分立型功率MOSFET结温估计的非线性热网络模型和参数辨识方法
功率场效应晶体管MOSFET原理及其驱动
功率场效应晶体管(MOSFET)原理功率场效应管(Power MOSFET)也叫电力场效应晶体管，是一种单极型的电压控制器件，不但有自关断能力,而且有驱动功率小,开关速度高、无二次击穿、安全工作区宽等特点。
由于其易于驱动和开关频率可高达500kHz，特别适于高频化电力电子装置，如应用于DC/DC变换、开关电源、便携式电子设备、航空航天以及汽车等电子电器设备中。
但因为其电流、热容量小，耐压低，一般只适用于小功率电力电子装置。
一、电力场效应管的结构和工作原理电力场效应晶体管种类和结构有许多种，按导电沟道可分为P沟道和N沟道，同时又有耗尽型和增强型之分。
在电力电子装置中，主要应用N沟道增强型。
电力场效应晶体管导电机理与小功率绝缘栅MOS管相同，但结构有很大区别。
小功率绝缘栅MOS管是一次扩散形成的器件，导电沟道平行于芯片表面，横向导电。
电力场效应晶体管大多采用垂直导电结构，提高了器件的耐电压和耐电流的能力。
按垂直导电结构的不同，又可分为2种：V形槽VVMOSFET和双扩散VDMOSFET。
电力场效应晶体管采用多单元集成结构，一个器件由成千上万个小的MOSFET组成。
N沟道增强型双扩散电力场效应晶体管一个单元的部面图，如图1(a)所示。
电气符号，如图1(b)所示。
电力场效应晶体管有3个端子：漏极D、源极S和栅极G。
当漏极接电源正，源极接电源负时，栅极和源极之间电压为0，沟道不导电，管子处于截止。
如果在栅极和源极之间加一正向电压U GS，并且使U GS大于或等于管子的开启电压U T，则管子开通，在漏、源极间流过电流I D。
U GS超过U T越大，导电能力越强，漏极电流越大。
二、电力场效应管的静态特性和主要参数Power MOSFET静态特性主要指输出特性和转移特性，与静态特性对应的主要参数有漏极击穿电压、漏极额定电压、漏极额定电流和栅极开启电压等。
{{分页}}1、静态特性（1）输出特性输出特性即是漏极的伏安特性。
【精品】各种MOSFET参数大全
2 分立器件功率MOSFET 1）特性参数功率MOSFET是我们最熟悉的绿色社会开拓者。
它们能帮助我们创建低损耗系统。
我们的最新工艺和小型封装能帮助您提高系统效率，缩小系统尺寸，从而创建终极低功耗驱动。
（通用开关功率MOSFET、汽车功率MOSFET、IPD、电池功率MOSFET、通用放大器功率MOSFET）功率MOSFET 参数介绍第一部分最大额定参数最大额定参数，所有数值取得条件Ta25℃最大漏-VDSS 最大漏-源电压在栅源短接，漏-源额定电压VDSS是指漏-源未发生雪崩击穿前所能施加的最大电压。
根据温度的不同，实际雪崩击穿电压可能低于额定VDSS。
关于VBRDSS的详细描述请参见静电学特性.VGS 最大栅源电压VGS 额定电压是栅源两极间可以施加的最大电压。
设定该额定电压的主要目的是防止电压过高导致的栅氧化层损伤。
实际栅氧化层可承受的电压远高于额定电压，但是会随制造工艺的不同而改变，因此保持VGS在额定电压以内可以保证应用的可靠性。
连续漏电流ID - 连续漏电流ID定义为芯片在最大额定结温TJmax下，管表面温度在25℃或者更高温度下，可允许的最大连续直流电流。
该参数为结与管壳之间额定热阻RθJC和管壳温度的函数：ID中并不包含开关损耗，并且实际使用时保持管表面温度在25℃（Tcase）也很难。
因此，硬开关应用中实际开关电流通常小于ID 额定值TC 25℃的一半，通常在1/3～1/4。
补充，如果采用热阻JA的话可以估算出特定温度下的ID，这个值更有现实意义。
IDM -脉冲漏极电流该参数反映了器件可以处理的脉冲电流的高低，脉冲电流要远高于连续的直流电流。
定义IDM的目的在于：线的欧姆区。
对于一定的栅-源电压，MOSFET导通后，存在最大的漏极电流。
如图所示，对于给定的一个栅-源电压，如果工作点位于线性区域内，漏极电流的增大会提高漏-源电压，由此增大导通损耗。
长时间工作在大功率之下，将导致器件失效。
soi mosfet高温电学参数退化机制的研究
soi mosfet高温电学参数退化机制的研究半导体材料的性能随着温度的增加而发生变化，这对于用于高温环境下的电子器件的可靠性和性能至关重要。
尤其对于高温工作的SOI MOSFET （Silicon-On-Insulator Metal-Oxide-Semiconductor Field Effect Transistor）器件而言，其电学参数如电流驱动能力、截止频率等退化对于其稳定的工作至关重要。
因此，研究SOI MOSFET高温下的电学参数退化机制具有重要的理论和应用意义。
研究目的：本文旨在系统地研究SOI MOSFET在高温环境下电学参数退化的机制，从材料特性、器件物理和工作条件等多个角度进行分析，为高温环境下SOI MOSFET的设计和应用提供理论指导。
方法步骤：第一步：材料特性分析首先，我们需要对SOI MOSFET的材料特性进行分析。
SOI MOSFET是一种在划分的单晶硅基底和绝缘层上制作的器件。
绝缘层的厚度和材料类型对其电学参数退化有着影响。
因此，我们需要研究不同绝缘层的材料（如SiO2、Si3N4等）在高温下的热稳定性，以及与硅基底之间的界面特性。
第二步：器件物理分析接下来，我们将对SOI MOSFET的器件物理进行分析。
主要包括沟道长度、抑制因子、反漏电流等特性的退化机制。
高温环境下，薄绝缘层和硅基底之间的热扩散效应会导致电流密度增加，进而造成沟道长度和抑制因子的退化。
此外，高温还会引起载流子的热激发和杂质散射效应，导致反漏电流的增加。
通过对这些机制进行分析，可以提供更准确的电学参数模型。
第三步：工作条件分析最后，我们需要研究高温环境下SOI MOSFET的工作条件对电学参数的影响。
温度对电学参数的退化有着显著的影响，因此在高温环境下，我们需要考虑如何调整工作电压、电流等工作条件来保证器件的可靠性稳定性。
结果与讨论：通过对SOI MOSFET高温下电学参数退化机制的研究，我们可以得到以下结论：1. 不同绝缘层材料对SOI MOSFET的高温稳定性有着不同的影响，SiO2绝缘层具有较好的热稳定性。
基于SVR数据中心空调系统瞬态热参数预测
第１３卷㊀第１１期Ｖｏｌ．１３Ｎｏ．１１㊀㊀智㊀能㊀计㊀算㊀机㊀与㊀应㊀用ＩｎｔｅｌｌｉｇｅｎｔＣｏｍｐｕｔｅｒａｎｄＡｐｐｌｉｃａｔｉｏｎｓ㊀㊀２０２３年１１月㊀Ｎｏｖ．２０２３㊀㊀㊀㊀㊀㊀文章编号：２０９５－２１６３（２０２３）１１－０１６１－０５中图分类号：ＴＰ３１１．１文献标志码：Ａ基于ＳＶＲ数据中心空调系统瞬态热参数预测黄金森，朱㊀兵，张一鸣，殷佳辉，苗益川（贵州大学电气工程学院，贵阳５５００２５）摘㊀要：数据中心空调系统是维持数据中心的关键设备，直接影响到数据中心的安全运行，目前对空调系统的研究大多集中在节能降耗以及气流优化等领域㊂在空调故障影响等瞬态变化领域的研究仍然较少㊂因此有必要探究空调系统故障对机房气流组织的影响，建立针对空调失效极端工况下的快速温度预测模型，为能效控制系统及运行系统提供参考㊂本文根据空调系统故障实验分别建立了空调冷冻水泵失效及风机失效情况下的关键位置的温度变化时间序列预测模型，模型基于线性核函数支持向量回归机㊂研究表明相较于非线性核函数支持向量机，线性核函数支持向量机更适合进行冷冻水泵失效时的热参数预测㊂关键词：数据中心；机器学习；热参数预测；数据驱动ＴｒａｎｓｉｅｎｔｔｈｅｒｍａｌｐａｒａｍｅｔｅｒｐｒｅｄｉｃｔｉｏｎｂａｓｅｄｏｎＳＶＲｄａｔａｃｅｎｔｅｒａｉｒｃｏｎｄｉｔｉｏｎｉｎｇｓｙｓｔｅｍＨＵＡＮＧＪｉｎｓｅｎ，ＺＨＵＢｉｎｇ，ＺＨＡＮＧＹｉｍｉｎｇ，ＹＩＮＪｉａｈｕｉ，ＭｉａｏＹｉｃｈｕａｎ（ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，ＧｕｉｚｈｏｕＵｎｉｖｅｒｓｉｔｙ，Ｇｕｉｙａｎｇ５５００２５，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｔｈｅｄａｔａｃｅｎｔｅｒａｉｒｃｏｎｄｉｔｉｏｎｉｎｇｓｙｓｔｅｍｉｓａｋｅｙｅｑｕｉｐｍｅｎｔｔｏｍａｉｎｔａｉｎｔｈｅｄａｔａｃｅｎｔｅｒ，ｗｈｉｃｈｄｉｒｅｃｔｌｙａｆｆｅｃｔｓｔｈｅｓａｆｅｏｐｅｒａｔｉｏｎｏｆｔｈｅｄａｔａｃｅｎｔｅｒ．