一种高时空分辨率IGBT模块电热应力计算方法
一种高时空分辨率igbt模块电热应力计算方法
技术领域
1.本发明属于绝缘栅双极晶体管领域，具体涉及一种高时空分辨率igbt模块电热应力计算方法。
背景技术：
2.目前，绝缘栅双极晶体管(igbt)由于具有高阻断电压及功率密度的优异性能，现已广泛应用于风力涡轮机、铁路牵引逆变器和高压直流输电(hvdc)系统等大功率变换器应用中。尽管igbt器件具有良好的鲁棒性，但在现场应用中仍会由于过量的电热应力而遭受灾难性故障。因此，工程师在经验上倾向使用额定值更高的器件来维持一定的安全裕度，以保证电力电子装置的安全运行，因而导致了更高的制作成本。
3.现有igbt的电热模型对大容量电力电子装置的设计提供的指导和支持十分有限，原因如下：
4.(1)研究对象：现有的igbt模型，尤其是电气模型，其针对的研究对象为整个器件，忽略了器件内部各芯片的差异。而随着电力电子装置功率等级的提升，功率模块内部的并联芯片数量逐步增加，造成芯片间电热不均衡问题愈发严重。目前对各芯片应力整体化、平均化的处理方式无疑会低估器件的最大应力，造成器件过应力的风险；
5.(2)仿真精度：目前，仿真精度最高的电气模型无疑是器件的物理模型。因此无论采用何种行为模型，其本质都是牺牲部分精度来换取效率，尤其是在对igbt开关暂态的仿真方面。然而，电热应力仿真精度的降低无疑会对电力电子装置的安全设计造成一定影响。
6.(3)仿真效率：器件的物理模型虽然具有高仿真精度，但由于其效率低下，很难应用在系统级的仿真中。同时在采用多器件的拓扑中，如多模块级联变换器等，随着器件数目上升，仿真成本愈发繁重。除了电气模型，采用fem执行瞬态热仿真时同样面临仿真效率低的问题。若将二者直接联合进行电热耦合仿真，无疑会使计算成本剧增。
技术实现要素：
7.本发明的目的在于提供一种高时空分辨率igbt模块电热应力计算方法，以解决现有技术存在的问题，本发明能够在真实工况下准确、高效地计算igbt器件的电热应力以有效指导电力电子装置的设计。
8.为达到上述目的，本发明采用如下技术方案：
9.一种高时空分辨率igbt模块电热应力计算方法，包括以下步骤：
10.步骤1：构建基于igbt集总电荷模型的数据模型；
11.步骤2：构建芯片的不均匀开通损耗模型；
12.步骤3：构建三维热网络模型；
13.步骤4：利用步骤1、步骤2和步骤3建立的模型进行电热联合仿真的计算。
14.进一步地，步骤1中构建基于igbt集总电荷模型的数据模型，具体包括：
15.步骤1.1：基于pspice搭建igbt器件的集总电荷模型，不断优化igbt器件的集总电
荷模型的器件参数，使igbt器件的集总电荷模型的仿真结果在不同工况下都与igbt器件的双脉冲测试结果逼近；
16.步骤1.2：建立描述igbt不同工况下开关特性的人工神经网络；
17.步骤1.3：建立matlab-pspice联合仿真脚本，将步骤1.1优化后的集总电荷模型作为数据源，批量化获取igbt器件在不同工况下的动态特性数据；
18.步骤1.4：利用步骤1.3采集到的不同工况下igbt动态特性数据作为数据集训练步骤1.2建立的人工神经网络，最终得到基于igbt集总电荷模型的数据模型。
19.进一步地，步骤1.2中人工神经网络的结构包括输入层、隐藏层和输出层，其中输入层包括环路寄生电感lc和驱动电阻rg，桥臂电流ic，母线电压v
dc
，igbt器件的结温tj和二极管的结温td；输出层包括igbt的开通损耗e
on
，关断损耗e
off
和二极管的反向恢复损耗e
rec
，igbt的最大电压应力v
max
和最大电流应力i
max
以及电流上升时间tr，二极管的最大电压v
dmax
；隐藏层的神经元的数量设置为10；
20.步骤1.3中批量获取igbt器件在不同工况下的动态特性数据，具体为：
21.当运行条件的范围确定后，matlab-pspice联合仿真脚本自动修改每次仿真前开关瞬态仿真的spice网表中的工况参数；然后，在pspice的命令提示符下运行spice网表；当仿真结束时，器件电流和电压的仿真数据自动导出并生成为数据文件，最后通过matlab脚本读取数据文件进行开关特性计算，计算完成后继续对下一个工况进行特性提取直至输入范围内所有工况条件下的动态特性都提取完毕。
22.进一步地，步骤1.4具体为：
23.在训练过程中，应用k折交叉验证评估人工神经网络在当前数据集大小下的性能，将数据集随机分成k个部分，选择(k-1)部分作为训练集，剩下的部分作为测试集，交叉验证重复k次，取准确率的平均值来评估当前数据集的适用性，基于以下公式：
