论文部分内容阅读
功率模块IGBT的开关损耗会产生一定的热量从而引起较大的温升,并且开关时间的延长也会使器件遭受一定的损伤,严重影响器件的安全可靠运行。为此如何快速方便的获取精确的开关损耗和开关时间这一问题亟待解决。本文以功率模块IGBT为研究对象,对其动态过程中开关损耗和开关时间的建模展开了研究。主要工作如下:(1)首先详细阐述了功率模块IGBT的发展历程以及研究其动态特性的意义,对国内外IGBT的动态特性测试方法和开关损耗计算模型进行了归纳总结,为功率模块IGBT动态过程中开关损耗和开关时间的建模奠定了理论基础。然后在详细分析IGBT结构及工作特性的基础上,对功率模块IGBT的动态特性进行测试,获得了各测试条件下的开关动态波形和开关时间等数据,为开关损耗和开关时间的建模提供了数据基础。(2)为确定开关损耗和开关时间预测模型的输入变量,分析了动态特性实验中各参数对开关损耗和开关时间的影响。并根据这一分析建立了基于粒子群优化支持向量机的开关损耗和开关时间预测模型,通过分析预测结果发现该模型的寻优效果和预测效果不太理想。为此将传统的鸡群优化算法进行改进,进一步平衡了整个算法的全局搜索与局部搜索能力,使鸡群能够实现动态自我调整,提高了整个算法的寻优性能。使用改进的鸡群优化算法对支持向量机的参数进行寻优,并在此基础上建立了基于改进鸡群算法优化支持向量机的开关损耗和开关时间预测模型。(3)采用改进鸡群算法优化支持向量机模型对IGBT的开关损耗和开关时间进行预测,为进一步验证该模型的精确性和有效性,将真实的开关损耗、开关时间分别与改进鸡群算法优化支持向量机模型、鸡群算法优化支持向量机模型和粒子群算法优化支持向量机模型的预测结果进行对比。通过对三种模型的收敛曲线进行比较发现改进鸡群算法优化支持向量机模型的预测具有最快的收敛速度,寻优效果相对于其他两种模型具有明显的改善。并且基于该模型预测的相对误差整体波动较小,具有较小的预测相对误差,预测效果是三种模型中最好的。改进鸡群算法优化支持向量机模型与鸡群算法优化支持向量机模型的预测平均相对误差相比,对于开通损耗、关断损耗、开通时间和关断时间预测的平均相对误差分别降低了2.9344%、2.5446%、0.8029%和0.6813%。综上所述该模型对于提高器件的工作效率、改善散热器的设计结构和实现电力电子器件的寿命预测具有重要的现实意义。