基于神經(jīng)網(wǎng)絡(luò)的SiC功率管導(dǎo)通電阻估測技術(shù)研究

崔江 陳一凡 范士穎 林華 沈勇 王友仁 陳則王

摘要：SiC功率管器件廣泛應(yīng)用在航空領(lǐng)域的電能變換、配電等場合，其健康狀況十分重要。在SiC器件的健康監(jiān)測應(yīng)用中，導(dǎo)通電阻的檢測是一項十分重要的技術(shù)。為了能夠簡單準(zhǔn)確地得到碳化硅（SiC）MOSFET功率器件的導(dǎo)通電阻，本文提出了一種基于神經(jīng)網(wǎng)絡(luò)的SiC MOSFET器件導(dǎo)通電阻估測方法。本文搭建SiC MOSFET導(dǎo)通電阻測試電路仿真和物理試驗平臺，并使用BP神經(jīng)網(wǎng)絡(luò)（BP neural networks， BPNN）對不同溫度、不同柵極電壓以及不同漏極電流下SiC MOSFET器件的導(dǎo)通電阻數(shù)據(jù)進(jìn)行詳細(xì)描述。最后，對基于BPNN的SiC MOSFET導(dǎo)通電阻估測方法進(jìn)行效果驗證。結(jié)果表明，該方法具有精度高和泛化能力強(qiáng)的優(yōu)點，能夠?qū)崿F(xiàn)SiC MOSFET器件導(dǎo)通電阻的有效估測。

關(guān)鍵詞：碳化硅功率管；導(dǎo)通電阻；神經(jīng)網(wǎng)絡(luò)；誤差分析；溫度特性

中圖分類號：V240.2文獻(xiàn)標(biāo)識碼：ADOI：10.19452/j.issn1007-5453.2021.09.012

基金項目：航空科學(xué)基金（201933052001，20183352030），中央高校基本科研業(yè)務(wù)費專項資金資助項目（NS2021021）

隨著航空航天技術(shù)的飛速發(fā)展，高性能、高可靠性、智能化成為未來飛行器發(fā)展的主要特征[1]。碳化硅（SiC）MOSFET作為一種新型寬禁帶功率半導(dǎo)體器件，具有更低的導(dǎo)通電阻、更高的開關(guān)速度、更小的反向恢復(fù)電荷和更高的擊穿電場強(qiáng)度，在工作條件惡劣、性能要求苛刻的應(yīng)用環(huán)境中十分有利，目前已經(jīng)成為航空航天電能變換、配電領(lǐng)域研究和應(yīng)用的熱點[2-10]。作為一種功率器件，SiC MOSFET器件工作在惡劣、苛刻的環(huán)境中，其電性參數(shù)會產(chǎn)生退化現(xiàn)象，進(jìn)而影響系統(tǒng)的性能，甚至導(dǎo)致電路故障，造成嚴(yán)重的損失。因此，對SiC MOSFET器件的健康狀態(tài)進(jìn)行監(jiān)測技術(shù)研究是很有必要的。

1 SiC MOSFET器件健康監(jiān)測技術(shù)研究現(xiàn)狀

隨著SiC MOSFET器件的退化，其內(nèi)部的電參數(shù)會發(fā)生變化，比較典型的如導(dǎo)通電阻，其已被證實與SiC MOSFET老化存在一定的相關(guān)性[11-14]，因此可以通過監(jiān)測SiC MOSFET的導(dǎo)通電阻實現(xiàn)對器件的可靠性判定。