[0024][0025][0026]
其中，mse_test和mse_train分别是k折交叉验证中测试和训练数据的平均均方误差。
[0027]
进一步地，步骤2中构建芯片的不均匀开通损耗模型，具体包括：
[0028]
步骤2.1：利用ansys q3d提取igbt器件内部各芯片间的杂散电感；
[0029]
步骤2.2：在matlab中编写不均匀开通损耗模型的计算脚本，将步骤2.1提取得到的杂散电感参数输入到脚本中，最终构建出形成芯片的不均匀开通损耗模型。
[0030]
6.根据权利要求5所述的一种高时空分辨率igbt模块电热应力计算方法，其特征在于，步骤2.1具体为：
[0031]
将dbc上铜层在芯片中点处断开并分别设置提取源source和sink，前三次每次提取一个并联回路的所有杂散电感及互感lc和mc，最后一次提取键合线上的杂散电感lw，提取频率设置为20mhz；
[0032]
步骤2.2中不均匀开通损耗模型的计算过程具体为：
[0033]
当下桥臂的器件开通时，各并联芯片的开通电流表示为：
[0034][0035]
其中
[0036][0037]
l
eqc2
＝l
c2-(m
c2_2
+m
c2_1
)/2，l
eqc1
＝l
c1-(m
c1_2
+m
c1_1
)/2，l
eqc
＝l
c-(m
c_2
+m
c_1
)/2，i
ref
＝[i
ref_4
,i
ref_5
,i
ref_6
]
t
[0038]
由此，每个芯片的开通损耗占总开通损耗的比值表示为：
[0039][0040]
其中，β是由器件结构和掺杂浓度确定的常数，可以由数据手册提，ic为并联芯片的总开通电流，tr为开通时的电流上升时间，u
th
为芯片的阈值电压，u
go
为驱动板输出与模块驱动源极两点间电压，lw为键合线上的杂散电感，l
ci
、m
c_i
、m
ci_i+1
为不同回路的杂散电感、互感值。
[0041]
进一步地，步骤3中构建三维热网络模型，具体包括：
[0042]
步骤3.1：在comsol中建立igbt器件的瞬态热仿真有限元模型，在comsol中对边界条件、芯片温度的域探针进行设置；
[0043]
步骤3.2：建立基于matlab-comsol联合仿真的三维热网络参数的自动提取脚本，通过matlab实现对步骤3.1建立的有限元仿真模型的自动批量化仿真与结果处理；
[0044]
步骤3.3：基于步骤3.2提取得到的三维热网络参数，在simulink中编写基于三维热网络的结温计算程序，最终构建出用于瞬态结温计算的三维热网络模型。
[0045]
进一步地，步骤3.1具体为：
[0046]
对于编号为i的芯片，将其设置域探针t
j_i
以提取结温，同时将其设置为大小为pi的热源；对于边界条件，在器件的基板底部设置大小为h的对流换热系数；设置环境温度为ta，仿真时长为t；
[0047]
步骤3.2具体为：
[0048]
通过matlab脚本循环调用comsol，在对编号为m的芯片进行提取时，将其损耗大小设置为p0，其余芯片的损耗设置为0，在仿真结束后，将得到的各芯片结温传递到matlab中，并通过下式计算芯片的结-环境瞬态热阻抗：
[0049][0050][0051]
其中，z
thm,m
,t
j_m
和pm分别是第m个芯片的瞬态自热阻抗、结温和功率损耗，z
thm,n
为互瞬态热阻抗，代表pm对第n个芯片的热影响，然后在matlab中对仿真结果进行非线性最小二乘法拟合，拟合公式为k阶rc网络；
[0052]
步骤3.3具体为：
[0053]
第l个时间步的自热温度通过下式计算：
[0054][0055]
其中t
sj,i_k
(t)是第i个芯片的自热温度，c
sth,i_k
和r
sth,i_k
分别是第i个芯片的k阶foster网络的等效热阻和热容，p
il
是第i个芯片在第l个时间步的功率损耗；假设仿真时间步长为δt，则上式的计算结果为：
[0056][0057]
其中，τ
sth,i_k
＝r
sth,i_kcsth,i_k
，同理，在第l个时间步内，由其他第k个芯片引入的互热温度计算为：
[0058][0059]
其中τ
mth,i_k
＝r
mth,i_kcmth,i_k
，c
mth,i_k
和r
mth,i_k
分别为第k个芯片相对于第i个芯片的等效互热阻和热容；当同时考虑这两种温度时，第i个芯片的结温t
j,i
在第l个时间步表示为：
[0060][0061]
