找到 2 条结果
基于人工神经网络的封装SiC MOSFET短路耐受时间筛选方法
Artificial Neural Network-Based Screening Method for Short-Circuit Withstand Time in Packaged SiC MOSFETs to Enhance Device Consistency
Hengyu Yu · Monikuntala Bhattacharya · Michael Jin · Limeng Shi 等6人 · IEEE Electron Device Letters · 2025年4月
开发一种有效的方法以提高碳化硅（SiC）金属 - 氧化物 - 半导体场效应晶体管（MOSFET）的短路耐受时间（SCWT）均匀性，对于确保电力电子系统中器件的可靠性和一致性至关重要。本文详细分析了由不可避免的工艺偏差导致的短路耐受时间变化，并介绍了一种基于人工神经网络（ANN）技术的新型筛选方法。利用从碳化硅MOSFET中提取的特征参数构建了一个两层隐藏层的人工神经网络模型。训练后的模型能够准确预测通过技术计算机辅助设计（TCAD）模拟的碳化硅MOSFET的短路耐受时间，最大误差小于15%，平均...
解读: 从阳光电源的业务视角来看，这项基于人工神经网络的SiC MOSFET短路耐受时间筛选技术具有重要的工程应用价值。作为全球领先的光伏逆变器和储能系统供应商，我们的产品正加速向SiC功率器件转型，以实现更高的功率密度和系统效率。然而，SiC MOSFET的短路耐受时间（SCWT）一致性问题一直是制约大规...
基于恒压与脉冲电压的商用碳化硅MOSFET时间相关介质击穿研究
Investigation of Time-Dependent Dielectric Breakdown on Commercial SiC MOSFETs Using Constant-Voltage and Pulse-Voltage
Michael Jin · Hengyu Yu · Monikuntala Bhattacharya · Jiashu Qian 等6人 · IEEE Transactions on Electron Devices · 2025年8月
本研究在150°C条件下，采用脉冲电压时变介质击穿（PV - TDDB）和恒压时变介质击穿（CV - TDDB）方法，估算了两代商用平面碳化硅（SiC）金属 - 氧化物 - 半导体场效应晶体管（MOSFET）的本征栅极氧化物寿命。与传统的恒压时变介质击穿（CV - TDDB）方法相比，所提出的PV - TDDB方法在相同的氧化物电场下预测的寿命显著更长，且估算的寿命更接近实际工作寿命。此外，分析了两种条件下的栅极泄漏电流行为。研究了栅极氧化物中的电荷俘获对栅极泄漏电流和寿命的影响，以及高频栅极电...
解读: 从阳光电源的业务视角来看，这项关于SiC MOSFET栅氧化层时间相关介质击穿（TDDB）的研究具有重要的工程应用价值。SiC功率器件是我们光伏逆变器和储能系统中的核心元件，其可靠性直接影响产品的全生命周期性能和市场竞争力。 该研究的核心价值在于提出了脉冲电压TDDB测试方法（PV-TDDB），相...