參考文獻(xiàn)[15]將SiC MOSFET的導(dǎo)通電阻與擴(kuò)展頻譜時域反射法（SSTDR）自相關(guān)峰值建立聯(lián)系，通過觀察SSTDR自相關(guān)峰值幅度確定SiC MOSFET器件導(dǎo)通電阻的變化情況來判斷器件是否老化，SSTDR硬件較靈敏，測量誤差低，但成本較高。參考文獻(xiàn)[16]對多電飛機(jī)和全電飛機(jī)直流固態(tài)功率控制器中的SiC MOSFET設(shè)計了穩(wěn)態(tài)導(dǎo)通電壓在線測量電路，通過高精度的電流檢測電阻測量得到漏源極電流，從而在線獲得SiC MOSFET的導(dǎo)通電阻，該方法需要搭建額外的檢測電路，在線監(jiān)測系統(tǒng)的結(jié)構(gòu)也較復(fù)雜。參考文獻(xiàn)[17]對空間飛行器驅(qū)動器中的SiC MOSFET構(gòu)建了基于半導(dǎo)體物理的導(dǎo)通電阻非線性數(shù)學(xué)模型，比較精確地表征了SiC MOSFET導(dǎo)通電阻隨結(jié)溫的變化規(guī)律，該方法涉及器件的內(nèi)部結(jié)構(gòu)以及半導(dǎo)體物理學(xué)機(jī)理，并引入了一些非線性參數(shù)，模型構(gòu)建過程較為復(fù)雜。參考文獻(xiàn)[18]利用鉗位總線電壓和電流傳感器，通過模數(shù)轉(zhuǎn)換模塊快速讀取電流傳感器采集的漏源極電流并計算轉(zhuǎn)換成導(dǎo)通電阻，實現(xiàn)對SiC MOSFET的退化監(jiān)測以及健康狀態(tài)評估，該方法結(jié)構(gòu)簡單、易于測量且成本較低，但存在測量誤差。

為了更方便地獲得SiC MOSFET的導(dǎo)通電阻，提高方法的通用性，本文嘗試使用BP神經(jīng)網(wǎng)絡(luò)（BP neural networks， BPNN）構(gòu)建SiC MOSFET器件的導(dǎo)通電阻模型。將SiC MOSFET器件視為黑箱，建立用于SiC MOSFET的多輸入-單一輸出黑箱系統(tǒng)，將施加于器件的外部電氣參數(shù)作為輸入，器件的導(dǎo)通電阻作為輸出，通過比較黑箱系統(tǒng)輸出值與實際測量值，實現(xiàn)對SiC MOSFET的健康狀態(tài)評估。

2基于BPNN的SiC MOSFET導(dǎo)通電阻估測

本文采用BPNN的非線性函數(shù)擬合方法、思路對SiC MOSFET的導(dǎo)通電阻進(jìn)行研究。首先將SiC MOSFET導(dǎo)通電阻測試電路中得到的樣本數(shù)據(jù)進(jìn)行樣本劃分，即樣本數(shù)據(jù)按照一定比例分為訓(xùn)練樣本和測試樣本。然后利用訓(xùn)練樣本構(gòu)建BPNN模型，并使之能夠根據(jù)已知條件估測SiC MOSFET的導(dǎo)通電阻值，利用測試樣本測試BPNN模型的擬合性能。最后，對模型估測值與實際測量值進(jìn)行誤差評估。上述建立了基于BPNN的SiC MOSFET導(dǎo)通電阻估測模型，具體流程如圖1所示。利用基于BPNN的SiC MOSFET導(dǎo)通電阻估測模型進(jìn)行健康狀態(tài)評估，判定SiC MOSFET是否出現(xiàn)異常，具體流程如圖2所示。

3仿真試驗

本文以SiC MOSFET器件為研究對象，在Cadence/ PSpice仿真軟件中搭建SiC MOSFET導(dǎo)通電阻測試電路仿真模型。改變SiC MOSFET的溫度、柵極電壓和漏極電流，實現(xiàn)不同工作條件下SiC MOSFET導(dǎo)通電阻測試。

3.1測試電路仿真模型簡介

SiC MOSFET導(dǎo)通電阻測試電路原理圖[19]如圖3所示，其中，Vgs為柵極電壓，Rg為柵極驅(qū)動電阻，R1為測試電路的負(fù)載，Vdc為直流母線電壓，其為整個測試電路供電。為了方便對SiC MOSFET導(dǎo)通電阻的測量，本文將柵極電壓設(shè)置為高電平，使SiC MOSFET在測試電路中處于常開通狀態(tài)。SiC MOSFET開通時，其漏源極之間等效為導(dǎo)通電阻Ron。在Cadence/PSpice仿真軟件中，設(shè)計SiC MOSFET導(dǎo)通電阻測試電路的仿真模型，仿真模型中使用C2M008012 0D型號的SiC MOSFET，此型號的器件模型從CREE官網(wǎng)下載并導(dǎo)入仿真軟件即可，仿真模型中使用的電阻和電壓源均由仿真軟件自帶器件庫提供。