其中n是igbt模块内的芯片总数。
[0062]
进一步地，步骤4中利用步骤1、步骤2和步骤3建立的模型进行电热联合仿真的计算，具体包括：
[0063]
步骤4.1：在系统级仿真中，应用simulink中内置的理想igbt器件模型以实现复杂的控制和调制算法；
[0064]
步骤4.2：在器件级仿真中，采用训练好的人工神经网络模型描述开关瞬态中的关键特性，采用数据手册中的数据计算稳态特性；
[0065]
步骤4.3：在芯片级仿真中，采用步骤2中构建的芯片不均匀开通损耗模型来表示每个芯片与整个器件之间的比例。
[0066]
进一步地，步骤4.1具体为：
[0067]
在每个仿真步长中，电-热变量与常量一同传递到描述器件和芯片级行为的子系统中，其中常量包括ta,rg,lc,电气变量包括ic,v
dc
和s；s是指示igbt器件工作状态的标志，由ic的方向和栅极信号决定，当前(l-th)和前一时间步长控制上桥臂器件的栅极信号分别为g
l
和g
l-1
，热变量包括每个桥臂上并联芯片的平均温度，分别为：
[0068][0069][0070]
其中,和是上桥臂igbt芯片的结温,和是下桥臂igbt芯片的结温,是上桥臂二极管芯片的结温,是下桥臂二极管芯片的结温；
[0071]
步骤4.2具体为：
[0072]
对于稳态特性，根据数据手册计算导通能量损耗，即：
[0073]econ
(ic,tj)＝ic×vce
(ic,tj)
×
δt
[0074]edcon
(ic,td)＝ic×vf
(ic,td)
×
δt
[0075]
其中，v
ce
和vf分别是并联igbt和二极管芯片的输出特性；
[0076]
步骤4.3具体为：
[0077]
对于下桥臂芯片的电流应力和开通能量损耗，其不均匀性在高频逆变器的应用不能忽视，而对于其他特性，采用平均简化处理，得到对应的表达式为：
[0078][0079][0080][0081]
根据s的取值确定电应力和能量损耗的类型，第i个芯片的瞬时功率损耗计算为：
[0082][0083]
其中，es是当前时间步的能量损耗，进一步结合上一步长每个rc网络的温度状态，通过三维热网络模型计算出每个芯片的当前结温。
[0084]
与现有技术相比，本发明具有以下有益的技术效果：
[0085]
本发明提出的高时空分辨率电热应力计算方法能够实现对真实工况下的igbt器件进行高效率、高精度的仿真计算，进而为电力电子装置的设计提供有力的支持。相比于现有的商用软件，本发明方法在精度和效率方面具有明显的优势，具体表现为：
[0086]
(1)现有igbt模块的结温计算多基于查表法，将整个模块视为整体计算，不能得到并联芯片的具体损耗；本发明提出描述动态不均衡电流效应的损耗模型，进而能够准确计算单个芯片的功率损耗和结温。
[0087]
(2)现有igbt的器件模型受限于仿真效率，无法直接应用在系统级仿真中；本发明提出基于人工神经网络的电热应力计算方法，能够在保证仿真精度的基础上极大的提升仿真效率，适用于对具有多器件串并联的电力电子拓扑进行系统级仿真。
[0088]
(3)本发明具有广泛的应用的场合：不但适用在不同工况(驱动电阻，散热系统，开关频率，控制策略等)计算器件的电热应力，同时适用于econodual封装下不同功率等级的igbt模块。
附图说明
[0089]
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述，其中：
[0090]
图1为igbt器件的集总电荷模型；
[0091]
图2为开关暂态波形(左：关短，右：开通)，其中(a)v
dc
＝600v i＝125a tj＝20℃rg＝2.5ω,(b)v
dc
＝600v i＝125a tj＝125℃rg＝2.5ω,(c)v
dc
＝600v i＝80a tj＝20℃rg＝5ω；
[0092]
图3为描述igbt器件开关特性的神经网络模型：(a)结构(b)参数说明；
[0093]
图4为神经网络模型训练数据的自动收集流程；
[0094]
图5为神经网络的训练流程；
[0095]
图6为训练过程中mse随数据量增加的趋势；
[0096]
图7为igbt模块内部杂散电感提取过程；
[0097]
图8为三维热网络模型的参数自动提取流程；
[0098]
图9为igbt 3-d热网络模型的计算过程；
[0099]
图10为完整的电热联合仿真过程；
[0100]
图11为电流应力的仿真(右)与实验(左)对比结果：(a)v
dc
＝250v i
peak
＝100a,(b)v