Ｍｏｓｔｏｆｔｈｅｃｕｒｒｅｎｔｒｅｓｅａｒｃｈｏｎａｉｒｃｏｎｄｉｔｉｏｎｉｎｇｓｙｓｔｅｍｉｓｆｏｃｕｓｅｄｏｎｅｎｅｒｇｙｓａｖｉｎｇａｎｄｃｏｎｓｕｍｐｔｉｏｎｒｅｄｕｃｔｉｏｎａｓｗｅｌｌａｓａｉｒｆｌｏｗｏｐｔｉｍｉｚａｔｉｏｎ．Ｆｅｗｅｒｓｔｕｄｉｅｓｈａｖｅｅｍｅｒｇｅｄｉｎｔｈｅａｒｅａｏｆｔｒａｎｓｉｅｎｔｃｈａｎｇｅｓｓｕｃｈａｓｔｈｅｉｍｐａｃｔｏｆａｉｒｃｏｎｄｉｔｉｏｎｉｎｇｆａｉｌｕｒｅｓ．Ｔｈｅｒｅｆｏｒｅ，ｉｔｉｓｎｅｃｅｓｓａｒｙｔｏｅｘｐｌｏｒｅｔｈｅｉｍｐａｃｔｏｆａｉｒｃｏｎｄｉｔｉｏｎｉｎｇｓｙｓｔｅｍｆａｉｌｕｒｅｏｎｔｈｅａｉｒｆｌｏｗｏｒｇａｎｉｚａｔｉｏｎｏｆｔｈｅｓｅｒｖｅｒｒｏｏｍａｎｄｅｓｔａｂｌｉｓｈａｆａｓｔｔｅｍｐｅｒａｔｕｒｅｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌｆｏｒｔｈｅｅｘｔｒｅｍｅｏｐｅｒａｔｉｎｇｃｏｎｄｉｔｉｏｎｓｏｆａｉｒｃｏｎｄｉｔｉｏｎｉｎｇｆａｉｌｕｒｅｔｏｐｒｏｖｉｄｅａｒｅｆｅｒｅｎｃｅｆｏｒｅｎｅｒｇｙ－ｅｆｆｉｃｉｅｎｔｃｏｎｔｒｏｌｓｙｓｔｅｍｓａｎｄｏｐｅｒａｔｉｏｎｓｙｓｔｅｍｓ．Ｉｎｔｈｉｓｐａｐｅｒ，ｔｉｍｅｓｅｒｉｅｓｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌｓｏｆｔｅｍｐｅｒａｔｕｒｅｃｈａｎｇｅｓａｔｃｒｉｔｉｃａｌｌｏｃａｔｉｏｎｓｕｎｄｅｒａｉｒｃｏｎｄｉｔｉｏｎｅｒｃｈｉｌｌｅｄｗａｔｅｒｐｕｍｐｆａｉｌｕｒｅａｎｄｆａｎｆａｉｌｕｒｅａｒｅｅｓｔａｂｌｉｓｈｅｄｂａｓｅｄｏｎｌｉｎｅａｒｋｅｒｎｅｌｆｕｎｃｔｉｏｎｓｕｐｐｏｒｔｖｅｃｔｏｒｒｅｇｒｅｓｓｉｏｎｍａｃｈｉｎｅ．Ｔｈｅｒｅｓｅａｒｃｈｄｅｍｏｎｓｔｒａｔｅｓｔｈａｔｔｈｅｌｉｎｅａｒｋｅｒｎｅｌｆｕｎｃｔｉｏｎｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅｉｓｍｏｒｅｓｕｉｔａｂｌｅｆｏｒｔｈｅｐｒｅｄｉｃｔｉｏｎｏｆｔｈｅｒｍａｌｐａｒａｍｅｔｅｒｓｉｎｃａｓｅｏｆｃｈｉｌｌｅｄｗａｔｅｒｐｕｍｐｆａｉｌｕｒｅｔｈａｎｔｈｅｎｏｎｌｉｎｅａｒｋｅｒｎｅｌｆｕｎｃｔｉｏｎｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅ．Ｋｅｙｗｏｒｄｓ：ｄａｔａｃｅｎｔｅｒ；ｍａｃｈｉｎｅｌｅａｒｎｉｎｇ；ｔｈｅｒｍａｌｐａｒａｍｅｔｅｒｐｒｅｄｉｃｔｉｏｎ；ｄａｔａｄｒｉｖｅｎ基金项目：贵州省科技支撑计划项目（２０１７ＹＦＢ０９０２１００）㊂作者简介：黄金森（１９９８－），男，硕士研究生，主要研究方向：建筑节能㊁能源系统优化㊂通讯作者：朱㊀兵（１９６７－），女，高级工程师，主要研究方向：分布式能源系统㊁建筑节能技术㊂Ｅｍａｉｌ：４５２１７９２２４＠ｑｑ．ｃｏｍ收稿日期：２０２３－０６－１００㊀引㊀言截至２０２１年，中国数据中心机架总规模超过５２０万，在用服务器规模达到１９００万台，预计未来国内数据中心装机容量将继续保持快速增长［１］㊂庞大的装机容量使得数据中心行业用电量飞速增长，预计到２０２５年国内数据中心用电量将达到３９５０亿千瓦时，占全社会用电量的５．８％［２］㊂Ｎｉ等学者［３］调查了１００个数据中心能耗情况，暖通空调系统能耗占总能耗平均值为３８％，其中，在调查的能耗最低占比为２１％，最高占比为６１％，可见数据中心空调系统节能潜力巨大㊂仅通过改造机房结构进行气流组织优化的传统措施已不能满节能需求，在此基础上开发动态优化冷源供应控制系统是目前行业的迫切需要，而建立动态优化供冷控制系统首要任务是实现数据中心气流组织热参数的快速预测㊂Ａｔｈａｖａｌｅ等学者［４］评估了人工神经网络（ＡＮＮ）㊁高斯过程回归（ＧＰＲ）和支持向量回归（ＳＶＲ）３种机器学习方法对数据中心稳态工况下机架入口温度分布的预测性能，研究表明三种方法所得到的稳态模型具有相当的准确性，对于冷却故障情况下的瞬态预测，核函数的选择决定了ＳＶＲ和ＧＰＲ所开发模型的外推能力㊂本文使用带线性核函数的支持向量回归机对空调故障情况下热参数进行预测㊂１㊀实验数据分析空调系统冷冻水泵故障是数据中心日常运行中常见的故障情况之一，在实验室ＲＬ［５］中进行空调冷冻水泵故障实验和风机故障实验㊂实验过程中，在每个模拟机箱的入口设置了９个测温点，１０块高架地板每块上方设置一个测温点，空调回风口设置６个测温点，空调出风口设置４个测温点，每个测温点布置１个热电偶测温，取每个位置所有热电偶的平均值，实验温度测量的不确定度约为０．５ １Ｋ㊂１．１㊀冷冻水泵失效实验冷冻水泵失效实验研究了冷冻水泵失效后６ｍｉｎ内高架地板入口，空调回风口㊁空调进风口㊁每个模拟机箱入口的温度变化，实验中为了避免实验设备损坏，在Ｒ１㊁Ｒ２㊁Ｒ３负荷均为２０％的条件下进行实验，在服务器及空调稳定运行过程中关闭，冷冻水回水阀，从关闭时开始约６０ｓ冷冻水回水阀完全关闭冷冻水泵停止运行时间总计６ｍｉｎ㊂在此期间，测量了空调回风温度㊁空调出风温度㊁高架地板入口温度等参数㊂机房及静压箱内的空气循环如图１所示㊂空调回风口机柜机柜入口机柜出口高架地板入口冷冻水泵风机静压箱C R A C图１㊀机房及静压箱内的空气循环示意图Ｆｉｇ．１㊀Ｓｃｈｅｍａｔｉｃｄｉａｇｒａｍｏｆａｉｒｃｉｒｃｕｌａｔｉｏｎｉｎｔｈｅｅｑｕｉｐｍｅｎｔｒｏｏｍａｎｄｐｌｅｎｕｍ㊀㊀在冷冻水泵失效的６ｍｉｎ内空调回风温度㊁空调出风温度㊁高架地板入口温度与模拟机箱Ｒ１Ｃ４的入口温度变化情况如图２所示㊂冷冻水泵停止运行意味着从机房进入空调的热风无法被循环水冷却，只能与滞留在换热器内的冷冻水进行热交换，由于此时冷冻水处于静止状态，换热系数较低，因此空调的时间常数比正常运行情况下更长㊁约为７０ｓ㊂由于风机正常运行，所以机房内流场未发生较大变化，空调的出风温度逐渐上升，最终接近于空调回风温度㊂高架地板的出风温度曲线与空调出风温度曲线出现交叉，在４０ｓ左右空调出风温度超过高架地板出风温度，空调出风温度上升速度高于高架地板出风口的温度，这是因为静压箱内混凝土底板㊁侧墙等建筑材料比热容比空气大，在静压箱内空气温度迅速升高时起到了冷却作用㊂模拟机箱Ｒ１Ｃ４进风温度变化趋势与空调回风温度变化趋势大致相同，在０ ５０ｓ区间内温度变化较小，这是因为冷源失效的初始时刻静压箱内储备了一定量的冷空气，因此仍可以维持一定时间的制冷效果；５０ｓ后基本呈线性增长趋势，此时由于静压箱内储备的冷空气逐渐耗尽，在服务器的加热作用下，机房内空气循环的平均温度逐渐升高㊂高架地板入口温度空调出风温度空调回风温度R I C4进风温度300298296294292290288286284050100150200250300350时间/s温度/K图２㊀水泵失效期间机房部分位置温度变化图Ｆｉｇ．２㊀Ｔｅｍｐｅｒａｔｕｒｅｖａｒｉａｔｉｏｎｏｆｓｏｍｅｐａｒｔｓｏｆｔｈｅｅｑｕｉｐｍｅｎｔｒｏｏｍｄｕｒｉｎｇｗａｔｅｒｐｕｍｐｆａｉｌｕｒｅ１．