一种用于IGBT模块的多目标优化方法与流程

一种用于igbt模块的多目标优化方法
技术领域
1.本技术涉及igbt结构优化技术领域，主要是一种用于igbt模块的多目标优化方法。


背景技术：

2.igbt(绝缘栅双极型晶体管)是目前应用较为广泛的功率半导体器件，常用在各种电力变换中。igbt模块是由绝缘栅双极型晶体管芯片与fwd(续流二极管芯片)通过特定的电路桥接封装而成的模块化半导体产品；封装后的igbt模块直接应用于变频器、ups不间断电源等设备上。igbt模块包括多层结构，参见图1所示的结构示意图，igbt模块包括：芯片1，芯片焊料层2，上铜层3，陶瓷层4，下铜层5，基板焊料层6和基板7。其中，芯片1通过铝键合线与外部电路连接。
3.在实际使用中，由于igbt模块多层结构封装材料的热膨胀系数不同，各个层的表面存在周期性的应力，所以igbt模块会出现周期性的功耗，导致igbt模块失效，影响到正常使用，所以需要评估igbt模块的可靠性。影响igbt模块可靠性的一个重要因素是igbt模块各层的厚度设计的不合理，各层厚度会影响igbt模块各层之间的温度传递，导致模块可靠性降低，因此需要通过优化igbt模块的结构，来提高igbt模块的可靠性。
4.现有技术中，在优化igbt模块的结构时，侧重于单目标优化，即考虑某一特定负荷(温度载荷或功率载荷)下igbt模块的可靠性，利用功率循环下igbt模块的结温信息，即芯片温度信息，来衡量igbt模块的可靠性，igbt模块的芯片温度越小，可靠性越高，或利用温度循环下igbt模块基板焊料层的非弹性工作能量密度来衡量igbt模块的可靠性，基板焊料层的非弹性工作能量密度越小，igbt模块的可靠性越高，最终获取可靠性高的igbt模块的各层厚度作为结构优化的结果。但是在实际应用中，igbt模块通常承受多种负荷，在某一种负荷下的优化结果可能会导致另一种负荷下igbt模块的可靠性降低，所以这种单目标优化方法优化后的igbt模块结构，在实际应用中可靠性不高。


技术实现要素：

5.为了解决现有技术中对igbt模块的结构优化只采用单目标优化方法，但优化后的igbt模块在实际使用中可靠性低的问题，本技术公开了一种用于igbt模块的多目标优化方法。
6.本技术公开了一种用于igbt模块的多目标优化方法，包括：
7.设置igbt模块结构参数的取值范围；
8.获取初始样本，所述初始样本为多组igbt模块的结构参数；
9.根据所述初始样本，构建多组igbt模块三维模型；
10.在第一预设条件下获取多组igbt模块三维模型的芯片温度，以及在第二预设条件下获取多组igbt模块三维模型基板焊料层的非弹性工作能量密度；
11.根据多组igbt模块三维模型的芯片温度，以及根据多组igbt模块的结构参数，构
建芯片温度代理模型；
12.根据多组igbt模块三维模型基板焊料层的非弹性工作能量密度，以及根据多组igbt模块的结构参数，构建非弹性工作能量密度代理模型；
13.获取pareto前沿，所述pareto前沿为所述芯片温度代理模型和所述非弹性工作能量密度代理模型中芯片温度与非弹性工作能量密度协同最低时的样本集合；
14.判断芯片温度代理模型和非弹性工作能量密度代理模型的计算次数是否满足预设值；
15.若不满足，则根据eim准则，重新抽取样本；
16.根据所述初始样本和所述样本，重新构建芯片温度代理模型和非弹性工作能量密度代理模型；
17.获取pareto前沿，直至芯片温度代理模型和非弹性工作能量密度代理模型的计算次数满足预设值；
18.若满足，则获取所述pareto前沿对应的igbt模块的结构参数。
19.可选的，所述设置igbt模块结构参数的取值范围包括：设置芯片焊料层厚度的取值区间，设置上铜层厚度的取值区间，设置陶瓷层厚度的取值区间，设置下铜层厚度的取值区间，设置基板焊料层厚度的取值区间，设置基板厚度的取值区间。
20.可选的，所述获取初始样本包括：
