基于神经网络的igbt模型参数校准系统及方法
【技术领域】
[0001] 本发明涉及半导体器件的参数校准技术，具体地讲，是一种基于神经网络的IGBT 模型参数校准系统及方法。
【背景技术】
[0002] 绝缘概双极型晶体管（Insulated Gate Bipolar Transistor，IGBT)因兼具了金 属氧化物半导体场效应晶体管（Metal-Oxide-Semiconductor Field-Effect Transistor， M0SFET)的高输入阻抗和电力晶体管（Giant Transistor，GTR)的低导通压降的优点，已经 广泛使用在各个电子应用领域。目前所能获得的器件信息主要来自公开的器件数据手册 和软件仿真模型，如在Simulink中能获得IGBT的理想型模型，在Pspice中能获得某型号 IGBT的特定模型和参数。而在实际应用中，为了更好的分析器件动态特性，并通过优化其驱 动及保护电路，达到减小开关损耗，提高可靠性等目的，单纯依靠器件的数据手册或者通过 仿真模型难以实现。同时，由于器件差异性的存在，每个器件拥有不同的参数值，需要依据 所用器件的模型及其相关实际参数才能进行针对性的分析和优化。现今，主要从行为和机 理两个方面对IGBT进行建模，但是行为建模是通过曲线拟合的方式实现的，唯有机理建模 才能分析IGBT的内在本质。
[0003] 1990年Hefner就已提出IGBT的物理模型，虽然IGBT在日益更新，但是Hefner模 型仍具有相当大的影响力，很多现有的IGBT模型都是在此基础上发展起来的。Hefner模 型主要分析了 IGBT关断状态，而实际IGBT是电压驱动的全控型器件，开通和关断是不一样 的，所以非常有必要分别分析开通和关断暂态。同时，Hefner只提供了一组参考模型参数， 未给出参数提取的方式；现有的学者通过手册和经验公式获取参数，估计值较多，数据获取 不具有系统性；也有人通过经验公式获取参数初始值，再使用一组实验数据优化参数，方法 简单易实现，但是未提及优化算法，优化精度不高，且从模型公式可知无法获取优化目标函 数与模型参数之间的直接关系。
【发明内容】
[0004] 有鉴于此，本发明首先提供了一种基于神经网络的IGBT模型参数校准系统，该系 统充分利用神经网络模型的优化功能，通过构建一个黑箱对IGBT的参数进行校准，使其更 加贴合器件本身的动态特性。
[0005] 为达到上述目的，本发明所采用的具体技术方案如下：
[0006] -种基于神经网络的IGBT模型参数校准系统，其关键在于，设置有数据输入模 块、电路实测模块、参数仿真模块以及参数校准模块；
[0007] 所述数据输入模块用于设定基极驱动电压Vgs和集电极输入电流I τ;
[0008] 所述电路实测模块用于根据所述基极驱动电压Vgs和集电极输入电流I τ来测定 IGBT集电极和发射极之间的电压实际输出值Vce;
[0009] 所述参数仿真模块用于根据所述基极驱动电压Vgs、集电极输入电流It以及IGBT 模型参数来确定IGBT集电极和发射极之间的电压仿真输出值V' CE;
[0010] 所述参数校准模块用于根据所述电压实际输出值Vffi与所述电压仿真输出值V' CE 之间的偏差来校准IGBT模型参数；
[0011] 所述IGBT模型参数包括^為丄^一^其中^为基区宽度"为总导电面积； Nb为基区掺杂浓度；I _为发射极电子饱和电流；tp为基区少数载流子寿命；KpSMOSFET沟 道跨导；
[0012] 所述参数校准模块采用神经网络模型来调整IGBT模型参数，使得所述电压实际 输出值V ce与所述电压仿真输出值V' 之间的偏差达到预设范围。