２㊀空调风机失效实验空调系统冷风扇故障同样是数据中心日常运行中常见的故障情况之一，为了避免实验设备损坏，风机失效实验在Ｒ１㊁Ｒ２㊁Ｒ３负荷均在３０％的条件下进行，在服务器及空调稳定运行过程中关闭空调风机停止运行时间总计６ｍｉｎ㊂在此期间没有新风进入机房，模拟机箱入口循环吸入自身排气㊂实验测量了Ｒ３Ｃ４㊁Ｒ２Ｃ４㊁Ｒ１Ｃ４㊁Ｒ１Ｃ３共４个模拟机箱的入口温度变化，４个模拟机箱的入口温度变化情况相差不大㊂图３展示了在空调风机失效的６ｍｉｎ内模拟机箱Ｒ３Ｃ４和Ｒ１Ｃ４的入口温度变化情况㊂在风机失效后的３６０ｓ内，模拟机箱Ｒ１Ｃ４与Ｒ３Ｃ４的变化趋势大致相同：在风机失效后的０ １８０ｓ区间内，机柜入口温度约上升了１２Ｋ；在１８０ ３６０ｓ区间内，机柜入口温度约上升了５Ｋ㊂温度变化呈现出先快后慢的趋势，这是由于风机失效后，空调出风流量逐渐减小，静压箱与机房之间的压差逐渐消失，冷风无法穿过高架地板进入机房㊂此时由于冷却不足，模拟机箱不断循环吸入自身排气，使得机柜内部温度不断升高，入口温度迅速上升㊂与此同时，机柜入口空２６１智㊀能㊀计㊀算㊀机㊀与㊀应㊀用㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第１３卷㊀气流速降低导致边界层厚度增加，湍流程度降低，从而使空气对流换热系数降低，随着温度的上升空气与服务器之间的温差降低，温度上升速度减小㊂R 3C 4入口温度R 1C 4入口温度310308306304302300298296294292290温度/K0306090120150180210240270300330360时间/s图３㊀风机失效期间Ｒ３Ｃ４及Ｒ１Ｃ４入口温度变化图Ｆｉｇ．３㊀ＴｅｍｐｅｒａｔｕｒｅｖａｒｉａｔｉｏｎｏｆＲ３Ｃ４ａｎｄＲ１Ｃ４ｉｎｌｅｔｄｕｒｉｎｇｆａｎｆａｉｌｕｒｅ２㊀时间序列预测简介时间序列预测原理是根据某个变量的历史变化情况对该变量在未来某段时间或某个时刻的变化情况做出预测㊂时间序列预测不局限于对未来值的预测，还包括异常检测时间序列分类等领域㊂时间序列也叫时间数列㊁历史复数或动态数列，是在某一时间区间内按顺序记录下的相同指标的数据集合，具有可比性㊂常见的时间序列预测模型有时间分解㊁自回归（ＡＲ）模型㊁移动平均（ＭＡ）模型㊁自回归滑动平均（ＡＲＭＡ）模型㊁差分自回归移动平均（ＡＲＩＭＡ）模型㊁带输入差分自回归平均移动（ＡＲＩＭＡＸ）模型等，然而由于ＡＲ㊁ＭＡ㊁ＡＲＭＡ模型特性，三者只适合对平稳时间序列进行线性拟合，当处理的时间序列呈现上升或下降的趋势时预测效果不尽人意㊂因此ＡＲＩＭＡ模型应运而生，该模型通过对不平稳的时间序列进行差分或对数化运算，将其转化为平稳时间序列后对其进行自回归滑动平均分析［６］㊂ＡＲＩＭＡＸ则是在ＡＲＩＭＡ的基础上实现了基于输入变量时间序列预测㊂随着计算机技术的飞速发展推动了机器学习和深度学习等建模方法的迅速崛起，相较于传统时间序列预测模型，机器学习模型非线性拟合能力更强，可以对超大维度及变化复杂的时间序列数据进行处理㊂支持向量回归机在处理小样本数据时相较于其他算法更有优势，且空调冷冻水泵停机后温度变化接近线性，因此与文献［４］使用的非线性核函数支持向量机不同，本文使用基于线性核函数的支持向量回归机对空调系统失效时机房内温度变化情况进行预测，实验样本数量为３６０组，是空调失效３６０ｓ内关键位置的温度变化情况，每秒记录一次㊂在空调失效的３６０ｓ内，前１８０ｓ的数据用于模型训练，后１８０ｓ的数据进行外推预测㊂时间步长设置为１５ｓ，单时间步预测，即使用某点前１５个数据对其进行预测，对实验数据进行滑窗处理，将训练集输入整理为１５个数据为一组，时间序列的实现过程见图４㊂输入输出训练集测试集训练集预测值测试集输入输出测试集输入训练集图４㊀时间序列外推预测示意图Ｆｉｇ．４㊀Ｓｃｈｅｍａｔｉｃｄｉａｇｒａｍｏｆｔｉｍｅｓｅｒｉｅｓｅｘｔｒａｐｏｌａｔｉｏｎｐｒｅｄｉｃｔｉｏｎ３㊀基于ＳＶＲ的时间序列预测３．１㊀冷冻水泵失效参数预测如前文所述，前１８０ｓ的数据用于训练模型，后１８０ｓ的数据用于测试外推精度，检验支持向量回归模型对时间序列的预测精度㊂使用带线性核函数的支持向量回归机对空调回风温度及Ｒ１Ｃ４模拟机箱入口温度进行预测㊂３．１．１㊀空调回风温度预测冷冻水泵停机后，空调回风温度实验值与预测值对比结果如图５所示㊂预测值与观测值在３６０个观测点的误差分布如图６所示㊂2972962952942932922912900306090120150180210240270300330360时间/s温度/K实验值预测值外推预测测试集训练集图５㊀空调回风温度时间序列预测结果Ｆｉｇ．５㊀Ｔｉｍｅｓｅｒｉｅｓｐｒｅｄｉｃｔｉｏｎｒｅｓｕｌｔｓｏｆａｉｒｃｏｎｄｉｔｉｏｎｅｒｒｅｔｕｒｎａｉｒｔｅｍｐｅｒａｔｕｒｅ３６１第１１期黄金森，等：基于ＳＶＲ数据中心空调系统瞬态热参数预测0306090120150180210240270300330360时间/s0.30.20.10-0.1-0.2-0.3温度/K预测误差图６㊀空调回风温度时间序列预测误差Ｆｉｇ．６㊀Ｔｉｍｅｓｅｒｉｅｓｐｒｅｄｉｃｔｉｏｎｅｒｒｏｒｏｆａｉｒｃｏｎｄｉｔｉｏｎｅｒｒｅｔｕｒｎａｉｒｔｅｍｐｅｒａｔｕｒｅ㊀㊀从图５和图６中可以明显看到，在１６ １８０ｓ的区间内（由于时间序列的滑动窗口长度（时间步长）为１５，因此前１５ｓ的数据不作为参考），时间序列训练集吻合效果较好，最大绝对误差小于０．１Ｋ㊂在１８０ ３６０ｓ区间内，预测结果可以准确反映温度变化的总体趋势，但线性模型无法反映实际测量结果的轻微波动，空调回风温度预测模型评价指标见表１㊂㊀㊀从评价指标看，外推预测的最大绝对预测误差为０．２５５Ｋ，均方根误差为０．０６２７Ｋ，均远小于空调回风温度的测量不确定度１Ｋ㊂模型训练时间约为１ｓ，可以认为线性核函数支持向量机在１８０ ３６０ｓ外推区间内实现了对空调回风温度的快速准确预测㊂表１㊀空调回风温度预测评价指标Ｔａｂ．１㊀Ｅｖａｌｕａｔｉｏｎｉｎｄｅｘｏｆａｉｒｃｏｎｄｉｔｉｏｎｅｒｒｅｔｕｒｎａｉｒｔｅｍｐｅｒａｔｕｒｅｐｒｅｄｉｃｔｉｏｎ数据集ＭＥＭＡＥＭＳＥＲＭＳＥＭＡＰＥＲＲ２Ｔｒａｉｎ０．０６７４６０．０１６５９０．０００４１０．０２０２６０．００６０．９９９６６０．９９９３３Ｔｅｓｔ０．２５４４８０．０４５３８０．００３９３０．０６２６７０．０３５０．９９５４７０．９９０９６３．１．２㊀Ｒ１Ｃ４模拟机箱入口温度预测冷冻水泵停机后模拟机箱Ｒ１Ｃ４入口温度实验值与预测值对比结果如图７所示㊂预测值与观测值在３６０个观测点的误差分布如图８所示㊂0306090120150180210240270300330360时间/s295294293292291290289288实验值预测值外推预测测试集训练集温度/K 图７㊀模拟机箱Ｒ１Ｃ４入口温度时间序列预测结果Ｆｉｇ．７㊀ＴｉｍｅｓｅｒｉｅｓｐｒｅｄｉｃｔｉｏｎｒｅｓｕｌｔｓｏｆｉｎｌｅｔｔｅｍｐｅｒａｔｕｒｅｏｆｓｉｍｕｌａｔｅｄｃｈａｓｓｉｓＲ１Ｃ４㊀㊀从图７和图８中可以明显看到，在前１８０ｓ训练集内支持向量回归机预测值与观测值总体拟合良好，误差随着曲线的波动小范围内变化㊂在１８０３６０ｓ区间内，预测值均小于实验值，外推预测误差随曲线波动变化，平均误差逐渐增大㊂从变化趋势看，在３６０ｓ之后的预测值精度将难以保证，模拟机箱Ｒ１Ｃ４入口温度预测模型评价指标见表２㊂0306090120150180210240270300330360时间/s0.20.10-0.1-0.2-0.3-0.4-0.5温度/K 预测误差图８㊀模拟机箱Ｒ１Ｃ４入口温度时间序列预测误差Ｆｉｇ．８㊀ＰｒｅｄｉｃｔｉｏｎｅｒｒｏｒｏｆｉｎｌｅｔｔｅｍｐｅｒａｔｕｒｅｔｉｍｅｓｅｒｉｅｓｏｆｓｉｍｕｌａｔｅｄｃｈａｓｓｉｓＲ１Ｃ４表２㊀模拟机箱Ｒ１Ｃ４入口温度预测评价指标Ｔａｂ．２㊀ＥｖａｌｕａｔｉｏｎｉｎｄｅｘｅｓｏｆｉｎｌｅｔｔｅｍｐｅｒａｔｕｒｅｐｒｅｄｉｃｔｉｏｎｏｆｓｉｍｕｌａｔｅｄｃｈａｓｓｉｓＲ１Ｃ４数据集ＭＥＭＡＥＭＳＥＲＭＳＥＭＡＰＥＲＲ２Ｔｒａｉｎ０．０８６２１０．０１５２９０．０００４３０．０２０８１０．００５０．９９９８１０．９９９６２Ｔｅｓｔ０．３８１５７０．２０３１７０．０４７４８０．２１７８９０．０６９０．９６３２１０．