2023绝缘栅双极晶体管（IGBT）健康评估及寿命预测方法

绝缘栅双极晶体管（IGBT）健康评估及寿命预测方法目 次前 言 II范围 1规范性引用文件 1术语和定义 1IGBT的检测指标参数 2IGBT的状态评估及剩余寿命预测技术实施路线 3IGBT失效模式及敏感参数分析 3敏感参数采集获取 5IGBT健康评估及寿命预测方法 5IPAGEPAGE1PAGEPAGE2绝缘栅双极晶体管（IGBT）健康评估及寿命预测方法范围本文件规定了IGBT的健康状态征兆参数、状态评估及寿命预测方法等。本文件适用于对绝缘栅双极晶体管（IGBT）的健康状态评估、寿命预测管理等。规范性引用文件（包括所有的修改单适用于本文件。GB/T29332-2012 9部分：绝缘栅双极晶体管(IGBT)IEC60747-9:2019《半导体器件第9部分：分立器件绝缘栅双极晶体管（IGBTs）》T.CES084-2021柔性直流输电用绝缘栅双极晶体管（IGBT）模块应用可靠性试验规范术语和定义GB/T22393-2008、GB/T20921-2007、GB/T21205-2007、GBT23713.1-2009中确立的以及下列术语和定义适用于本标准。绝缘栅双极型晶体管IGBTIGBT(InsulatedGateBipolarTransistor)是MOS结构双极器件，属于具有功率MOSFET的高速性能与双极的低电阻性能的功率器件。3.2可靠性Reliability在一定时间内、在一定条件下无故障地执行指定功能的能力或可能性。3.3剩余有效寿命RemainingUsefullifetime是指系统的部件或子系统从当前时刻到发生潜在故障的预计持续正常工作时间。3.4状态监测ConditionMonitoring采用有效的检测手段和分析诊断技术，及时、准确的掌握设备运行状态，保证设备的安全、可靠和经济运行。3.5寿命预测lifePrediction是指对服役系统或元器件剩余寿命的定量评价。3.6加速寿命试验Acceleratedlifetest3.7健康征兆参数Healthprecusorparameters是指设备或零部件发生故障之前所表现出来的各种变化的征兆数据。3.8故障预测与健康管理PrognosticsandHealthmanagement它强调资产设备管理中的状态感知，监控设备健康状况、故障频发区域与周期，通过数据监控与分析，预测故障的发生，从而大幅度提高运维效率。3.9故障模式、影响及危害性分析FMECA3.10失效物理PoF是指在已知电子产品物理失效模型的基础上,利用产品的生命周期载荷和失效机理知识来评估产品的可靠性。3.11剩余使用寿命RUL主要指系统或元器件运行一段时间后，剩余的使用寿命。IGBT的检测指标参数集电极-发射极饱和电压VCE(sat)在集电极电流与栅极-发射极电压基本无关的栅极-发射极电压条件下的集电极-发射极电压。稳态热阻Rthj-cIGBT模块结到壳的稳态热阻Rthj-c的变化来表征焊料层老化。门极开通阈值电压VGEthVGEthIGBTIcVGEth关断时间toff随着IGBT模块的老化，关断时间一般会逐渐增大。基于传感器测量并联电阻压降当器件引线脱落后可监测到并联电阻两端的电压降发生变化触发辅助监测电路发出预警。基于模块外部波形谐波集电极发射极导通压降Vce(on)发射极和集电极在器件导通时的电压值，一般会随器件老化进程逐渐增大。集电极发射极导通电流Ice(on)发射极和集电极在器件导通时的电流值，一般也随着器件老化逐渐增大。IGBT的状态评估及剩余寿命预测技术实施路线1IGBTRULRULIGBTRUL预测。图1IGBT的状态评估及RUL预测流程图IGBT失效模式及敏感参数分析IGBT失效模式分析IGBT的故障模式可以简单的划分为：突变失效（瞬变故障）和老化失效（缓变故障）。突变失效2；缓变故障即发生老化损伤、参数漂移等。IGBT参数漂移的发图2 IGBT模块突变失效IGBTIGBT的缓变FMMEA（PoF）或数据驱IGBT完成退化状态评估与剩余寿命预测。IGBT敏感参数分析IGBT3。图3IGBT失效模式机理及敏感参数分析目前对于IGBT失效标准的定义各有不同，而最通用的IGBT失效标准定义如表1。表1 敏感参数的失效标准敏感参数符号失效阈值百分比-集电极饱和压降VCE5%-20%门极-发射极阈值电压VGE(th)20%集电极电流Ion20%结温Tj20%门极饱和电流IG(sat)20%热阻抗Zth20%敏感参数采集获取IEC60747-9:2019进行测量。IGBT健康评估及寿命预测方法IGBT健康状态评估方法IGBT的健康状态分为健康、亚健康、退化、严重退化及故障等五种，其功能描述及判别指标见表2。针对表2规定的健康状态监测参数，只要任一健康特征因子退化超过规定的阈值范围，则认为该IGBT达到了某一种故障状态，而在未达到失效阈值范围时，可以将其健康状态划分如下：表2IGBT健康状态功能描述及判断标准健康状态功能描述判别指标健康关键部件性能优良，运行状态很好健康征兆参数处于失效阈值的0%-25%亚健康关键部件性能良好，运行状态良好健康征兆参数处于失效阈值的25%-50%退化关键部件性能基本合格，运行状态一般健康征兆参数处于失效阈值的50%-75%严重退化关键部件性能不合格，运行异常健康征兆参数处于失效阈值的75%-100%故障关键部件性能差，不能运行健康征兆参数超出失效阈值的100%以上IGBT剩余寿命预测模型基于数据驱动的故障预测是一个数据采集、特征提取、趋势预测、故障识别的过程。基于数据驱图4基于数据驱动的IGBT故障预测