基于神經(jīng)網(wǎng)絡(luò)的igbt模型參數(shù)校準系統(tǒng)及方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及半導體器件的參數(shù)校準技術(shù)，具體地講，是一種基于神經(jīng)網(wǎng)絡(luò)的IGBT 模型參數(shù)校準系統(tǒng)及方法。
【背景技術(shù)】
[0002] 絕緣概雙極型晶體管（Insulated Gate Bipolar Transistor，IGBT)因兼具了金 屬氧化物半導體場效應晶體管（Metal-Oxide-Semiconductor Field-Effect Transistor， M0SFET)的高輸入阻抗和電力晶體管（Giant Transistor，GTR)的低導通壓降的優(yōu)點，已經(jīng) 廣泛使用在各個電子應用領(lǐng)域。目前所能獲得的器件信息主要來自公開的器件數(shù)據(jù)手冊 和軟件仿真模型，如在Simulink中能獲得IGBT的理想型模型，在Pspice中能獲得某型號 IGBT的特定模型和參數(shù)。而在實際應用中，為了更好的分析器件動態(tài)特性，并通過優(yōu)化其驅(qū) 動及保護電路，達到減小開關(guān)損耗，提高可靠性等目的，單純依靠器件的數(shù)據(jù)手冊或者通過 仿真模型難以實現(xiàn)。同時，由于器件差異性的存在，每個器件擁有不同的參數(shù)值，需要依據(jù) 所用器件的模型及其相關(guān)實際參數(shù)才能進行針對性的分析和優(yōu)化。現(xiàn)今，主要從行為和機 理兩個方面對IGBT進行建模，但是行為建模是通過曲線擬合的方式實現(xiàn)的，唯有機理建模 才能分析IGBT的內(nèi)在本質(zhì)。
[0003] 1990年Hefner就已提出IGBT的物理模型，雖然IGBT在日益更新，但是Hefner模 型仍具有相當大的影響力，很多現(xiàn)有的IGBT模型都是在此基礎(chǔ)上發(fā)展起來的。Hefner模 型主要分析了 IGBT關(guān)斷狀態(tài)，而實際IGBT是電壓驅(qū)動的全控型器件，開通和關(guān)斷是不一樣 的，所以非常有必要分別分析開通和關(guān)斷暫態(tài)。同時，Hefner只提供了一組參考模型參數(shù)， 未給出參數(shù)提取的方式；現(xiàn)有的學者通過手冊和經(jīng)驗公式獲取參數(shù)，估計值較多，數(shù)據(jù)獲取 不具有系統(tǒng)性；也有人通過經(jīng)驗公式獲取參數(shù)初始值，再使用一組實驗數(shù)據(jù)優(yōu)化參數(shù)，方法 簡單易實現(xiàn)，但是未提及優(yōu)化算法，優(yōu)化精度不高，且從模型公式可知無法獲取優(yōu)化目標函 數(shù)與模型參數(shù)之間的直接關(guān)系。

【發(fā)明內(nèi)容】

[0004] 有鑒于此，本發(fā)明首先提供了一種基于神經(jīng)網(wǎng)絡(luò)的IGBT模型參數(shù)校準系統(tǒng)，該系 統(tǒng)充分利用神經(jīng)網(wǎng)絡(luò)模型的優(yōu)化功能，通過構(gòu)建一個黑箱對IGBT的參數(shù)進行校準，使其更 加貼合器件本身的動態(tài)特性。
[0005] 為達到上述目的，本發(fā)明所采用的具體技術(shù)方案如下：
[0006] -種基于神經(jīng)網(wǎng)絡(luò)的IGBT模型參數(shù)校準系統(tǒng)，其關(guān)鍵在于，設(shè)置有數(shù)據(jù)輸入模 塊、電路實測模塊、參數(shù)仿真模塊以及參數(shù)校準模塊；
[0007] 所述數(shù)據(jù)輸入模塊用于設(shè)定基極驅(qū)動電壓Vgs和集電極輸入電流I τ;
[0008] 所述電路實測模塊用于根據(jù)所述基極驅(qū)動電壓Vgs和集電極輸入電流I τ來測定 IGBT集電極和發(fā)射極之間的電壓實際輸出值Vce;
[0009] 所述參數(shù)仿真模塊用于根據(jù)所述基極驅(qū)動電壓Vgs、集電極輸入電流It以及IGBT 模型參數(shù)來確定IGBT集電極和發(fā)射極之間的電壓仿真輸出值V' CE;
[0010] 所述參數(shù)校準模塊用于根據(jù)所述電壓實際輸出值Vffi與所述電壓仿真輸出值V' CE 之間的偏差來校準IGBT模型參數(shù)；
[0011] 所述IGBT模型參數(shù)包括^為丄^一^其中^為基區(qū)寬度"為總導電面積； Nb為基區(qū)摻雜濃度；I _為發(fā)射極電子飽和電流；tp為基區(qū)少數(shù)載流子壽命；KpSMOSFET溝 道跨導；
[0012] 所述參數(shù)校準模塊采用神經(jīng)網(wǎng)絡(luò)模型來調(diào)整IGBT模型參數(shù)，使得所述電壓實際 輸出值V ce與所述電壓仿真輸出值V' 之間的偏差達到預設(shè)范圍。