９２７７７㊀㊀从评价指标来看测试集的各项误差均大于训练集，测试集均方根误差为０．２１８Ｋ，最大误差为０．３８２Ｋ，均小于实验测量的不确定度，且模型训练时间小于１ｓ，因此可认为实现了较为准确的快速温度预测㊂测试集相关性相较于训练集明显下降，这主要是实验值曲线波动较大造成的㊂在气流组织变化较快的位置，预测模型准确性会有所降低㊂根据本文中空调回风温度预测模型㊁模拟机箱Ｒ１Ｃ４入口温度预测模型的评价指标对比文献［４］中研究成果，可以发现与非线性核函数支持向量机相比，线性核函数支持向量机更适用于冷冻水泵失效时的热参数预测，因为在冷冻水泵失效后的短期内机柜入口温度变化趋势及空调回风温度变化趋势接近线性㊂４６１智㊀能㊀计㊀算㊀机㊀与㊀应㊀用㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第１３卷㊀３．２㊀风机失效参数预测冷冻水泵停机后空调回风温度实验值与预测值对比结果如图９所示㊂预测值与观测值在３６０个观测点的误差分布如图１０所示㊂㊀㊀从图９和图１０中可以明显看到，在前１８０ｓ训练集内支持向量回归机预测值与观测值总体拟合良好，误差随着曲线的波动小范围内变化㊂在１８０３１０ｓ外推预测区间实验值并非严格线性变化，并且实验数据有一定的噪声，造成预测误差较大㊂预测值在１８０ ３４５ｓ内预测值均低估了实验值，随着实际温度上升速度下降，预测值与实验值出现相交，可以看出在３６０ｓ之后预测值将不断增长，预测结果将不再可信，模拟机箱Ｒ１Ｃ４入口温度预测模型评价指标见表３㊂㊀㊀从评价指标来看，测试集的误差远大于训练集，最大误差达到０．８６２Ｋ，均方根误差为０．４９６Ｋ，且测试集的相关性不高，Ｒ２约为０．８５㊂此外，由于模型的惩罚因子较大，训练时间约为６ｓ㊂这是因为当风机失效后，机柜入口温度变化趋势与冷冻水泵失效后不同，温度上升速度先快后慢，机柜入口温度变化趋势呈非线性，因此线性核函数支持向量机的预测结果不够理想㊂0306090120150180210240270300330360时间/s实验值预测值外推预测测试集训练集310308306304302300298296294292290288温度/K图９㊀模拟机箱Ｒ３Ｃ４入口温度时间序列预测误差Ｆｉｇ．９㊀ＰｒｅｄｉｃｔｉｏｎｅｒｒｏｒｏｆｔｅｍｐｅｒａｔｕｒｅｔｉｍｅｓｅｒｉｅｓａｔｔｈｅｅｎｔｒａｎｃｅｏｆｔｈｅｓｉｍｕｌａｔｅｄｃｈａｓｓｉｓＲ３Ｃ４0306090120150180210240270300330360时间/s0.50.40.30.20.1-0.1-0.2-0.3-0.4-0.5-0.6-0.7-0.8-0.9-1.0温度/K预测误差图１０㊀模拟机箱Ｒ３Ｃ４入口温度时间序列预测误差Ｆｉｇ．１０㊀ＰｒｅｄｉｃｔｉｏｎｅｒｒｏｒｏｆｔｅｍｐｅｒａｔｕｒｅｔｉｍｅｓｅｒｉｅｓａｔｔｈｅｅｎｔｒａｎｃｅｏｆｔｈｅｓｉｍｕｌａｔｅｄｃｈａｓｓｉｓＲ３Ｃ４表３㊀模拟机箱Ｒ３Ｃ４入口温度预测评价指标Ｔａｂ．３㊀ＥｖａｌｕａｔｉｏｎｉｎｄｅｘｅｓｏｆｉｎｌｅｔｔｅｍｐｅｒａｔｕｒｅｐｒｅｄｉｃｔｉｏｎｏｆｓｉｍｕｌａｔｅｄｃｈａｓｓｉｓＲ３Ｃ４数据集ＭＥＭＡＥＭＳＥＲＭＳＥＭＡＰＥ／％ＲＲ２Ｔｒａｉｎ０．１００９４０．０２７５６０．００１１４０．０３３８６０．０１００．９９９９３０．９９９８６Ｔｅｓｔ０．８６２０７０．４３５２００．２４６４８０．４９６４７０．１４２０．９２１７９０．８４９６９４㊀结束语根据Ｅｒｄｅｎ［５］在ＲＬ实验室进行的空调系统故障实验分别建立了空调冷冻水泵失效时的空调回风温度预测模型与模拟机箱Ｒ１Ｃ４入口温度预测模型及风机失效情况下模拟机箱Ｒ３Ｃ４入口温度预测模型㊂３个模型均基于线性核函数支持向量回归机，冷冻水泵失效时的空调回风温度预测模型和Ｒ１Ｃ４入口温度预测模型，在１８０ ３６０ｓ区间内均实现了较为准确的快速外推预测，均方根误差分别为０．０６３Ｋ㊁０．２１８Ｋ，但风机失效时的Ｒ３Ｃ４入口温度预测模型表现不够理想，外推预测均方根误差为０．０４９６Ｋ，但最大预测误差达到０．８６２Ｋ，其原因是风机失效后的机柜入口温度上升速度逐渐减小，变化趋势呈非线性特征，如果有关于温度变化趋势的先验知识，通过选择一个线性增长的核函数来提高基于ＳＶＲ的模型的外推能力㊂研究表明了相较于非线性核函数支持向量机，线性核函数支持向量机更适合进行冷冻水泵失效时的热参数预测㊂参考文献［１］中国信息通信研究院．中国算力发展指数白皮书［Ｒ］．北京：中国信息通信研究院，２０２２．［２］ＣＹ３１５．２０１９－２０２５年中国数据中心用电需求规模及占全社会用电量比值预测［ＥＢ／ＯＬ］．（２０１９－１２－６）．［２０２１－１１－０１］．ｈｔｔｐｓ：／／ｗｗｗ．ｃｈｙｘｘ．ｃｏｍ／ｉｎｄｕｓｔｒｙ／２０１９１２／８１８３６２．ｈｔｍｌ．［３］ＮＩＪｉａｃｈｅｎｇ，ＢＡＩＸｕｅｌｉａｎ．Ａｒｅｖｉｅｗｏｆａｉｒｃｏｎｄｉｔｉｏｎｉｎｇｅｎｅｒｇｙｐｅｒｆｏｒｍａｎｃｅｉｎｄａｔａｃｅｎｔｅｒｓ［Ｊ］．ＲｅｎｅｗａｂｌｅａｎｄＳｕｓｔａｉｎａｂｌｅＥｎｅｒｇｙＲｅｖｉｅｗｓ，２０１７，６７：６２５－６４０．［４］ＡＴＨＡＶＡＬＥＪ，ＹＯＤＡＭ，ＪＯＳＨＩＹ．Ｃｏｍｐａｒｉｓｏｎｏｆｄａｔａｄｒｉｖｅｎｍｏｄｅｌｉｎｇａｐｐｒｏａｃｈｅｓｆｏｒｔｅｍｐｅｒａｔｕｒｅｐｒｅｄｉｃｔｉｏｎｉｎｄａｔａｃｅｎｔｅｒｓ［Ｊ］．ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＨｅａｔａｎｄＭａｓｓＴｒａｎｓｆｅｒ，２０１９，１３５：１０３９－１０５２．［５］ＥＲＤＥＮＨＳ．Ｅｘｐｅｒｉｍｅｎｔａｌａｎｄａｎａｌｙｔｉｃａｌｉｎｖｅｓｔｉｇａｔｉｏｎｏｆｔｈｅｔｒａｎｓｉｅｎｔｔｈｅｒｍａｌｒｅｓｐｏｎｓｅｏｆａｉｒｃｏｏｌｅｄｄａｔａｃｅｎｔｅｒｓ［Ｄ］．ＮｅｗＹｏｒｋ：ＳｙｒａｃｕｓｅＵｎｉｖｅｒｓｉｔｙ，２０１３．［６］许锐．基于ＥＥＭＤ的金融时间序列多尺度分析［Ｄ］．合肥：中国科学技术大学，２０１６．５６１第１１期黄金森，等：基于ＳＶＲ数据中心空调系统瞬态热参数预测。
半导体器件的高功率微波毁伤阈值数值计算研究(信号与信息处理专业优秀论文)
ＨＰＭ的电压对器件破坏影响的动态过程，及ＰＮ结对ＨＰＭ响应的截止频率参数
｛。
本文研究途径及模拟方法为下一步ＰＮ结器件的二维模拟及试验数据的理论
分析与论证奠定了基础。
．
关键字：高功率微波一维瞬态过程模拟Ｆ１ｅｘＰＤＥ
电子科技大学硕士论文
ＡＢＳＴＲＡＣＴ
Ｓｔｕｄｙｉｎｇ ｂｕｒｎｏｕｔ ｍｅｃｈａｎｉｓｍ ｏｆ ＨＰＭ ｔ ａｎａｌｙｚｉｎｇ ｔｈｅ ｓｅｍｉｃｏｎｄｕｃｔｏｒ’Ｓ ｒｅｐｒｅｓｅｎｔａｔｉｖｅ ｅｆｆｅｃｔ ｏｆ ＨＰＭ，ｅｖａｌｕａｔｉｎｇ ｉｍｐａｃｔ ｏｆ ＨＰＭ，ｓｕｐｐｌｙｉｎｇ ｔｈｅ ｂａｓｉｓ ｆｏｒ ｄｅｓｉｇｎ ａｎｄ ｒｅｓｅａｒｃｈ ｏｆ Ｈｉｇｈ Ｐｏｗｅｒ ｅｑｕｉｐｍｅｎｔ．Ｔｏ ｉｍｐｒｏｖｅ ｅｌｅｃｔｒｏｎ ｃｏｎｆｒｏｎｔ ｌｅｖｅｌ， ｅｓｐｅｃｉａｌｌｙ ｒａｄａｒ ｌｅｖｅｌ ｉｓ ｉｍｐｏｒｔａｎｔ．
（保密的学位论文在解密后应遵守此规定）
签名：主１毅一ｚ
ｏ
导师签名： 垄！』！
日期：。呻年￥月ｑ日
／
知识水坝@pologoogle为您整理
电子科技大学硕士论文
第一章绪论
１．１论文的背景及研究意义
定向能武器是利用沿一定方向发射与传播的高能电磁波射束以光速攻击目 标的一种新机理武器，它包括高功率微波武器、高能激光武器和粒子柬武器。定 向能武器的攻击目标隐蔽、杀伤力强、既可用于防御、又可用于进攻。因此，它 将成为未来信息化战场上对飞机、舰艇、坦克导弹乃至卫星等高价目标的重要武 器系统。
签名：立４ｊ矮二—一日期：ｐ悻芦月圹日
关于论文使用授权的说明