21.根据拉丁超立方方法，在igbt模块结构参数的取值范围内随机抽取多组igbt模块的结构参数。
22.可选的，所述代理模型使用kriging代理模型。
23.可选的，所述根据所述初始样本和所述样本，重新构建芯片温度代理模型和非弹性工作能量密度代理模型，包括：
24.根据所述样本，构建样本igbt模块三维模型；
25.在第一预设条件下获取样本igbt模块三维模型的芯片温度，以及在第二预设条件下获取样本igbt模块三维模型基板焊料层的非弹性工作能量密度；
26.根据所述样本igbt模块三维模型的芯片温度，以及根据所述初始样本，重新构建芯片温度代理模型；
27.根据所述样本igbt模块三维模型基板焊料层的非弹性工作能量密度，以及根据所述初始样本，重新构建非弹性工作能量密度代理模型。
28.可选的，所述第一预设条件包括功耗的设定值，igbt模块基板表面对流散热系数的设定值。
29.可选的，所述第二预设条件包括温度最大值的设定值，温度最小值的设定值，温度变化速率的设定值，初始温度的设定值，温度保持最大值的时间，温度保持最小值的时间。
30.本技术公开了一种用于igbt模块的多目标优化方法，包括：获取初始样本，初始样本为多组igbt模块的结构参数；构建多组igbt模块三维模型；获取多组igbt模块三维模型的芯片温度以及基板焊料层的非弹性工作能量密度；构建芯片温度代理模型和非弹性工作能量密度代理模型；获取pareto前沿，即芯片温度代理模型和非弹性工作能量密度代理模型中芯片温度与非弹性工作能量密度协同最低时的样本集合；判断芯片温度代理模型和非弹性工作能量密度代理模型的计算次数是否满足预设值；若不满足，则根据eim准则，重新
抽取样本；重新构建芯片温度代理模型和非弹性工作能量密度代理模型；获取pareto前沿，直至芯片温度代理模型和非弹性工作能量密度代理模型的计算次数满足预设值；若满足，则获取pareto前沿对应的igbt模块的结构参数。
31.本技术针对于igbt模块的结构进行多目标优化，优化后的结构适用于多种负荷下的实际工作环境，提高了igbt模块的可靠性，降低了igbt模块的使用成本。
附图说明
32.为了更清楚地说明本技术的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
33.图1为本技术实施例公开的一种用于igbt模块的多目标优化方法的igbt模块结构示意图；
34.图2为本技术实施例公开的一种用于igbt模块的多目标优化方法的流程示意图；
35.图3为本技术实施例公开的一种用于igbt模块的多目标优化方法的pareto前沿图。
36.其中，1-芯片，2-芯片焊料层，3-上铜层，4-陶瓷层，5-下铜层，6-基板焊料层，7-基板。
具体实施方式
37.为了解决现有技术中对igbt模块的结构优化只采用单目标优化，但优化后的igbt模块在实际使用中可靠性低的问题，本技术公开了一种用于igbt模块的多目标优化方法。
38.本技术公开了一种用于igbt模块的多目标优化方法，参见图2所述的流程示意图，所述方法包括：
39.设置igbt模块结构参数的取值范围。参见图1所示的结构示意图，所述设置igbt模块结构参数的取值范围包括：设置芯片焊料层厚度的取值区间，设置上铜层厚度的取值区间，设置陶瓷层厚度的取值区间，设置下铜层厚度的取值区间，设置基板焊料层厚度的取值区间，设置基板厚度的取值区间。其中芯片焊料层的最小值根据厂家能制造的最薄厚度，其余各层厚度的上下限可以根据实际情况和偏好设置在合理的范围既可。
40.获取初始样本，所述初始样本为多组igbt模块的结构参数。具体的，可以根据拉丁超立方方法，在igbt模块结构参数的取值范围内随机抽取多组igbt模块的结构参数。
41.根据所述初始样本，构建多组igbt模块三维模型。