dc
＝250v i
peak
＝200a；
[0101]
图12为电压应力的仿真(右)与实验(左)对比结果：(a)v
dc
＝600v i
peak
＝100a,(b)v
dc
＝600v i
peak
＝200a；
[0102]
图13芯片结温的仿真(cal)与实验(exp)对比结果：(a)v
dc
＝250v i
peak
＝100a,(b)v
dc
＝250v i
peak
＝200a,(c)v
dc
＝250v 0～20s:i
peak
＝100a；20～25s:i
peak
＝200a。
具体实施方式
[0103]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0104]
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
[0105]
还应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
[0106]
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
[0107]
本发明针对大容量igbt器件，提出了一种高时空分辨率的电热应力精确计算方法。该方法在时间上涵盖ns尺度的开关暂态、ms尺度的热传导，在空间上将应力的计算对象深入到器件内部的单个芯片上，同时能够反映散热系统、封装结构对芯片应力的影响，因此该方法能够有效满足igbt器件在选型、过载工况、散热器热设计等多场景下的应力计算需求。
[0108]
一、在研究对象方面，本方法将应力的计算对象从器件整体深入到内部的单个芯片上。在深入分析igbt器件内部并联芯片间开通电流及损耗差异的基础上，得到各芯片开通损耗占器件总损耗比例的解析计算模型，进而建立起芯片和器件的联系。
[0109]
二、在仿真精度方面，本方法采用先进的igbt集总电荷模型去描述器件开关暂态
的动态特性，在不同工况下都具备相当高的精度；同时在热模型方面，本方法采用考虑并联芯片热耦合效应的三维热网络模型，相比传统的一维网络具有更高的精度。
[0110]
三、在仿真效率方面，本发明提出一种基于人工神经网络的电热应力计算方法，采用神经网络代替igbt物理模型，使得在应力计算方面能够兼具物理模型的计算精度和神经网络的计算效率。一旦借助神经网络建立起开关暂态参数与开关工况之间的准确映射关系，仿真软件便无需在每次开关过程中减小步长去求解复杂的物理方程，从而极大提高仿真效率。
[0111]
本方法的实施方式分为建模和仿真计算两个过程。建模过程主要包括对基于igbt集总电荷模型的数据模型，芯片的不均匀开通损耗模型和三维热网络模型的建模；仿真计算包括建模完成后利用上述两个模型进行电热联合仿真的过程。
[0112]
一、建模
[0113]
1、基于igbt集总电荷模型的数据模型
[0114]
步骤一：基于pspice搭建igbt器件的集总电荷模型，具体电路如附图1所示。不断优化模型的igbt器件参数，使igbt器件的集总电荷模型的仿真结果在不同工况下都能与器件的双脉冲测试结果逼近，如附图2所示。
[0115]
步骤二：建立描述igbt不同工况下开关特性的人工神经网络(ann)，具体结构和参数如附图3所示。人工神经网络的结构包括输入层、隐藏层和输出层，其中输入层包括环路寄生电感lc和驱动电阻rg，桥臂电流ic，母线电压v
dc
，igbt器件的结温tj和二极管的结温td；输出层包括igbt的开通损耗e
on
，关断损耗e
off
和二极管的反向恢复损耗e
rec
，igbt的最大电压应力v
max
和最大电流应力i
max
以及电流上升时间tr，二极管的最大电压v
dmax
；隐藏层的神经元的数量设置为10。
[0116]
步骤三：建立matlab-pspice联合仿真脚本，将步骤一优化后的集总电荷模型作为数据源，批量化获取igbt器件在不同工况下的动态特性数据，具体步骤如附图4所示。当运行条件的范围确定后，脚本会自动修改每次仿真前开关瞬态仿真的spice网表中的工况参数(例如，igbt_dynamic.cir)。然后，在pspice的命令提示符(psp_cmd.exe)下运行网表。当仿真结束时，器件电流和电压的仿真数据会自动导出并生成为数据文件(例如，igbt_dynamic.dat)。最后通过matlab脚本读取数据文件进行开关特性计算。计算完成后继续对下一个工况进行特性提取直至输入范围内所有工况条件下的动态特性都提取完毕。
