← 返回
基于数据驱动的SiC MOSFET故障预测方法
Data-Driven Approach for Fault Prognosis of SiC MOSFETs
| 作者 | Weiqiang Chen · Lingyi Zhang · Krishna Pattipati · Ali M. Bazzi · Shailesh Joshi · Ercan M. Dede |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2020年4月 |
| 技术分类 | 功率器件技术 |
| 技术标签 | SiC器件 宽禁带半导体 故障诊断 可靠性分析 机器学习 |
| 相关度评分 | ★★★★★ 5.0 / 5.0 |
| 关键词 | SiC MOSFET 故障预测 无监督学习 器件退化 电力电子 可靠性 健康监测 |
语言:
中文摘要
本文提出了一种用于碳化硅（SiC）MOSFET故障预测的无监督学习方法。该方法通过监测器件在退化过程中的电压、电流、温度及其他特征参数的变化趋势来实现。文章回顾了半导体失效模式及现有故障预测技术，并首次针对SiC器件的退化特性提出了该数据驱动方案。
English Abstract
This article proposes an unsupervised learning approach for fault prognosis of silicon carbide (SiC) mosfets. The proposed approach utilizes the changing trend of a device's voltage, current, temperature, and other device characteristics with its degradation. The failure modes of semiconductors are reviewed along with existing methods for fault prognosis. The proposed approach is the first to addr...
S
SunView 深度解读
SiC MOSFET是阳光电源组串式逆变器、PowerTitan储能系统及电动汽车充电桩的核心功率器件。随着高功率密度设计需求增加，SiC器件的可靠性成为系统长寿命运行的关键。该研究提出的无监督学习故障预测方法，可集成至iSolarCloud智能运维平台中，通过实时采集电压、电流及温度数据，实现对功率模块健康状态的在线监测与预警。这不仅能降低运维成本，还能显著提升阳光电源产品在极端工况下的可靠性，为预防性维护提供技术支撑，是实现电力电子设备智能化运维的重要方向。