本学位论文作者完全了解电子科技大学有关保留、使用学位论文 的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁 盘，允许论文被查阅和借阅。本人授权电子科技大学可以将学位论文 的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或 扫描等复制手段保存、汇编学位论文。
功率器件集总参数热路模型及其参数提取研究
ｔ ｈ ｅ ｒ ｍａ ｌ ｃ ｉ ｒ ｃ ｕ ｉ ｔ ｍｏ ｄ ｅ ｌ ｃ ａ ｎ ｂ ｅ ｉ ｄ ｅ ｎ ｔ ｉ ｉｅ ｆ ｄ ｅ ｆ ｆ ｅ ｃ ｔ ｉ ｖ ｅ ｌ ｙ ｗｉ ｔ ｈ ｔ ｈ ｅ ｐ ｒ ｏ ｐ ｏ ｓ ｅ ｄ ｍｅ ｔ ｈ ｏ ｄ ａ ｎ ｄ ｔ ｈ ｅ ｖ ａ ｉａ ｒ ｔ ｉ ｏ ｎ ｌ ａ ｗ ｏ ｆ ｔ ｈ ｅ ｔ ｈ ｅ ｍ ａ ｒ ｌ
Ｗ ａ ｎ Ｍｅ ｎ ｇ Ｙ ｉ ｎ ｇ Ｚ ｈ ａ ｎ ｆ ｅ ｎ ｇ Ｚ ｈ ａ ｎ ｇ Ｘ ｕ ｄ ｏ ｎ ｇ Ｗｕ Ｊ ｕ Ｎ ａ ｎ ｊ ｉ ｎ ｇ ２ １ ０ ０ ９ ４ Ｃ ｈ ｉ ｎ ａ ）
Ｚ ｈ ｏ ｎ ｇ ｈ ａ ｏ
（ Ｓ ｃ ｈ ｏ ｏ ｌ ｏ ｆ Ｅ ｎ ｅ ｒ ｇ ｙ ａ ｎ ｄ Ｐ ｏ ｗ ｅ ｒ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ Ｎ ａ ｎ ｊ ｉ ｎ ｇ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ｏ ｆ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ ａ ｎ ｄ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｙ ｇ
万 萌 应展 烽 张 旭 东 吴 军基 杨 忠 浩
（ 南京理工大学 能源 与动力工程 学院 南京 ２ １ ０ ０ ９ ４
摘要 为准确计算功率器件运行 温度 ，在热平 衡原理 和热 电类 比理论 基础上 ，提 出功率器 件集 总 参数热路模 型。为实现模 型等效热路参 数 的提 取 ，设计相 关温升 实验平 台 ，并基于遗传 算 法对 热路模
ｅ ｑ ｕ ｉ ｌ ｉ ｂ ｉｕ ｒ ｍ ｐ ｉｎ ｒ ｃ ｉ ｐ ｌ ｅ ａ ｎ ｄ ｔ ｈ ｅ ｔ ｈ ｅ ｒ ｍａ ｌ — ｅ ｌ ｅ ｃ ｔ ｒ ｉ ｃ ａ ｌ ａ ｎ ｌｏ ａ ｙ ｇ ｔ ｈ ｅ ｏ ｒ ｙ ｔ ｏ ｃ ａ ｌ ｃ ｕ ｌ ａ ｔ ｅ ｔ ｈ ｅ ｏ ｐ ｅ ｒ ａ ｔ ｉ ｏ ｎ ｔ ｅ ｍｐ ｅ ｒ ａ ｔ ｕ ｒ ｅ ｏ ｆ ｐ ｏ ｗｅ ｒ
半导体器件功率老化的结温控制方法研究
１．１ 文献［３］中的脉冲功率法分析 文献［３－１提出在老化中给器件施加大小为额定
冯永杰，等：半导体器件功率老化的结温控制方法研究
功率Ｐ，的脉冲功率。事实上，标准ＧＪＢｌ２８Ａ＇９７提 到：“所加功率不应超过安全工作曲线所示的功率”， 此标准并没有把功率老化时所施加的功率大小规定
连续脉冲结温控制方法进行讨论和改进，并给出相应的结温测试电路。理论分析和实验表明，调整脉冲功
率、脉冲占空比、脉冲频率．确能使器件结温达到老化的要求，并分析了脉冲功率、脉冲占空比，脉冲频率对结
温的影响。最后在此基础上，提出一种多个分立器件使用单电源串行功率老化的方法。
关键词：半导体器件；功率老化；结温控制
图４不同脉冲功率下结温变化曲线
图５表明当脉冲频率厂较高时，Ｔ。。和Ｔｍ抽差值 很小。随着厂慢慢减少，由于升温时间ｔ。和降温时间
ｔ，变长，Ｔ一增大，ｋ减少，使两者差值增大。因此频
率不能太少，否则即使Ｔｍ。一Ｔｉ。，由于Ｔ曲＜Ｔ。。一 ２５，也达不到标准要求。图中还可观察到，当．厂＜２０ Ｈｚ，即ｔ。＞４５ ｍｓ时，Ｔｍｉ。才开始有缓慢的减少；而 丁佻。在图示的整个频率范围都随频率的下降而有明显 增加。这表明Ｔ眦。对升温时间ｔ。的变化率比Ｔｍ。对降 温时间ｔ。的变化率要大得多。考虑到ｔ。：ｔ，一１：９的 关系，结温的上升和下降速率差别更大。
中围分类号：ＴＮ３０７
文献标志码：Ａ
文章编号：１００２－４９５６（２０１０）０５—００４６—０４
Ｓｔｕｄｙ ０ｆ ｊ ｕｎｃｔｉｏｎ ｔｅｍｐｅｒａｔｕｒｅ ｃｏｎｔｒｏｌ ｍｅｔｈｏｄ ｆｏｒ ｓｅｍｉｃｏｎｄｕｃｔｏｒ ｄｅｖｉｃｅｓ ｕｎｄｅｒ ｂｕｍ－ｉｎ
Ｆｅｎｇ Ｙｏｎｇｊｉｅｌ”，Ｌｉ Ｂｉｎｌ，Ｈｕａｎｇ Ｙｕｎ２
一种热阻网络模型及利用该模型计算微电子器件结温的方法[发明专利]
![一种热阻网络模型及利用该模型计算微电子器件结温的方法[发明专利]](https://img.taocdn.com/s3/m/6f11e5336f1aff00bed51eee.png)
专利名称：一种热阻网络模型及利用该模型计算微电子器件结温的方法
专利类型：发明专利
发明人：邱宝军,蒋明,何小琦,杨邦朝
申请号：CN200610034221.6
申请日：20060313
公开号：CN101017510A
公开日：
20070815
专利内容由知识产权出版社提供
摘要：本发明公开了一种热阻网络模型，它为星形结构，它由与封装的微电子器件的结相连的代表顶面、侧面、底面和引脚的四个节点构成，各节点与结之间通过分别表示顶面、侧面、底面和引脚对器件散热作用的支路热阻相连。
还公开了一种利用热阻网络模型计算微电子器件结温的方法，包括以下步骤：根据热阻网络模型得到具有未知系数的结温表达式；进行热测试获得微电子器件的相关结温数据；提取微电子器件的参数；建立微电子器件的有限元仿真模型；对有限元模型进行修正，确保有限元模型的正确性，得到有效有限元模型；进行有限元仿真，得到仿真数据；建立优化函数，对仿真数据进行优化处理，确定结温表达式中未知系数的值从而求得各边界条件下器件的结温。
申请人：信息产业部电子第五研究所
地址：510610 广东省广州市天河区东莞庄路110号
国籍：CN
代理机构：广州三环专利代理有限公司
代理人：程跃华
更多信息请下载全文后查看。
半导体器件散热特点、IGBT热模型建立及测试方法
半导体器件散热特点、IGBT热模型建立及测试方法一、半导体器件的散热特点：有限元方法能够准确全面地描述工程传热问题，但是其算法精度依赖于物理模型和求解器的优劣，是一个完全正向的开发流向，必须通过不断的优化模型和算法逼近真实的结果。
但是，在实际应用中很难获得系统中各个层级的模型参数，大部分的结果还是得依靠测试进行标定。
同时，有限元模型无法集成到系统内部，对系统进行实时的热评估。
半导体器件在一定尺度内，其传热模型是可以简化的。
如下图为典型的IC封装层叠结构，在该尺度下可以将芯片传热模型等效为“一维热传导”。
在该模型尺度下，其热阻，热容有以下的计算公式。
半导体器件的一般散热结构。
其实，我们已经发现该模型已经做了一定的“剖分”。
由于Chip层的厚度较厚，在该层内的热传递方向并非垂直，而是会产生一个扩散角α，因此需要将该Chip层进行多层切割，切割后的每一层可以等效为“均匀平板热传导”。
因此，在建立热模型的时候往往采用多阶的热阻-热容参数模型。
对于电子器件在一定尺度内可以直接对其进行“热传导”的建模方式。
其实，我们热模型的建立就是基于“热传导”，在该尺度下我们还能应用集总参数的数学模型对其进行描述，一旦建模范围扩大到更外层的边界，包括流体散热等复杂散热条件，其建模的线性度无法保证，难度将大大增加。
在热模型的建立过程中，我们可将传热网络和电路网络进行等效。
也即是，将发热的功率等效为电路的电流源，将传热路径上的温度差等效为电路的电压。
因此，基于物理模型建立的热模型网络如下图。
其每一组热阻热容都对应到实际物理模型的热阻热容。
只要我们获得了响应的各层的热阻-热容参数，以及器件的发热功率，就能够轻松的计算出发热点的温度。
Cauer-model。
但是Cauer-model有一定的缺陷，热容参数都是相对于GND的温度参考点，一旦该参考点变化（比如参考点由IGBT基板DCB温度变为IGBT Heatsink温度），需要重新评估/测量热容参数。