[0117]
步骤四：利用步骤三采集到的不同工况下igbt动态特性的数据训练步骤二建立的神经网络，最终得到基于igbt集总电荷模型的数据模型。具体步骤如附图5所示。在确定工况条件范围后，随机生成100组数据。在训练过程中，应用k折交叉验证(k＝10)来评估ann在当前数据集大小下的性能。将数据集随机分成k个部分，选择(k-1)部分作为训练集，剩下的部分作为测试集。交叉验证重复k次，取准确率的平均值来评估当前数据集的适用性，基于以下公式：
[0118][0119][0120]
其中mse_test和mse_train分别是k折交叉验证中测试和训练数据的平均均方误
差(mse)。式(1)要求训练误差和测试误差之间的差距足够小，以保证模型具有足够的泛化能力。公式(2)保证数据集大小的增加不会对人工神经网络的准确性带来显着的提高。在训练过程中，数据集大小会不断增加，直到以上公式都满足。附图6展示了不同输出量的mse在训练过程中的趋势。当训练开始时数据集规模较小时，mse_test明显大于mse_train，说明ann的泛化能力较差。随着数据集大小的增加，mse_test逐渐减小到与mse_train大致相同。由图可知，最终优化的数据集大小为400，此时可以在建模中实现精度和效率之间的良好折衷。
[0121]
2、芯片的不均匀开通损耗模型
[0122]
步骤一：利用ansys q3d提取igbt器件内部各芯片间的杂散电感，具体的提取过程如附图7所示。将dbc上铜层在芯片中点处断开并分别设置提取源source和sink，前三次每次提取一个并联回路的所有杂散电感及互感lc和mc，最后一次提取键合线上的杂散电感lw,提取频率设置为20mhz。
[0123]
步骤二：在matlab中编写不均匀开通损耗模型的计算脚本，将步骤一提取得到的杂散电感参数输入到脚本中，最终构建出形成芯片的不均匀开通损耗模型。
[0124]
不均匀开通损耗模型的计算过程具体为：
[0125]
当下桥臂的器件开通时，各并联芯片的开通电流可以表示为：
[0126][0127]
其中
[0128][0129]
l
eqc2
＝l
c2-(m
c2_2
+m
c2_1
)/2，l
eqc1
＝l
c1-(m
c1_2
+m
c1_1
)/2，l
eqc
＝l
c-(m
c_2
+m
c_1
)/2，i
ref
＝[i
ref_4
,i
ref_5
,i
ref_6
]
t
[0130]
由此，每个芯片的开通损耗占总开通损耗的比值可以近似表示为
[0131][0132]
其中，β是由器件结构和掺杂浓度确定的常数，可以由数据手册提，ic为并联芯片的总开通电流，tr为开通时的电流上升时间，u
th
为芯片的阈值电压，u
go
为驱动板输出与模块驱动源极两点间电压，lw为键合线上的杂散电感，l
ci
、m
c_i
、m
ci_i+1
为不同回路的杂散电感、互感值。
[0133]
3、三维热网络模型
[0134]
步骤一：在comsol中建立igbt器件的瞬态热仿真有限元模型，在comsol中对边界条件、芯片温度的域探针进行设置。对于编号为i的芯片，将其设置域探针t
j_i
以提取结温，同时将其设置为大小为pi的热源。对于边界条件，在器件的基板底部设置大小为h的对流换热系数。设置环境温度为ta，仿真时长为t。
[0135]
步骤二：建立基于matlab-comsol联合仿真的三维热网络参数的自动提取脚本，通
过matlab实现对步骤一建立的有限元仿真模型的自动批量化仿真与结果处理。具体的实现过程是通过matlab脚本循环调用comsol，例如通过函数“mphopen”打开模型，通过函数“mphglobal”提取仿真结果，如附图8所示。在对编号为m的芯片进行提取时，将其损耗大小设置为p0，其余芯片的损耗设置为0，在仿真结束后，将得到的各芯片结温传递到matlab中，并通过下式计算芯片的结-环境瞬态热阻抗：
[0136][0137][0138]
其中，z
thm,m
,t
j_m
和pm分别是第m个芯片的瞬态自热阻抗、结温和功率损耗。z
thm,n
为互瞬态热阻抗，代表pm对第n个芯片的热影响。然后在matlab中对仿真结果进行非线性最小二乘法拟合，拟合公式为k阶rc网络。对于z
thm,m
和z
thm,n
，k分别取4和1。
[0139]
步骤三：基于步骤二提取得到的三维热网络参数，在simulink中编写基于三维热网络的结温计算程序，最终构建出用于瞬态结温计算的三维热网络模型，具体计算过程如附图9所示。第l个时间步的自热温度可以通过下式计算：
