基于熱敏感電參數(shù)法的IGBT 模塊結(jié)溫檢測

馬漢卿

（西安工程大學(xué)電子信息學(xué)院，西安 710048）

0 引言

IGBT（絕緣柵雙極型晶體管）是由MOSFET（金屬半場效晶體管）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，工作中長期的熱循環(huán)會對鍵合線、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)測對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IGBT 模塊結(jié)溫大多采取測量散熱器溫度的方式，首先測量散熱器的溫度，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。國內(nèi)外學(xué)術(shù)領(lǐng)域針對結(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：物理接觸式測量法、光學(xué)非接觸測量法、熱阻抗模型預(yù)測法、熱敏感電參數(shù)法。針對各結(jié)溫測量技術(shù)進(jìn)行了簡述，并對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。

1 IGBT 模塊結(jié)溫檢測的研究現(xiàn)狀

1.1 物理接觸式測量法

物理接觸式測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源，響應(yīng)時(shí)間較慢。熱電偶的測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。

1.2 光學(xué)非接觸測量法

借助待測器件溫度與紅外輻射之間的關(guān)系，可采用光纖測溫、紅外攝像測溫、紅外顯微鏡及輻射線測定儀等技術(shù)測溫，其中紅外攝像測溫是最為常用的方式[3]。利用熱成像儀對測試對象捕捉，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，并對測量部位涂黑，以增加輻射系數(shù)，從而提高檢測精度。該方案也屬于破壞性測量方法，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。

圖1 IGBT 模塊內(nèi)熱電阻安裝示意

圖2 IGBT 模塊表殼溫度場分布

1.3 熱阻抗模型預(yù)測法

該方法基于待測模塊的實(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)溫評估的仿真軟件，對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)也會發(fā)生變化，對其準(zhǔn)確度有很大影響。

1.4 熱敏感電參數(shù)法

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、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)溫也會發(fā)生變化，則模塊相應(yīng)的外部電氣參數(shù)也會隨之變化。通過對熱敏感電參數(shù)的測量，即可對芯片結(jié)溫進(jìn)行逆向檢測。 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。

2 飽和壓降測試平臺

2.1 熱敏感電參數(shù)法的參數(shù)選取

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)間對測試設(shè)備的硬件水平要求很高，從成本和測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)會對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。

2.2 測試原理

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，便可在長時(shí)間對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)量對神經(jīng)網(wǎng)絡(luò)的預(yù)測結(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 模塊作為測試對象，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 模塊飽和壓降測試平臺。該測試系統(tǒng)主要包括IGBT 驅(qū)動電路、可程控直流電源、信號控制、功率負(fù)載、溫控平臺以及示波器6 個(gè)部分，測試系統(tǒng)原理圖見圖3。

圖3 測試系統(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；IGBT 的下管是測試對象（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，測試平臺實(shí)物見圖4。

圖4 測試平臺裝置

2.3 測試過程

首先，將處理后的IGBT 模塊置于加熱臺內(nèi)，在基板與加熱臺的接觸面涂刷導(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 延長至90 min。具體的評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分布熱成像如圖5 所示，其測量點(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的溫度，在不同溫度條件下重復(fù)此步驟，完成樣本采集。

2.4 測試結(jié)果

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，分別選取測試點(diǎn)，然后2 組測試條件相互組合，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

3 BP 神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)

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[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，已被廣泛應(yīng)用負(fù)荷預(yù)測、故障診斷等領(lǐng)域，也可以很好地應(yīng)用到芯片結(jié)溫在線檢測中，但在結(jié)溫預(yù)測方面目前的相關(guān)研究還非常少。本文從該角度對半導(dǎo)體芯片溫度檢測進(jìn)行探索。

3.1 BP 神經(jīng)網(wǎng)絡(luò)工作原理

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)是信號前向傳遞，誤差反向傳播。在前向傳遞中，輸入信號從輸入層經(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)測領(lǐng)域[17]。

在輸入層對神經(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)后通過激勵函數(shù)進(jìn)行“運(yùn)算加工”，“加工”完成后向輸出層移動時(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)

3.2 結(jié)溫預(yù)測神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練過程

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，即明確哪些因素會對輸出產(chǎn)生關(guān)鍵影響。根據(jù)前文對熱敏感電參數(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試平臺所得372 組數(shù)據(jù)在體量上有所進(jìn)步。數(shù)據(jù)集測試完畢后，將測試集、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)量級的差別，避免因?yàn)檩斎胼敵鰯?shù)據(jù)數(shù)量級差別較大而造成網(wǎng)絡(luò)預(yù)測誤差較大，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 開始測試，而后逐步降低。經(jīng)過不斷試湊，對比各參數(shù)調(diào)整后的預(yù)測性能，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。

3.3 預(yù)測結(jié)果與分析

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)測值。圖9 所示為網(wǎng)絡(luò)預(yù)測結(jié)果與目標(biāo)值的對比。從中選取部分樣本的預(yù)測結(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)測結(jié)果與目標(biāo)值非常接近，最大預(yù)測誤差比率不超過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)測結(jié)果

4 結(jié)語

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)平臺的測試數(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)測模型，實(shí)現(xiàn)了對額定范圍內(nèi)各種輸出條件下的IGBT 結(jié)溫的有效預(yù)測，其精度在可接受范圍內(nèi)。

結(jié)溫的預(yù)測可應(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，也很有利于工作的展開。目前壽命預(yù)測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)測精度進(jìn)一步提高。