一种基于热阻抗模型的IGBT结温估计方法
一种基于热阻抗模型的IGBT结温估计方法一种基于热阻抗模型的IGBT（Insulated Gate Bipolar Transistor）结温估计方法可以通过热阻抗模型来推导和计算IGBT的结温，可用于IGBT的热管理和可靠性分析等领域。
IGBT是一种常用的功率晶体管，其主要由一个PN结和一个金属氧化物场效应管（MOSFET）组成。
在正常工作条件下，IGBT会产生大量的热量，如果结温过高，有可能导致器件损坏或失效。
因此，准确估计IGBT的结温对于保证其工作稳定性非常重要。
热阻抗模型是一种常用的用于热分析的工具，它可以通过考虑热阻、热容和热导等因素来描述热传导过程。
在IGBT的热阻抗模型中，包括了三个主要的热阻抗元件：芯片-封装热阻抗、封装-散热器热阻抗和散热器-环境热阻抗。
首先，我们可以通过材料的热特性参数（如热导率、密度和比热容等）和结构尺寸等来计算芯片-封装热阻抗。
这个热阻抗反映了芯片内部与封装材料之间的热传导情况。
常见的计算方法包括有限元法和解析法等。
接下来，封装-散热器热阻抗是描述封装材料与散热器之间的热传导情况的参数。
它可以通过封装材料的热导率、封装结构和散热器的热阻等参数来计算。
同样，有限元法和解析法可以用于计算热阻抗。
最后，散热器-环境热阻抗是描述散热器与环境之间的热传导情况的参数。
它可以通过散热器的热阻和散热性能来计算。
通过计算这三个热阻抗，我们可以得到IGBT的总结温。
具体的计算方法可以通过热阻抗模型和热平衡方程来推导。
在实际应用中，还可以通过温度传感器来获取IGBT的实际温度值，并与估计值进行比较，以验证该估计方法的准确性。
根据实际情况，还可以对估计方法进行修正和优化。
总之，基于热阻抗模型的IGBT结温估计方法可以通过考虑芯片-封装热阻抗、封装-散热器热阻抗和散热器-环境热阻抗等因素，计算出IGBT的结温。
这一方法可以帮助我们了解和评估IGBT的热管理情况，并有助于提高IGBT的可靠性和性能。
IGBT参数辨识及其有效性验证79675
上海大学硕士学位论文IGBT参数辨识及其有效性验证姓名：***申请学位级别：硕士专业：电力电子与电力传动指导教师：***20060201本身结构庞人，细化参数繁多复杂，仿真时需要花费大量的计算时问，比如Ｈｅｆｎｅｒ等人提出的Ｈｅｆｎｅｒ模型“１，以及后来很多基于Ｈｅｆｎｅｒ模型而开发的专用仿真软件。
近年来，法国罩昂国家电气实验中心在该领域做了很多开创性的工作。
他们对电力电子器件的物理模趔进行深入研究，开发了基于棒图（Ｂｏｎｄｇｒａｐｈ）理论的电力电子系统专用仿真软件ＰＡｃＴＥ，该方法以器件的数学一物理模型为基础，具有仿真速度快及精度高等特点。
他们己将该方法成功地应用于ＰｒＮ功率二极管、功率ＭＯＳＦＥＴ、ＩＧＢＴ等电力电子器件的参数辨识“”。
１．３电力电子器件参数辨识的基本思想图１．１为电力电子器件建模及参数辨识的流程图。
首先开发者或制造商研究分析器件的工作特性，然后建立器件物理模型，该模型必须能够完整的描述器件动、静态行为特性，然后对器件的物理模型进行参数辨识，辨识通过之后再进行有效性验证，直到有效性验证通过之后，此时的模型参数才能提供给使用者使用。
在这个过程中有三个反馈环节，若最后的有效性验证通不过，则有可能是这三个环节中的一个或多个环节出现问题，可以修改模型参数或修改模型，进行反复修正。
图１．１电力电子器件建模及参数辨识流程图由图１１可以看出，电力电子器件从设计到最后成为可用的产品，是一个反复验证结果刁ｉ断修改模型和模型参数的过程，模型参数辨识只是其中的一个环节。
在选择了正确的模型之后，可以通过参数辨识和有效性验汪来获得模型的准确参数。
上海大学硕士学位论文第一步：通过编制相应程序利用ＧＰＩＢ卡获取ＩＧＢＴ的Ｖｃ日，Ｖ妒，Ｉｃ，培等实测的外部输出波形。
第二步：①设定ＩＧＢＴ模型参数初值，启动ＰＡｃＴＥ仿真软件，获取ＩＧＢＴ的ｖｃＰ，Ｖ船，ｌｃ，培仿真波形，将仿真与实验波形之差构成目标函数，；②启动优化程序，不断的改变模型参数，使目标函数，逐步减小，使得仿真电压、电流波形逐步逼近实测电压、电流波形，当两者的差值足够小，此时的模型参数即是辨识的结果。
基于数据驱动的过热蒸汽温度系统模型辨识
运行数据对模型进行仿真验证，以便为过热蒸汽温度 系统控制的仿真与优化研究提供参考。
参数动态数学模型；闫水保等[9]针对热工对象低通滤
波特性，以单相受热过热器为对象，提出了适用于不 同工况的通用传递函数。然而，机理建模所需对象信
1 数学模型
号采集量大，包含大量设计参数与试验参数，需要依 靠许多经验公式，造成机理模型精度一般不高。目 前，安全联锁仪表系统(SIS)已普遍应用于电厂，从 海量的运行数据中挖掘热工系统的动态特性成为研究 热点。孙灵芳等[10]采用大量历史数据和改进的神经网 络 (BP) 算 法 建 立 了 过 热 蒸 汽 温 度 的 非 线 性 模 型 ； WANG 等[11]提出了以单位负荷为时变参数的非线性 (LPV)模型，利用改进的量子群优化算法结合现场数 据辨识模型参数；韩璞等[12]研究了多变量系统辨识过 程中不能精确量化每个子系统数学模型的问题。 ZHENG 等[13]利用改进的粒子群算法(PSO)解决非线性
Copyright©博看网. All Rights Reserved.
2002
中南大学学报(自然科学版)
第 50 卷
蒸汽温度对象具有非线性、大惯性和时变性等特点， 模型辨识所需采集的变量，利用电厂现场数据(减温
随着机组容量的增加，响应的迟延和惯性增大，增加 水量、减温器出口温度、高温过热量器出口温度)和
WG
=
Dicp [ 1
+
h1 - hw 0.5 ( τ0 +
TmαD)
s ]2
(1)
式中：h1 和 hw 分别为减温器入口蒸汽和减温水的焓； Di 为减温器出口蒸汽的质量流量；cp 为减温器出口比 定压热容；τ0 为蒸汽流过喷水减温器的时间；Tm 为金 属蓄热时间常数；αD 为动态参数。
基于内置温度传感器的碳化硅功率模块结温在线提取方法
鉴于此，本文提出了一种基于功率模块内置温 度传感器的功率模块结温在线提取方法。该方法以 功率模块内置 NTC 传感器作为温度参考点，建立考 虑热耦合效应的内置 NTC 传感器至功率芯片的新型 热网络模型。该热网络模型对模块外部导热硅脂老 化和散热器热阻变化不敏感，结合准确的损耗在线 计算可以实现器件结温的准确在线提取。本文通过 有限元仿真提取热网络模型参数，结合 NTC 传感器 和 SiC MOSFET 的实时损耗计算实现对 SiC MOSFET 功率模块内部芯片结温的在线提取。最后通过实验 和有限元仿真验证了所提方法的可行性和有效性。
Changsha 410082 China）
16基于集总参数法的IGBT模块温度预测模型
Name, material and its thermal parameters of IGBT modules
厚度 / μ m 200 80 300 ， 3000 380 k / [W/(m· K)] 148 40 393 150 c p / （ J/kg · K ） 700 160 276 669
模块的各层结构中的毕渥数 BiV ＜ 1，所以可以采用 集 总 参 数 法计 算 IGBT 模 块 的 瞬 时非 稳 态 导 热问 题。 2.2 IGBT 模块导热模型的建立 图 1 给出了 IGBT 模块的层状结构，顶端芯片 的开关损耗会产生大量的热量，这些热量会使得模 块的温度升高，故芯片为 IGBT 模块的热源。由于
国家自然科学基金（ 50977063 ） ，国家 863 计划（ 2008AA11A145 ） 和天津市科技支撑计划重点（ 09ZCKFGX01800 ）资助项目。 收稿日期 2010-10-11 改稿日期 2011-02-05