[0013] 进一步地，所述电路实测模块包括电压源Vd。、电路负载R以及待测IGBT器件，其中 电压源V d。的正极经过所述电路负载R与所述待测IGBT器件的集电极相连，所述待测IGBT 器件的发射极接所述电压源Vd。的负极，所述待测IGBT器件的基极接基极驱动电压源，通过 改变所述基极驱动电压源来调整所述基极驱动电压V gs，通过改变所述电压源Vd。或电路负 载R来调整所述集电极输入电流It，通过测试所述待测IGBT器件集电极与发射极之间的电 压差来获取所述电压实际输出值V ce。
[0014] 更进一步地，所述参数校准模块中的神经网络模型中设置有一个隐藏层，该隐藏 层的节点数为8,输入层输入的是一个表征电压实际输出值V eE与电压仿真输出值V' eE之间 的偏差的目标函数，输出层输出的是IGBT模型参数中的6个参数值。
[0015] 除此之外，本发明还提出了一种基于神经网络的IGBT模型参数校准方法，主要按 照以下步骤进行：
[0016] 步骤1 :搭建一个实测电路，并通过改变基极驱动电压Vgs和集电极输入电流I 1来 测定对应情况下IGBT集电极和发射极之间的电压实际输出值Vce;
[0017] 步骤2 :通过数据手册得到待测IGBT器件模型参数的初始值，并根据步骤1所述 的基极驱动电压Vgs、集电极输入电流I t以及IGBT模型参数来确定IGBT集电极和发射极之 间的电压仿真输出值V' CE;
[0018] 1681'器件模型参数包括^為、1_、％、1(|5，其中1为基区宽度洫为总导电面积； Nb为基区掺杂浓度；I _为发射极电子饱和电流；tp为基区少数载流子寿命；KpSMOSFET沟 道跨导；
[0019] 步骤3 :根据所述电压实际输出值^与所述电压仿真输出值V' 之间的偏差，采 用神经网络模型来调整IGBT模型参数，使得所述电压实际输出值Vce与所述电压仿真输出 值V' εΕ之间的偏差达到预设范围。
[0020] 作为进一步的描述，步骤1中搭建的实测电路包括电压源Vd。、电路负载R以及待 测IGBT器件，其中电压源V d。的正极经过所述电路负载R与所述待测IGBT器件的集电极相 连，所述待测IGBT器件的发射极接所述电压源V d。的负极，所述待测IGBT器件的基极接基 极驱动电压源，通过改变所述基极驱动电压源来调整所述基极驱动电压V gs，通过改变所述 电压源Vd。或电路负载R来调整所述集电极输入电流I τ，通过测试所述待测IGBT器件集电 极与发射极之间的电压差来获取所述电压实际输出值VCE。
[0021] 再进一步描述，步骤2中，开通模型下，电压仿真输出值V' 是按照 CN 105138741 A I兄明书 3/10 页
进行仿真得到的，关断模型下，电压仿真输出值V' εΕ是按照
进 行仿真得到的，其中：
，Vgs为基极驱动电 压，Vds为MOSFET漏源极之间的电压，V 7是沟道导通阈值电压，I b为基极电流，C _为IGBT中 的寄生电容值，且4与Cte]是可以通过所述基极驱动电压Vgs、集电极输入电流It以及IGBT 模型参数来确定的。
[0022] 步骤3中的神经网络模型设置有一个隐藏层，该隐藏层的节点数为8,输入层输入 的是一个表征电压实际输出值V eE与电压仿真输出值V' 〇；之间的偏差的目标函数，输出层 输出的是IGBT模型参数中的6个参数值。
[0023] 在利用神经网络进行参数校准的过程中，神经网络模型输入层输入的目标函数可 以选为
，其中V1"1表示电压实际输出曲线上第i个采样点的值，V 113表示电 压仿真输出曲线上第i个采样点的值，i = 1~η，η为采样点的个数。
[0024] 作为优选，在所述神经网络模型中，采用变步长法在IGBT器件参数初始值附近分 别调节IGBT器件一个参数值，具体为：θ ι+1= θ ι+β ( Θ厂Θ i J，其中Θ 1表示本次调节时 的模型参数值，Θ 1+1表示下次调节时的模型参数值，Θ 表示上次调