[0140][0141]
其中t
sj,i_k
(t)是第i个芯片的自热温度，c
sth,i_k
和r
sth,i_k
分别是第i个芯片的k阶foster网络的等效热阻和热容，p
il
是第i个芯片在第l个时间步的功率损耗；假设仿真时间步长为δt，则上式的计算结果为：
[0142][0143]
其中，τ
sth,i_k
＝r
sth,i_kcsth,i_k
，同理，在第l个时间步内，由其他第k个芯片引入的互热温度计算为：
[0144][0145]
其中τ
mth,i_k
＝r
mth,i_kcmth,i_k
，c
mth,i_k
和r
mth,i_k
分别为第k个芯片相对于第i个芯片的等效互热阻和热容；当同时考虑这两种温度时，第i个芯片的结温t
j,i
在第l个时间步表示为：
[0146][0147]
其中n是igbt模块内的芯片总数。
[0148]
二、仿真计算
[0149]
建模完成后，在simulink实现电热联合仿真计算，具体过程如附图10所示。
[0150]
步骤一：在系统级仿真中，本方法应用simulink中内置的理想igbt器件模型以实现复杂的控制和调制算法。在每个仿真步长中，电-热变量与常量一同传递到描述器件和芯片级行为的子系统中。具体设定的常数包括ta,rg,lc,电气变量包括ic,v
dc
和s。s是指示igbt
器件工作状态的标志，它由ic的方向和栅极信号决定,具体说明如表一所示，其中g
l
和g
l-1
分别是当前(l-th)和前一时间步长控制上桥臂器件的栅极信号。热变量包括每个桥臂上并联芯片的平均温度，分别为
[0151][0152][0153]
其中,和是上桥臂igbt芯片的结温,和是下桥臂igbt芯片的结温,是上桥臂二极管芯片的结温,是下桥臂二极管芯片的结温。
[0154]
表一标记s的确定规则
[0155][0156][0157]
步骤二：在器件级仿真中，采用训练好的人工神经网络模型描述开关瞬态中的关键特性。对于稳态特性，根据数据手册计算导通能量损耗，即
[0158]econ
(i
c,
tj)＝ic×vce
(ic,tj)
×
δt
ꢀꢀꢀ
(13)
[0159]edcon
(ic,td)＝ic×vf
(ic,td)
×
δt
ꢀꢀꢀ
(14)
[0160]
其中v
ce
和vf分别是并联igbt和二极管芯片的输出特性。
[0161]
步骤三：在芯片级仿真中，采用两种不同的方法来表示每个芯片与整个器件之间的比例。对于下桥臂芯片的电流应力和开通能量损耗，其不均匀性在高频逆变器的应用中太过明显，因而不能忽视。而对于其他特性，本方法没有考虑并联芯片之间的细微差异，因此采用了平均简化处理。因此，可以得到对应的表达式为
[0162][0163]
[0164][0165][0166]vmax_k
＝v
max
(rg,lc,ic,v
dc
,tj,td),k＝1....6
ꢀꢀꢀ
(19)
[0167]vdmax_k
＝v
dmax
(rg,lc,ic,v
dc
,tj,td),k＝1....6
ꢀꢀꢀ
(20)
[0168]
根据s的取值，可以按照表二确定电应力和能量损耗的类型，其中es，vs和is分别是当前时间步的能量损耗、电压和电流应力。因此，第i个芯片的瞬时功率损耗可以计算为
[0169][0170]
其中，es是当前时间步的能量损耗，进一步结合上一步长每个rc网络的温度状态，可以通过三维热网络模型计算出每个芯片的当前结温。
[0171]
最终得到的仿真结果与实验的比较结果如附图11-13所示。可以看出本方法在电热应力的计算方面具有较大的精度，能够为电力电子系统的安全设计提供有力支持。
[0172]
表二芯片级应力计算模型
[0173][0174]
以上内容仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明权利要求书的保护范围之内。
技术特征：