[0013] 進一步地，所述電路實測模塊包括電壓源Vd。、電路負載R以及待測IGBT器件，其中 電壓源V d。的正極經(jīng)過所述電路負載R與所述待測IGBT器件的集電極相連，所述待測IGBT 器件的發(fā)射極接所述電壓源Vd。的負極，所述待測IGBT器件的基極接基極驅(qū)動電壓源，通過 改變所述基極驅(qū)動電壓源來調(diào)整所述基極驅(qū)動電壓V gs，通過改變所述電壓源Vd。或電路負 載R來調(diào)整所述集電極輸入電流It，通過測試所述待測IGBT器件集電極與發(fā)射極之間的電 壓差來獲取所述電壓實際輸出值V ce。
[0014] 更進一步地，所述參數(shù)校準模塊中的神經(jīng)網(wǎng)絡(luò)模型中設(shè)置有一個隱藏層，該隱藏 層的節(jié)點數(shù)為8,輸入層輸入的是一個表征電壓實際輸出值V eE與電壓仿真輸出值V' eE之間 的偏差的目標函數(shù)，輸出層輸出的是IGBT模型參數(shù)中的6個參數(shù)值。
[0015] 除此之外，本發(fā)明還提出了一種基于神經(jīng)網(wǎng)絡(luò)的IGBT模型參數(shù)校準方法，主要按 照以下步驟進行：
[0016] 步驟1 :搭建一個實測電路，并通過改變基極驅(qū)動電壓Vgs和集電極輸入電流I 1來 測定對應情況下IGBT集電極和發(fā)射極之間的電壓實際輸出值Vce;
[0017] 步驟2 :通過數(shù)據(jù)手冊得到待測IGBT器件模型參數(shù)的初始值，并根據(jù)步驟1所述 的基極驅(qū)動電壓Vgs、集電極輸入電流I t以及IGBT模型參數(shù)來確定IGBT集電極和發(fā)射極之 間的電壓仿真輸出值V' CE;
[0018] 1681'器件模型參數(shù)包括^為、1_、％、1(|5，其中1為基區(qū)寬度洫為總導電面積； Nb為基區(qū)摻雜濃度；I _為發(fā)射極電子飽和電流；tp為基區(qū)少數(shù)載流子壽命；KpSMOSFET溝 道跨導；
[0019] 步驟3 :根據(jù)所述電壓實際輸出值^與所述電壓仿真輸出值V' 之間的偏差，采 用神經(jīng)網(wǎng)絡(luò)模型來調(diào)整IGBT模型參數(shù)，使得所述電壓實際輸出值Vce與所述電壓仿真輸出 值V' εΕ之間的偏差達到預設(shè)范圍。
[0020] 作為進一步的描述，步驟1中搭建的實測電路包括電壓源Vd。、電路負載R以及待 測IGBT器件，其中電壓源V d。的正極經(jīng)過所述電路負載R與所述待測IGBT器件的集電極相 連，所述待測IGBT器件的發(fā)射極接所述電壓源V d。的負極，所述待測IGBT器件的基極接基 極驅(qū)動電壓源，通過改變所述基極驅(qū)動電壓源來調(diào)整所述基極驅(qū)動電壓V gs，通過改變所述 電壓源Vd。或電路負載R來調(diào)整所述集電極輸入電流I τ，通過測試所述待測IGBT器件集電 極與發(fā)射極之間的電壓差來獲取所述電壓實際輸出值VCE。
[0021] 再進一步描述，步驟2中，開通模型下，電壓仿真輸出值V' 是按照 CN 105138741 A I兄明書 3/10 頁
進行仿真得到的，關(guān)斷模型下，電壓仿真輸出值V' εΕ是按照
進 行仿真得到的，其中：
，Vgs為基極驅(qū)動電 壓，Vds為MOSFET漏源極之間的電壓，V 7是溝道導通閾值電壓，I b為基極電流，C _為IGBT中 的寄生電容值，且4與Cte]是可以通過所述基極驅(qū)動電壓Vgs、集電極輸入電流It以及IGBT 模型參數(shù)來確定的。
[0022] 步驟3中的神經(jīng)網(wǎng)絡(luò)模型設(shè)置有一個隱藏層，該隱藏層的節(jié)點數(shù)為8,輸入層輸入 的是一個表征電壓實際輸出值V eE與電壓仿真輸出值V' 〇；之間的偏差的目標函數(shù)，輸出層 輸出的是IGBT模型參數(shù)中的6個參數(shù)值。
[0023] 在利用神經(jīng)網(wǎng)絡(luò)進行參數(shù)校準的過程中，神經(jīng)網(wǎng)絡(luò)模型輸入層輸入的目標函數(shù)可 以選為
，其中V1"1表示電壓實際輸出曲線上第i個采樣點的值，V 113表示電 壓仿真輸出曲線上第i個采樣點的值，i = 1~η，η為采樣點的個數(shù)。
[0024] 作為優(yōu)選，在所述神經(jīng)網(wǎng)絡(luò)模型中，采用變步長法在IGBT器件參數(shù)初始值附近分 別調(diào)節(jié)IGBT器件一個參數(shù)值，具體為：θ ι+1= θ ι+β ( Θ廠Θ i J，其中Θ 1表示本次調(diào)節(jié)時 的模型參數(shù)值，Θ 1+1表示下次調(diào)節(jié)時的模型參數(shù)值，Θ 表示上次調(diào)