3.2數(shù)據(jù)采集和樣本劃分

在SiC MOSFET導(dǎo)通電阻測試電路仿真模型中，設(shè)置不同柵極電壓、不同直流母線電壓和不同溫度，運行仿真電路。此處需要說明，本試驗通過改變測試電路的直流母線電壓值間接改變漏極電流的大小。試驗選取的直流母線電壓為2～18V，幅值間隔為2V，選取的柵極電壓為8～18V，幅值間隔為2V，選取的溫度為50～175℃，幅值間隔為25℃，一共9×6×6=324種不同工作條件，即一共有324個SiC MOSFET導(dǎo)通電阻樣本數(shù)據(jù)。將上述條件下的仿真樣本數(shù)據(jù)按照4：1的比例分為259個訓(xùn)練樣本和65個測試樣本。

3.3算法驗證

本試驗設(shè)計了三種BPNN的網(wǎng)絡(luò)結(jié)構(gòu)，分別為：3-3-1、3-5-1和3-10-1。調(diào)用“newff”和“train”函數(shù)建立和訓(xùn)練BPNN，激活函數(shù)采用“sigmoid”函數(shù)，并選用“purelin”函數(shù)作為輸出傳遞函數(shù)，最小均方誤差設(shè)為“1e-10”。將訓(xùn)練好的BPNN相關(guān)參數(shù)進(jìn)行保存，用于后續(xù)對此模型進(jìn)行性能驗證。

利用測試樣本測試BPNN的性能，以試驗設(shè)計的3-5-1結(jié)構(gòu)的BPNN模型為例，具體結(jié)果如圖4所示。圖4中，橫坐標(biāo)為測試樣本個數(shù)，縱坐標(biāo)為SiC MOSFET導(dǎo)通電阻值，紅色標(biāo)注為測試樣本的實際值，綠色標(biāo)注為測試樣本的BPNN的估測值。

分析測試樣本的實際導(dǎo)通電阻值與BPNN模型輸出值，得出三種不同BP模型下，兩個導(dǎo)通電阻值的平均絕對誤差，具體見表1。

4實際試驗

參考前述SiC MOSFET導(dǎo)通電阻測試電路原理圖，設(shè)計了硬件試驗平臺。利用試驗數(shù)據(jù)構(gòu)建SiC MOSFET導(dǎo)通電阻的BPNN模型，并將建立的模型用于SiC MOSFET的健康狀態(tài)評估。

4.1硬件試驗平臺

硬件試驗平臺如圖5所示。其中，①為SiC MOSFET導(dǎo)通電阻測試主電路；②為DF1731SLL5A雙路直流穩(wěn)壓電源；③為SiC MOSFET（型號：C2M0080120D）；④為220VAC/ 850W微控制器控溫的加熱臺；⑤為TES 1310 TYPE-K測溫儀；⑥為Handyscope HS4數(shù)據(jù)采集卡；⑦為上位機(jī)。

DF1731SLL5A直流穩(wěn)壓電源為Vgs和Vdc提供不同幅值的直流電壓，此款電源為雙路輸出電源，可提供0～30V電壓值和0～5A電流值。SiC MOSFET的型號為C2M0080120D，規(guī)格為31.6A/1200V。本試驗使用12位精度的Handyscope HS4型號數(shù)據(jù)采集卡，其最高采樣率可達(dá)5MHz。加熱臺用于實時調(diào)節(jié)SiC MOSFET的工作溫度，其具體為220VAC/ 850W規(guī)格微電腦控溫加熱臺，溫度調(diào)節(jié)范圍為0～300℃。測量SiC MOSFET溫度所需設(shè)備為TES 1310 TYPE-K型號測溫儀，可以實現(xiàn)對SiC MOSFET器件表面溫度實時測量。