1.一种高时空分辨率igbt模块电热应力计算方法，其特征在于，包括以下步骤：步骤1：构建基于igbt集总电荷模型的数据模型；步骤2：构建芯片的不均匀开通损耗模型；步骤3：构建三维热网络模型；步骤4：利用步骤1、步骤2和步骤3建立的模型进行电热联合仿真的计算。2.根据权利要求1所述的一种高时空分辨率igbt模块电热应力计算方法，其特征在于，步骤1中构建基于igbt集总电荷模型的数据模型，具体包括：步骤1.1：基于pspice搭建igbt器件的集总电荷模型，不断优化igbt器件的集总电荷模型的器件参数，使igbt器件的集总电荷模型的仿真结果在不同工况下都与igbt器件的双脉冲测试结果逼近；步骤1.2：建立描述igbt不同工况下开关特性的人工神经网络；步骤1.3：建立matlab-pspice联合仿真脚本，将步骤1.1优化后的集总电荷模型作为数据源，批量化获取igbt器件在不同工况下的动态特性数据；步骤1.4：利用步骤1.3采集到的不同工况下igbt动态特性数据作为数据集训练步骤1.2建立的人工神经网络，最终得到基于igbt集总电荷模型的数据模型。3.根据权利要求2所述的一种高时空分辨率igbt模块电热应力计算方法，其特征在于，步骤1.2中人工神经网络的结构包括输入层、隐藏层和输出层，其中输入层包括环路寄生电感l
c
和驱动电阻r
g
，桥臂电流i
c
，母线电压v
dc
，igbt器件的结温t
j
和二极管的结温t
d
；输出层包括igbt的开通损耗e
on
，关断损耗e
off
和二极管的反向恢复损耗e
rec
，igbt的最大电压应力v
max
和最大电流应力i
max
以及电流上升时间t
r
，二极管的最大电压v
dmax
；隐藏层的神经元的数量设置为10；步骤1.3中批量获取igbt器件在不同工况下的动态特性数据，具体为：当运行条件的范围确定后，matlab-pspice联合仿真脚本自动修改每次仿真前开关瞬态仿真的spice网表中的工况参数；然后，在pspice的命令提示符下运行spice网表；当仿真结束时，器件电流和电压的仿真数据自动导出并生成为数据文件，最后通过matlab脚本读取数据文件进行开关特性计算，计算完成后继续对下一个工况进行特性提取直至输入范围内所有工况条件下的动态特性都提取完毕。4.根据权利要求2所述的一种高时空分辨率igbt模块电热应力计算方法，其特征在于，步骤1.4具体为：在训练过程中，应用k折交叉验证评估人工神经网络在当前数据集大小下的性能，将数据集随机分成k个部分，选择(k-1)部分作为训练集，剩下的部分作为测试集，交叉验证重复k次，取准确率的平均值来评估当前数据集的适用性，基于以下公式：k次，取准确率的平均值来评估当前数据集的适用性，基于以下公式：其中，mse_test和mse_train分别是k折交叉验证中测试和训练数据的平均均方误差。5.根据权利要求1所述的一种高时空分辨率igbt模块电热应力计算方法，其特征在于，步骤2中构建芯片的不均匀开通损耗模型，具体包括：
步骤2.1：利用ansys q3d提取igbt器件内部各芯片间的杂散电感；步骤2.2：在matlab中编写不均匀开通损耗模型的计算脚本，将步骤2.1提取得到的杂散电感参数输入到脚本中，最终构建出形成芯片的不均匀开通损耗模型。6.根据权利要求5所述的一种高时空分辨率igbt模块电热应力计算方法，其特征在于，步骤2.1具体为：将dbc上铜层在芯片中点处断开并分别设置提取源source和sink，前三次每次提取一个并联回路的所有杂散电感及互感l
c
和m
c
，最后一次提取键合线上的杂散电感l
w
，提取频率设置为20mhz；步骤2.2中不均匀开通损耗模型的计算过程具体为：当下桥臂的器件开通时，各并联芯片的开通电流表示为：其中l
eqc2
＝l
c2-(m
c2_2
+m
c2_1
)/2，l
eqc1
＝l
c1-(m
c1_2
+m
c1_1
)/2，l
eqc
＝l
c-(m
c_2
+m
c_1
)/2，i
ref
＝[i
ref_4
,i
ref_5
,i
ref_6
]
t
由此，每个芯片的开通损耗占总开通损耗的比值表示为：其中，β是由器件结构和掺杂浓度确定的常数，可以由数据手册提，i
c
为并联芯片的总开通电流，t
r
为开通时的电流上升时间，u
th
为芯片的阈值电压，u
go
为驱动板输出与模块驱动源极两点间电压，l
w
为键合线上的杂散电感，l
ci
、m
c_i
、m
ci_i+1
为不同回路的杂散电感、互感值。7.根据权利要求1所述的一种高时空分辨率igbt模块电热应力计算方法，其特征在于，步骤3中构建三维热网络模型，具体包括：步骤3.1：在comsol中建立igbt器件的瞬态热仿真有限元模型，在comsol中对边界条件、芯片温度的域探针进行设置；步骤3.2：建立基于matlab-comsol联合仿真的三维热网络参数的自动提取脚本，通过matlab实现对步骤3.1建立的有限元仿真模型的自动批量化仿真与结果处理；步骤3.3：基于步骤3.2提取得到的三维热网络参数，在simulink中编写基于三维热网络的结温计算程序，最终构建出用于瞬态结温计算的三维热网络模型。8.根据权利要求7所述的一种高时空分辨率igbt模块电热应力计算方法，其特征在于，步骤3.1具体为：对于编号为i的芯片，将其设置域探针t