42.在第一预设条件下获取多组igbt模块三维模型的芯片温度，以及在第二预设条件下获取多组igbt模块三维模型基板焊料层的非弹性工作能量密度。首先通过matlab软件驱动scdm软件根据初始样本建立igbt模块的三维模型，之后通过matlab软件驱动ansys mechanical软件获得多组igbt模块三维模型的芯片温度和基板焊料层的非弹性工作能量密度。
43.所述第一预设条件包括功耗的设定值，igbt模块基板表面对流散热系数的设定值。具体的，即在功率循环条件下，通过每个igbt的寿命和以下公式，获取igbt模块的芯片温度，公式如下：
[0044][0045]
公式中，c1为拟合常数640，c2约等于-5，p
max
和p
min
为最大和最小功率，r
th
为模块热阻，t
amb
为环境温度，q为活化能约等于7.8
×
104j/mol，为igbt模块的寿命，igbt模块寿命与芯片温度负相关。芯片温度可通过精确的有限元仿真获取。
[0046]
所述第二预设条件包括温度最大值的设定值，温度最小值的设定值，温度变化速率的设定值，初始温度的设定值，温度保持最大值的时间，温度保持最小值的时间。具体的，在第二预设条件下获取非弹性工作能量密度，通过以下公式获取：
[0047][0048][0049][0050]
其中，为温度循环下igbt模块的寿命，n0为产生初始裂纹的热循环次数，λ1、λ2、λ3、λ4为拟合系数，a为特征裂纹的长度，w为非弹性工作能量密度。w与igbt寿命负相关，而w可通过精确的有限元仿真获取。
[0051]
根据多组igbt模块三维模型的芯片温度，以及根据多组igbt模块的结构参数，构建芯片温度代理模型。
[0052]
根据多组igbt模块三维模型基板焊料层的非弹性工作能量密度，以及根据多组igbt模块的结构参数，构建非弹性工作能量密度代理模型。所述代理模型使用kriging代理模型，kriging代理模型可以提供预测值的方差以用于合理的增加新的样本点。
[0053]
获取pareto前沿，所述pareto前沿为所述芯片温度代理模型和所述非弹性工作能量密度代理模型中芯片温度与非弹性工作能量密度协同最低时的样本集合。
[0054]
判断芯片温度代理模型和非弹性工作能量密度代理模型的计算次数是否满足预设值。
[0055]
若不满足，则根据eim准则，重新抽取样本。通过初始样本构成的代理模型精度不高，需要结合加点策略来提高代理模型的精确度。
[0056]
根据所述样本，构建样本igbt模块三维模型。
[0057]
在第一预设条件下获取样本igbt模块三维模型的芯片温度，以及在第二预设条件下获取样本igbt模块三维模型基板焊料层的非弹性工作能量密度。
[0058]
根据所述样本igbt模块三维模型的芯片温度，以及根据所述初始样本，重新构建芯片温度代理模型。
[0059]
根据所述样本igbt模块三维模型基板焊料层的非弹性工作能量密度，以及根据所述初始样本，重新构建非弹性工作能量密度代理模型。
[0060]
现有技术中，进行单目标优化时一般采用ei加点准则，ei加点准则是基于kriging代理模型中误差的正态分布特性而提出的，在工程优化中得到了广泛应用。利用初始样本在设计空间内构建kriging代理模型，根据kriging代理模型的预测公式，其中x为设计变量，预测值服从均值为y、方差为σ2的正态分布，其概率密度函数(pdf)为：
[0061][0062]
假设当前样本中目标函数的最小值为y
min
，则kriging代理模型在未知点处的预测值y相对于ymin的改善为：
[0063]
i(x)＝max(y
min-y,0)；
[0064]
根据kriging代理模型对未知点预测的概率分布，可以计算任意未知点相对于当前最优值改善的期望，它反映了目标函数改善可能性大小。期望可用下式来计算：
[0065][0066]
通过上式的最大值即可得到kriging代理模型加点的坐标。
[0067]
对于本技术中提到的多目标优化，其加点准则与单目标ei加点法不同。单目标加点法中的“当前最优解”是一个一维的点，而多目标优化中当前最优解是一个多维点组成的pareto前沿。类比单目标优化的ei准则，将一维的ei准则拓展为二维的ei矩阵(expected improvement matrix,eim)可用于多目标优化。