4.2樣本選取與劃分

BPNN模型的訓(xùn)練和測試樣本為SiC MOSFET導(dǎo)通電阻測試電路硬件試驗平臺中阻性負(fù)載的電壓數(shù)據(jù)。物理試驗中選取直流母線電壓為2V、4V和6V，選取柵極電壓為8V、10V、12V、14V、16V和18V，選取溫度為50℃、75℃和100℃，一共3×6×3=54種不同工作條件，即一共有54個阻性負(fù)載的電壓樣本數(shù)據(jù)。對上述條件下的試驗樣本數(shù)據(jù)進(jìn)行中值濾波處理，選取濾波后的前50000個數(shù)據(jù)點，利用式（2）和式（3）計算SiC MOSFET的導(dǎo)通電阻并求其均值，得到54個導(dǎo)通電阻樣本數(shù)據(jù)，用于BPNN的訓(xùn)練和測試。按照4：1的比例將54個導(dǎo)通電阻樣本數(shù)據(jù)分為43個訓(xùn)練樣本和11個測試樣本。

對經(jīng)過較長時間加速熱循環(huán)處理的SiC MOSFET進(jìn)行健康狀態(tài)評估。首先利用SiC MOSFET導(dǎo)通電阻測試電路硬件試驗平臺對SiC MOSFET進(jìn)行測試，并保存試驗中阻性負(fù)載的電壓樣本數(shù)據(jù)。在同一工作條件下采集5個樣本，如Vdc= 2V，Vgs= 8V，T = 50℃條件下采集5個樣本，并對5個樣本編號，共有54種不同工作條件，即采集并保存了54×5=270個樣本，每個樣本包含100000VRd個數(shù)據(jù)。對樣本數(shù)據(jù)進(jìn)行中值濾波，選取濾波后的前50000個數(shù)據(jù)點，利用式（2）和式（3）計算得到SiC MOSFET導(dǎo)通電阻并求其均值，將270個導(dǎo)通電阻的樣本數(shù)據(jù)均輸入BPNN模型。最后，比較SiC MOSFET導(dǎo)通電阻實際測量值與模型估測值，判定SiC MOSFET的健康狀態(tài)。

4.3算法驗證與結(jié)果分析

物理試驗中所用BPNN的結(jié)構(gòu)及其參數(shù)設(shè)置與仿真試驗一致。以試驗設(shè)計的3-5-1結(jié)構(gòu)BPNN模型為例，測試樣本驗證BPNN的模型性能，結(jié)果如圖6所示。圖6的橫縱坐標(biāo)含義與圖5一致。分析測試樣本的實際導(dǎo)通電阻值與BPNN模型輸出值，兩個導(dǎo)通電阻的平均絕對誤差為0.019。

將經(jīng)過長時間加速熱循環(huán)處理的SiC MOSFET相關(guān)試驗數(shù)據(jù)輸入BPNN模型，然后設(shè)定合理的閾值，對SiC MOSFET的健康狀態(tài)進(jìn)行評估。對同一工作條件的5個試驗樣本進(jìn)行編號，并記作樣本1～樣本5。以樣本1為例，圖7的橫坐標(biāo)為54種不同工作條件。圖7的左圖橫坐標(biāo)為樣本狀態(tài)數(shù)，縱坐標(biāo)為SiC MOSFET導(dǎo)通電阻值，其中，綠色標(biāo)注為BPNN的輸出導(dǎo)通電阻值，紅色標(biāo)注為實際的導(dǎo)通電阻值。圖7的右圖橫坐標(biāo)為樣本狀態(tài)數(shù)，縱坐標(biāo)為SiC MOSFET導(dǎo)通電阻預(yù)測值與實際值的相對誤差。

表2～表4給出了本試驗設(shè)計的三種BPNN結(jié)構(gòu)下，不同編號樣本的相對誤差分布情況，其中，3-3-1，3-5-1和3-10-1這三種結(jié)構(gòu)的BPNN分別記為模型Ⅰ、模型Ⅱ和模型Ⅲ，同種編號樣本的總個數(shù)為54。根據(jù)表1～表3的數(shù)據(jù)可得，同種編號的樣本中均有一半以上樣本的估測值與實際值相對誤差為10%～ 20%。SiC MOSFET導(dǎo)通電阻估測值與實際值的相對誤差大于等于10%，可以認(rèn)為經(jīng)過一段時間加速熱循環(huán)的SiC MOSFET導(dǎo)通電阻增加了10%左右，已經(jīng)有了老化趨勢，操作人員應(yīng)在使用過程中需關(guān)注SiC MOSFET的可靠性問題。