j_i
以提取结温，同时将其设置为大小为p
i
的热源；对于边界条件，在器件的基板底部设置大小为h的对流换热系数；设置环境温度为t
a
，仿真时长为t；
步骤3.2具体为：通过matlab脚本循环调用comsol，在对编号为m的芯片进行提取时，将其损耗大小设置为p0，其余芯片的损耗设置为0，在仿真结束后，将得到的各芯片结温传递到matlab中，并通过下式计算芯片的结-环境瞬态热阻抗：环境瞬态热阻抗：其中，z
thm,m
,t
j_m
和p
m
分别是第m个芯片的瞬态自热阻抗、结温和功率损耗，z
thm,n
为互瞬态热阻抗，代表p
m
对第n个芯片的热影响，然后在matlab中对仿真结果进行非线性最小二乘法拟合，拟合公式为k阶rc网络；步骤3.3具体为：第l个时间步的自热温度通过下式计算：其中t
sj,i_k
(t)是第i个芯片的自热温度，c
sth,i_k
和r
sth,i_k
分别是第i个芯片的k阶foster网络的等效热阻和热容，p
il
是第i个芯片在第l个时间步的功率损耗；假设仿真时间步长为δt，则上式的计算结果为：其中，τ
sth,i_k
＝r
sth,i_k
c
sth,i_k
，同理，在第l个时间步内，由其他第k个芯片引入的互热温度计算为：其中τ
mth,i_k
＝r
mth,i_k
c
mth,i_k
，c
mth,i_k
和r
mth,i_k
分别为第k个芯片相对于第i个芯片的等效互热阻和热容；当同时考虑这两种温度时，第i个芯片的结温t
j,i
在第l个时间步表示为：其中n是igbt模块内的芯片总数。9.根据权利要求8所述的一种高时空分辨率igbt模块电热应力计算方法，其特征在于，步骤4中利用步骤1、步骤2和步骤3建立的模型进行电热联合仿真的计算，具体包括：步骤4.1：在系统级仿真中，应用simulink中内置的理想igbt器件模型以实现复杂的控制和调制算法；步骤4.2：在器件级仿真中，采用训练好的人工神经网络模型描述开关瞬态中的关键特性，采用数据手册中的数据计算稳态特性；步骤4.3：在芯片级仿真中，采用步骤2中构建的芯片不均匀开通损耗模型来表示每个芯片与整个器件之间的比例。10.根据权利要求9所述的一种高时空分辨率igbt模块电热应力计算方法，其特征在
于，步骤4.1具体为：在每个仿真步长中，电-热变量与常量一同传递到描述器件和芯片级行为的子系统中，其中常量包括t
a
,r
g
,l
c
,电气变量包括i
c
,v
dc
和s；s是指示igbt器件工作状态的标志，由i
c
的方向和栅极信号决定，当前(l-th)和前一时间步长控制上桥臂器件的栅极信号分别为g
l
和g
l-1
，热变量包括每个桥臂上并联芯片的平均温度，分别为：，热变量包括每个桥臂上并联芯片的平均温度，分别为：其中,和是上桥臂igbt芯片的结温,和是下桥臂igbt芯片的结温,是上桥臂二极管芯片的结温,是下桥臂二极管芯片的结温；步骤4.2具体为：对于稳态特性，根据数据手册计算导通能量损耗，即：e
con
(i
c
,t
j
)＝i
c
×vce
(i
c
,t
j
)
×
δte
dcon
(i
c
,t
d
)＝i
c
×vf
(i
c
,t
d
)
×
δt其中，v
ce
和v
f
分别是并联igbt和二极管芯片的输出特性；步骤4.3具体为：对于下桥臂芯片的电流应力和开通能量损耗，其不均匀性在高频逆变器的应用不能忽视，而对于其他特性，采用平均简化处理，得到对应的表达式为：视，而对于其他特性，采用平均简化处理，得到对应的表达式为：视，而对于其他特性，采用平均简化处理，得到对应的表达式为：根据s的取值确定电应力和能量损耗的类型，第i个芯片的瞬时功率损耗计算为：其中，e
s
是当前时间步的能量损耗，进一步结合上一步长每个rc网络的温度状态，通过三维热网络模型计算出每个芯片的当前结温。
技术总结
本发明公开了一种高时空分辨率IGBT模块电热应力计算方法，构建基于IGBT集总电荷模型的数据模型；构建芯片的不均匀开通损耗模型；构建三维热网络模型；利用基于IGBT集总电荷模型的数据模型、芯片的不均匀开通损耗模型以及三维热网络模型进行电热联合仿真的计算。本发明能够在真实工况下准确、高效地计算IGBT器件的电热应力以有效指导电力电子装置的设计。的电热应力以有效指导电力电子装置的设计。的电热应力以有效指导电力电子装置的设计。
