，影响器件的正常工作状态，也不适用本文档来自技高网...

【技术保护点】
1.一种基于神经网络的碳化硅MOS结温在线测量方法，其特征在于：该方法具体步骤如下：/n步骤一，建立器件的热模型。/n建立器件的SPICE热模型，将暂态热阻特性通过电路进行仿真计算，也就是将暂态热阻转换成等价的电路进行仿真的模型。/n参考SPICE语言的器件热模型网络列表，确定器件模型各电路符号与器件各引脚的对应关系，建立热模型。/n步骤二，通过仿真获得神经网络训练集数据。/n参考器件手册和器件网络模型列表，在仿真软件中设计仿真电路。仿真器件在不同条件下的工作状态，获得神经网络训练集数据。/n结合数据手册，选取栅极驱动电压V

【技术特征摘要】
1.一种基于神经网络的碳化硅MOS结温在线测量方法，其特征在于：该方法具体步骤如下：
步骤一，建立器件的热模型。
建立器件的SPICE热模型，将暂态热阻特性通过电路进行仿真计算，也就是将暂态热阻转换成等价的电路进行仿真的模型。
参考SPICE语言的器件热模型网络列表，确定器件模型各电路符号与器件各引脚的对应关系，建立热模型。
步骤二，通过仿真获得神经网络训练集数据。
参考器件手册和器件网络模型列表，在仿真软件中设计仿真电路。仿真器件在不同条件下的工作状态，获得神经网络训练集数据。
结合数据手册，选取栅极驱动电压VGS漏极电流和结温的参数范围，在选定范围内，进行参数直流扫描分析，测定漏极通态电压VDS_ON，得到神经网络的训练集数据。训练集中每组数据都包括栅极驱动电压VGS、漏极电流ID、漏极通态电压VDS_ON、结温Tj四个工作状态下的参数。
步骤三，依据获得的训练集数据，建立神经网络模型并进行训练。
初始化神经网络模型，将遗传算法和BP神经网络相结合，形成优化的神经网络模型，并将其应用到碳化硅MOS器件的结温监测。使用MATLAB软件实现神经网络模型的建立和训练。
步骤四，通过实时测量获取器件工作状态下的电参数值。
根据实际应用需求，确定器件工作条件和工作...

【专利技术属性】
技术研发人员：高成，王长鑫，黄姣英，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京;11