1
引言
随着 IGBT 模块在功率变流器和电动机传动等
领域的广泛应用， IGBT 模块的可靠性变得越来越 重要。 IGBT 模块是系统实现换流的最重要部件，
2011 年 12 月 第 26 卷第 12 期
电 工 技 术 学 报
TRANSACTIONS OF CHINA ELECTROTECHNICAL SOCIETY
Vol.26 No. 12 Dec. 2011
基于集总参数法的 IGBT 模块温度预测模型
魏克新
1,2
杜明星
1,2
（ 1. 天津大学电气与自动化工程学院
factor of reliability, which is very difficult to measure. In order to solve this problem, interior heat conduction mechanism is analyzed. Then thermal network model of IGBT modules is constructed by employing lumped parameters method of instantaneous unsteady heat conduction. Parameters extraction methods of equivalent thermal resistance, equivalent thermal capacitance and heat losses are preferred. The paper gives experimental and simulated temperature curves, which datum from thermal network model, technical documents, base-plate measurement and finite element model. Result show that thermal network model is validated. Keywords： Insulated gate bipolar transistor (IGBT), thermal network model, lumped parameters method, junction temperature 因而其工作的条件比较恶劣，且较容易损坏。IGBT 模块损坏的原因是多种多样的，要准确地找到损坏 原因，就必须深入研究模块内部的损坏机理。相关 研究文献 [1-3]表明 IGBT 模块损坏与模块结温有直 接的关系，温度过高会引起键接线熔断、焊料失效、 基片损坏等故障。因而，IGBT 模块的结温是 IGBT
IGBT模块结温预测BP神经网络模型
IGBT模块结温预测BP神经网络模型姚芳;胡洋;李铮;黄凯;李志刚【期刊名称】《西北大学学报（自然科学版）》【年(卷),期】2017(047)003【摘要】The application of BP neural network method in the prediction of junction temperature of IGBT module is researched.The intrinsic relationship between the saturation voltage drop,collector current and junction temperature is analyzed from the physical mechanism firstly.The curve graph of them is obtained through the test of IGBT temperature,and the junction temperature prediction model of temperature sensitive parameter method based on saturation voltage drop isestablished.Finally,the temperature prediction model of BP(Back Propagation) neural network is established.And it is compared and analyzed with the temperature sensitive parameter method,the rapidity and the accuracy of this method are proved.%探索了BP(Back Propagation)神经网络在IGBT模块结温预测中的应用.首先从物理机理角度分析了IGBT模块中饱和压降、集电极电流与温度的内在关系.通过IGBT结温测试试验,获取了三者的关系图,并建立了基于饱和压降的温敏参数法结温预测模型.最后建立了BP神经网络结温预测模型,并与温敏参数法进行了对比分析,证明该方法计算速度更快,误差降低.【总页数】8页(P367-374)【作者】姚芳;胡洋;李铮;黄凯;李志刚【作者单位】河北工业大学电气工程学院,天津300130;河北工业大学电气工程学院,天津300130;天津电力公司城东供电公司,天津300250;河北工业大学电气工程学院,天津300130;河北工业大学电气工程学院,天津300130【正文语种】中文【中图分类】TM501【相关文献】1.用于IGBT模块结温预测的热-电耦合模型研究 [J], 吴岩松;罗皓泽;李武华;何湘宁;邓焰2.基于BP神经网络模型的经济预测分析r——以安徽省生猪生产预测为例 [J], 陈悦;张士云3.全国私人车辆拥有量的 BP 神经网络模型预测与分析--基于附加动量与自适应学习速率相结合的BP方法 [J], 陈正;丁姝;王俊林4.样本量变化对上证指数预测精度的影响——基于MATLAB的BP神经网络模型的预测分析 [J], 李成钰5.采用全阶状态观测器的IGBT模块结温预测 [J], 邱绵浩;王明玉;魏辉;李琪;王大方因版权原因，仅展示原文概要，查看原文内容请购买。
新能源汽车单管IGBT结温估算关键技术研究
新能源汽车单管IGBT结温估算关键技术研究
陈兴钊;谢奇才;张旭;李圣哲
【期刊名称】《电力电子技术》
【年(卷),期】2024(58)5
【摘要】这里设计了融合模型对单管绝缘栅双极型晶体管(IGBT)结温进行实时估计,基于双脉冲实验平台对单管IGBT进行测试,采集单管IGBT开通、关断、二极管反向恢复损耗,结合导通损耗,得到单管IGBT损耗模型;搭建热阻测试平台得到瞬态热阻曲线,结合基底温度建立4阶热网络模型;将损耗和热模型进行融合,实现单管IGBT结温的准确估计。
基于结温估算模型,设计了IGBT降额保护控制策略。
搭建了电机控制器带载(电机控制器-电感负载)测试平台,使用内部预埋温度传感器的ICGBT,对结温估计模型的实用性和准确性进行了验证。
实验测试结果显示,在极端工况下,结温估算仍具有良好的跟踪性能,误差保持在±5℃以内。
【总页数】5页(P133-137)
【作者】陈兴钊;谢奇才;张旭;李圣哲
【作者单位】深圳市英威腾电动汽车驱动技术有限公司
【正文语种】中文
【中图分类】TN3
【相关文献】
1.电动汽车电机控制器IGBT结温计算方法与验证
2.风电变流器IGBT模块工作结温估算研究
3.电动压缩机控制器IGBT的结温估算
4.新能源汽车控制器IGBT动态温升技术探讨
5.一种电动汽车逆变器IGBT功率损耗和结温的近似计算方法
因版权原因，仅展示原文概要，查看原文内容请购买。
JESD-标准翻译(修改版)