5結(jié)束語

本文研究了基于BPNN的SiC MOSFET導(dǎo)通電阻估測方法，其不需要分析SiC MOSFET器件的內(nèi)部結(jié)構(gòu)，也不需要得出SiC MOSFET器件的參數(shù)擬合公式。用本文方法，可以評估不同工作條件下SiC MOSFET的導(dǎo)通電阻值，然后與實際測量的導(dǎo)通電阻值進(jìn)行對比，實現(xiàn)SiC MOSFET的健康狀態(tài)監(jiān)測。本文所提方法具有誤差小、靈活性好且適用范圍廣的優(yōu)勢，可供其他器件類研究借鑒。

參考文獻(xiàn)

[1]方永紅.無人直升機(jī)系統(tǒng)發(fā)展展望[J].航空科學(xué)技術(shù)， 2021， 32（1）：35-40. FangYonghong.Developmentprospectofunmanned helicopter system[J]. Aeronautical Science & Technology， 2021， 32（1）：35-40. （in Chinese）

[2]梁向東.電動飛行器及其關(guān)鍵技術(shù)的研究探析[J].航空科學(xué)技術(shù)， 2020， 31（6）：1-6. Liang Xiangdong. Research on electric vehicle and its key technology[J]. Aeronautical Science & Technology， 2020， 31（6）：1-6. （in Chinese）

[3]李開省.電動飛機(jī)技術(shù)的發(fā)展研究[J].航空科學(xué)技術(shù)， 2019， 30（1）：1-7. Li Kaisheng. Research on the development of electric aircraft technology[J]. Aeronautical Science & Technology， 2019， 30（1）：1-7. （in Chinese）

[4]Senesky D G，Jamshidi B，Cheng K B，et al. Harsh environmentsiliconcarbidesensorsforhealthand performance monitoring of aerospace systems：A review[J]. IEEE Sensors Journal，2009，9（11）：1472-1478.

[5]Yapa R， Forsyth A J， Todd R. Analysis of SiC technology in two-level and three-level converters for aerospace applications[C]//The7thIETInternationalConferenceonPower Electronics， Machines and Drives （PEMD 2014）， Manchester UK， 2014：1-6.

[6]Yin Shan，Tseng K J，Liu Yong，et al. Demonstration of a 50kW and 100kHz SiC high power density converter for aerospace application[C]//2016 IEEE Region 10 Conference（TENCON），Singapore，2016：2888-2891.

[7]Perdikakis W，Hall B，Scott M，et al. Common-mode EMI filter design for Si and SiC inverters in an aerospace drive system[C]// 2019 AIAA/IEEE Electric Aircraft Technologies Symposium（EATS），Indianapolis，USA，2019：1-10.

[8]Nasir U，Chowdhury S，Rocca A L，et al. A SiC based 2-level power converter for shape-and-space-restricted aerospace applications[C]//2019 IEEE 13th International Conference on Power Electronics and Drive Systems（PEDS），Toulouse，F(xiàn)rance，2019：1-7.

[9]Sch？ner C， Hensel A， Cambero J C Z. Investigation of 3-leveltopology MNPC for aerospace applications with SiC-MOSFETbasedpowermodules[C]//The8thIETInternational Conference on Power Electronics， Machines and Drives（PEMD 2016）， Glasgow， UK， 2016：1-6.

[10]盛況，任娜，徐弘毅.碳化硅功率器件技術(shù)綜述與展望[J].中國電機(jī)工程學(xué)報， 2020， 40（6）： 1741-1753. Sheng Kuang， Ren Na， Xu Hongyi. A recent review on silicon carbide power devices technologies[J]. Proceedings of the CSEE， 2020， 40（6）：1741-1753.（in Chinese）

[11]Erturk F，Ugur E，Olson J，et al. Real-time aging detection of SiC MOSFETs[J]. IEEE Transactions on Industry Applications，2019，55（1）：600-609.

