← 返回
HPM脉冲下GaN SBD的电热耦合特性：位错密度与深度学习预测模型的影响
Electro–Thermal Coupling Characteristics of GaN SBDs Under HPM Pulses: Effect of Dislocation Density and Deep Learning Predictive Model
| 作者 | Peiran Liu · Dawei Liu · Shixiong Liang · Yining Cheng · Xiao Li · Yingwei Chen · Donglin Su |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2026年2月 |
| 技术分类 | 功率器件技术 |
| 技术标签 | GaN器件 宽禁带半导体 可靠性分析 多物理场耦合 深度学习 |
| 相关度评分 | ★★★ 3.0 / 5.0 |
| 关键词 | GaN SBD 高功率微波 电热耦合 位错密度 深度学习 可靠性 电力电子 |
语言:
中文摘要
本文研究了氮化镓（GaN）肖特基势垒二极管（SBD）在高功率微波（HPM）脉冲下的电热耦合效应。研究重点分析了材料位错密度对器件损伤的影响，并构建了基于深度学习的预测模型，旨在提升功率器件在极端电磁环境下的可靠性评估能力。
English Abstract
Gallium nitride (GaN) Schottky barrier diodes (SBDs), as essential devices in power-electronic systems, are particularly vulnerable to high-power microwave (HPM) pulses. HPM pulses can induce electro–thermal multiphysics coupling effects in the GaN SBDs, potentially leading to device damage or failure. Dislocation density, as a critical parameter of GaN materials, has a significant effect on the p...
S
SunView 深度解读
GaN作为第三代宽禁带半导体，在阳光电源的高频化、小型化产品研发中具有潜力。虽然目前阳光电源的主流产品（如组串式逆变器、PowerTitan储能系统）多采用SiC或IGBT技术，但随着功率密度要求的不断提升，GaN器件在辅助电源或高频功率模块中的应用将成为趋势。本文提出的电热耦合分析方法及深度学习预测模型，对提升阳光电源产品在复杂电磁环境下的可靠性设计、优化器件选型及故障预警机制具有重要的参考价值。