一维传热路径下半导体器件结壳热阻瞬态双界面测试法目录1. 范围 (6)2. 参考标准 (6)3. 专业名词及定义 (7)4. 结壳热阻测试（测试方法） (7)4.1 瞬态冷却曲线测试（热阻抗ZJC） (7)4.1.1结温测试 (7)4.1.2瞬态冷却曲线的记录 (7)4.1.3偏移校正 (8)4.1.4ZθJC曲线 (9)4.1.5备注 (10)4.2 热瞬态测试界面法步骤 (10)4.2.1测试原理 (10)4.2.2控温热沉 (11)4.2.3干接触ZθJC曲线的测量 (12)4.2.4加导热胶或油脂的ZθJC曲线测量 (12)4.2.5两ZθJC曲线达到稳态后的最小差值 (12)4.2.6备注 (12)5 热瞬态测试界面法的计算 (12)5.1 初步评估 (12)5.2 方法1:以ZΘjc曲线分离点计算θJC (14)5.2.1确定分离点 (14)5.2.2怎样选择ε值 (16)5.2.3评估的详细步骤 (16)5.3 方法2: 结构函数法 (16)5.3.1初步评估 (18)5.3.2评估的详细步骤 (18)6 信息报告 (19)7 参考文献 (20)7.1 附件A 时间常数谱和积分结构函数的定义 (20)7.2 附件B 从Z th函数获得时间常数谱 (27)7.3 附件C FOSTER与CAUER RC网络模型之间的转换 (30)前言本文已在JEDEC JC-15关于热性能的会议上作了充分准备。
旨在详细规定从半导体的热耗散结到封装外壳表面的一维传热路径下, 半导体器件结壳热阻（）的可重复性测量方法。
一维传热也就是说, 热流方向是直线的。
但是很明显实际上垂直方向的热扩散是三维传热的。
结壳热阻是半导体器件最重要的热性能参数之一。
将半导体器件的表面与高性能的热沉相接触, 结壳热阻说明了器件在最理想的冷却条件下热性能的极限。
应在器件的数据手册中给出。
值越小热性能越好。
半导体器件结壳热阻（）传统的定义是: 将器件表面与水冷铜热沉相接触, 直接测量结与壳的温度差, 如MIL-883标准[N1]所述。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Nonlinear Thermal Network Model and Parameter Identification Method for Junction Temperature Estimation of Discrete Power MOSFET
国家自然科学基金青年基金（51607091）和智能电网保护和运行控制国家重点实验室开放基金课题（SGNR0000GZJS1705881）资助项目。 收稿日期 2019-01-14 改稿日期 2019-04-10
2478
电工技术学报
2019 年 6 月
presented. The objective function in this identification method was mathematically proved to be a convex function and the prime-dual interior point method was employed to obtain the globally optimal solution of objective function. Several experiments indicate that the proposed model can improve the reliability of discrete power MOSFET junction temperature estimation when case temperature measurement is not reliable.
2019 年 6 月 第 34 卷第 12 期
电工技术学报
TRANSAETY
DOI: 10.19595/ki.1000-6753.tces.190145
Vol.34 No. 12
Jun.
2019
分立型功率 MOSFET 结温估计的非线性
热网络模型和参数辨识方法
万 萌 应展烽 张 伟
（南京理工大学能源与动力工程学院 南京 210094）
摘要 分立型功率 MOSFET 是一类重要的电力电子器件，结温估计对于其安全运行具有重要 意义。传统结温估计模型将功率器件壳温测量值作为解算的边界条件，对温度传感器安装可靠性 要求较高，故当其应用于体积小巧的分立型功率 MOSFET 时，所得结温估计结果容易因传感器脱 落而不可靠。为此，该文提出针对分立型功率 MOSFET 结温估计的非线性热网络模型。该模型利 用较易测量的功率器件环境温度作为边界条件，计及非线性热对流和热辐射作用，有效描述器件 与环境之间的换热过程。为克服模型热参数难以获取问题，提出模型参数的辨识方法，证明了辨 识目标函数的凸函数特性。利用原对偶内点法，获得参数辨识的全局最优解，有效确定模型热参 数。相关实验表明，所提模型能够在壳温测量不可靠时，提高分立型功率 MOSFET 结温工程估计 的可靠性。
Wan Meng Ying Zhanfeng Zhang Wei （School of Energy and Power Engineering Nanjing University of Science and Technology
Nanjing 210094 China）
Abstract Discrete power MOSFET is an important kind of power electronic device and its safe operation is heavily dependent on the junction temperature estimation. Traditional junction temperature estimation model has high requirement for reliability of case-temperature sensor installation, since the measured case temperature of power device is used as the boundary condition of junction temperature estimation. Therefore, the estimated junction temperature of traditional model could be unreliable, when the temperature sensor falls off from the discrete power MOSFET whose package size is relatively small. To address this, a nonlinear thermal network model for junction estimation of discrete power MOSFET was proposed in this paper. In the proposed model, the ambient temperature of power MOSFET, which can be measured more reliably, was used as the boundary condition of junction temperature estimation. The nonlinear heat convection and heat radiation were taken account into the proposed model to describe the heat transfer between the power MOSFET and ambient space. In order to determine the thermal parameters in the proposed model, a parameter identification method was