[0068][0069]
ei矩阵中，ei
ij
可以看做是对近似pareto前沿的第j个点的第i个目标的期望提高值，所以ei矩阵可以衡量当前样本点对所有近似pareto前沿点在所有目标方向上的期望提高值。在得到ei矩阵之后，通过欧拉距离提高函数将二维的ei矩阵整理成一个数量值eime(x)即可构成多目标eim准则。
[0070][0071]
本技术通过多种群遗传算法来求eime(x)的最大值则可以获得多目标eim的加点坐标，同时多种群遗传算法中的种群数量可以根据计算精度要求合理选择。
[0072]
获取pareto前沿，直至芯片温度代理模型和非弹性工作能量密度代理模型的计算次数满足预设值。
[0073]
若满足，则获取所述pareto前沿对应的igbt模块的结构参数。
[0074]
本技术公开了一种用于igbt模块的多目标优化方法，包括：获取初始样本，构建多组igbt模块三维模型；获取多组igbt模块三维模型的芯片温度以及基板焊料层的非弹性工作能量密度；构建芯片温度和非弹性工作能量密度代理模型；获取pareto前沿，即代理模型中芯片温度与非弹性工作能量密度协同最低时的样本集合；判断代理模型的计算次数是否满足预设值；若不满足，重新抽取样本；重新构建芯片温度和非弹性工作能量密度代理模型；获取pareto前沿，直至代理模型的计算次数满足预设值；若满足，则获取对应的igbt模块的结构参数。
[0075]
本技术针对于igbt模块的结构进行多目标优化，优化后的结构适用于多种负荷下
的实际工作环境，提高了igbt模块的可靠性，降低了igbt模块的使用成本。本技术通过多目标优化算法对igbt模块的功率循环寿命和温度循环寿命做了综合评估，可以根据实际工况选择适合的pareto最优解来优化igbt模块的结构。此外，利用kriging代理模型代替高保真的有限元仿真计算并结合eim加点准则，既保证了计算精度，又避免了原有基于有限元仿真计算的优化设计高昂的计算成本，计算量大幅减少。
[0076]
以下结合具体实施例来说明本技术公开的方法，以igbt模块中各层厚度为优化变量，包括基板厚度d1、基板焊料层厚度d2、下铜层厚度d3，陶瓷层厚度d4、上铜层厚度d5、芯片焊料层d6。各层厚度的取值区间如表1所示：
[0077]
表1 igbt模块各层厚度变化范围(单位：mm)
[0078][0079]
在确定了优化变量的变量区间之后，采用拉丁超立方抽样的方法抽取初始样本点。初始样本点的数量太少，则会导致代理模型精度变差，甚至加点之后也很难改善。初始样本点太多，则会浪费计算资源。本文初始获取的igbt模块的数量为100。
[0080]
设置第一预设条件为：热源为igbt芯片，功耗为100w，在igbt的基板表面设置对流散热系数为2100w/(m2
·
℃)。设置第二预设条件为：设置温度循环载荷为高温125℃，低温-40℃，初始温度为25℃，温度变化速率为10℃/min，温度在其最高点和最低点均保持15min。计算初始100个igbt模块的芯片温度和非弹性工作能量密度，分别构建芯片温度初始模型和非弹性工作能量密度初始模型，根据eim加点准则对所述芯片温度初始模型和非弹性工作能量密度增量初始模型增加样本点，重新构建芯片温度模型和非弹性工作能量密度模型，设置重复获取待定igbt模块的次数为200次，输出pareto前沿，参见图3，获取图3中最优解对应的igbt模块的结构参数作为本次优化的结果。
[0081]
以上结合具体实施方式和范例性实例对本技术进行了详细说明，不过这些说明并不能理解为对本技术的限制。本领域技术人员理解，在不偏离本技术精神和范围的情况下，可以对本技术技术方案及其实施方式进行多种等价替换、修饰或改进，这些均落入本技术的范围内。本技术的保护范围以所附权利要求为准。