找到 2 条结果
一种考虑高温老化下表面金属化效应的SiC模块互连层力学性能快速识别与预测的机器学习框架
A Machine Learning Framework for Rapidly Identifying and Predicting Mechanical Properties of Interconnected Layer in SiC Module Considering Surface Metallization Effect Under High-Temperature Aging
Libo Zhao · Yanwei Dai · Fei Qin · IEEE Transactions on Industrial Informatics · 2025年7月
烧结银（Ag）作为高温碳化硅（SiC）功率模块封装中最具潜力的芯片互连材料，在封装过程和高温服役条件下常承受热应力，这极大地降低了SiC功率模块的热机械可靠性。本文通过机器学习辅助的实验与模拟方法，获取并评估了考虑金属化层和高温时效效应的烧结银互连层界面强度预测参数。提出了一种基于多层MLP（多层人工神经网络） - LSTM（长短期记忆网络）框架的模型，该模型具有更高的分类和预测能力。在该方法中，MLP用于提取不同金属化层作用下的分类特征，LSTM用于提取时间特征，以对高温时效引起的力学性能退化...
解读: 从阳光电源的业务角度来看，这项基于机器学习的SiC功率模块互连层性能预测技术具有重要的战略价值。随着公司光伏逆变器和储能系统向高功率密度、高效率方向发展，SiC功率器件已成为核心技术路线。该研究针对烧结银互连层在高温老化下的可靠性预测问题，直接关系到我们产品在严苛工况下的长期稳定性。 该技术的核心...
基于机器学习辅助的IGBT模块键合界面疲劳损伤数值模拟方法研究
Research on Machine Learning-Assisted Numerical Simulation Methods for IGBT Module Bonded Interface Fatigue Damage
Shengjun Zhao · Tong An · Fei Qin · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2025年4月
键合界面开裂是绝缘栅双极型晶体管（IGBT）模块长期运行中的主要失效模式。本文提出一种有效表征功率循环条件下IGBT模块键合界面疲劳裂纹扩展的数值模拟方法。通过功率循环试验与键合线拉力测试，获取不同循环次数后的力-位移（F-δ）曲线；建立考虑界面损伤累积效应的有限元-疲劳内聚力模型（FE-FCZM），结合敏感性分析确定关键参数，并利用机器学习模型实现由F-δ曲线反演FCZM参数。仿真与实验结果对比验证了该方法在界面损伤程度预测上的准确性，且在寿命预测中相比传统模型具有最小误差，为IGBT模块可靠...
解读: 该IGBT模块键合界面疲劳损伤预测技术对阳光电源功率器件可靠性设计具有重要价值。ST系列储能变流器和SG系列光伏逆变器的IGBT模块在频繁功率循环下面临键合线脱落风险，该研究提出的FE-FCZM与机器学习结合的方法可精准预测界面裂纹扩展，为产品设计阶段的寿命评估提供量化工具。特别适用于PowerTi...