[12]Ugur E，Akin B. Aging assessment of discrete SiC MOSFETs under high temperature cycling tests[C]// 2017 IEEE Energy Conversion Congress and Exposition（ECCE），Cincinnati，OH，USA，2017：3496-3501.

[13]Baker N，Munk-Nielsen S，Beczkowski S. Test setup for long term reliability investigation of Silicon Carbide MOSFETs[C]// 2013 15th European Conference on Power Electronics and Applications（EPE），Lille，F(xiàn)rance，2013：1-9.

[14]吳濤，孫鵬，趙志斌，等.基于溫敏電參數(shù)的碳化硅MOSFET結(jié)溫測量方法綜述[J].中國電機(jī)工程學(xué)報， 2021， 41（11）：3904-3915. Wu Tao， Sun Peng， Zhao Zhibin， et al. A review of junction temperature measurement methods of SiC MOSFET by temperature-sensitive electrical parameters[J]. Proceedings of the CSEE， 2021， 41（11）：3904-3915.（in Chinese）

[15]Hanif A，Khan F. Degradation detection of thermally aged SiC and Si Power MOSFETs using spread spectrum time domain reflectometry（SSTDR）[C]// 2018 IEEE 6th Workshop on Wide Bandgap Power Devices and Applications（WiPDA），2018：18-23.

[16]Yu Bin，Wang Li，Ahmed D. Drainsource voltage clamp circuit for online accurate on-state resistance measurement of SiC MOSFETs in DC solid-state power controller[J]. IEEE JournalofEmergingandSelectedTopicsinPower Electronics，2020，8（1）：331-342.

[17]郭慶波.飛行器用永磁同步電機(jī)控制系統(tǒng)效率提升關(guān)鍵技術(shù)[D].哈爾濱：哈爾濱工業(yè)大學(xué)， 2020. Guo Qingbo. Key technologies of efficiency improvement for high efficiency permanent magnet synchronous motor control system in aircraft[D]. Harbin： Harbin Institute of Technology， 2020.（in Chinese）

[18]Pu S，Yang F，Ugur E，et al. On-board SiC MOSFET degradation monitoring through readily available inverter current/ voltage sensors[C]//2019 IEEE Transportation Electrification Conference and Expo（ITEC），Michigan，USA，2019：1-5.

[19]鐘志遠(yuǎn)，秦海鴻，朱梓悅，等.碳化硅MOSFET器件特性的研究[J].電氣自動化， 2015，37（3）：44-45. Zhong Zhiyuan， Qin Haihong， Zhu Ziyue， et al. A study on the characteristicsofSiCMOSFETdevices[J].Electric Automation， 2015， 37（3）： 44-45.（in Chinese）

Research on On-State Resistance Estimation of SiC Power Transistor Based on Neural Network

Cui Jiang1，Chen Yifan1，F(xiàn)an Shiying1，Lin Hua1，Shen Yong2，Wang Youren1，Chen Zewang1

1. Nanjing University of Aeronautics and Astronautics，Nanjing 211106，China

2. Aeronautical Science and Technology Key Laboratory of Fault Diagnosis and Health Management Technology，AVIC Shanghai Aero Measurement Controlling Research Institute，Shanghai 201601，China

Abstract： SiC power devices are applied widely in the applications of aeronautics， mainly in terms of electrical energy transform and distribution. The health surveillance technology has been a focus in the past time for these devices， whose on-state resistance detection technology is crucial. In order to obtain on-state resistance of silicon carbide（SiC） MOSFET power devices simply and accurately， this paper proposes a neural network based on-state resistance estimation method for SiC MOSFET devices. This paper builds a simulation and physical experiment platform for SiC MOSFET on-resistance test circuit， and uses BP neural network to describe in detail on-stateresistance data of SiC MOSFET devices under different temperatures， different gate voltages and different drain currents. Finally， the effect of SiC MOSFET on-state resistance estimation method based on BP neural network is verified. The results show that this method has the advantages of high accuracy and strong generalization ability， and can realize effective estimation of on-state resistance of SiC MOSFET devices.

Key Words： SiC power transistor； on-state resistance； neural networks； error analysis； temperature characteristic