牛 剛，劉 崢，余旭濤

（同濟大學鐵道與城市軌道交通研究院，上海 201804）

絕緣柵雙極型晶體管（IGBT）同時具備雙極功率晶體管以及MOSFET功率晶體管的優(yōu)點，是電力能源變換與傳輸的核心器件，俗稱電力電子裝置的“CPU”。以車輛系統(tǒng)為例，IGBT 是軌道車輛牽引變流器和各種輔助變流器的主流電力電子器件，也成為電動汽車逆變器的首選裝置，用以實現(xiàn)電動汽車加速時的電流輸出，以及制動能量回饋時的電流輸入。車載IGBT工作時會承受較大的功率波動以及頻繁工況變化所帶來的累積疲勞損傷。據可靠統(tǒng)計［1］，約有38%的功率變流器系統(tǒng)故障源于IGBT的失效。因此，本文以車輛系統(tǒng)為應用對象，總結梳理國內外車用大功率IGBT模塊健康管理（PHM）技術的發(fā)展狀況。

1 IGBT模塊典型失效機理研究現(xiàn)狀

按照失效機理、狀態(tài)監(jiān)測、故障診斷、壽命預測四部分對進行綜述，文章的結構如圖1所示。

典型焊接式IGBT模塊結構圖如圖2所示，從上至下依次是芯片層、芯片焊料層、DBC層、DBC焊料層、銅基板、以及散熱器。在此結構基礎上，車用IGBT 模塊通常并聯(lián)多個芯片以增強模塊負載電流的能力。在運行過程中，模塊會經歷功率循環(huán)、溫度循壞，模塊內部承受電、熱、機械應力的交互作用，產生疲勞損傷，逐漸老化失效，或在過應力作用下發(fā)生瞬態(tài)失效。

圖2 焊接式IGBT模塊結構圖Fig.2 Structure diagram of welded IGBT module

目前研究普遍按失效部位將IGBT 模塊失效分為芯片級失效和封裝級失效，詳細的分類如圖3 所示，對應機理分析綜述于表1。

表1 IGBT模塊失效機理分析Tab.1 Failure mechanism analysis of IGBT module

圖3 IGBT模塊失效分類Fig.3 IGBT module failure classification

歸納國內外IGBT 模塊失效機理相關文獻可知，鍵合線脫落是IGBT 模塊實際應用中最普遍的失效模式，也是大部分退化形式下模塊的最終故障形式，因此是失效機理研究的熱點。現(xiàn)有研究大多針對鍵合線脫落和焊料層老化機理，對于芯片級失效機理研究不夠深入，尤其是大功率IGBT 模塊多芯片失效耦合作用的研究仍很少。IGBT 模塊失效前往往經歷了性能的退化。一般而言，芯片失效往往是瞬時失效，較難通過相應參數表征其退化的情況。但由于柵極氧化層受外界影響后會對芯片產生影響，甚至導致芯片失效，因此可以通過柵極漏電流和柵極閾值電壓兩種表征參數，通過表征IGBT 柵極氧化層的退化情況，進而表征芯片的退化情況。

2 IGBT模塊狀態(tài)監(jiān)測技術研究現(xiàn)狀

狀態(tài)監(jiān)測是指利用各種分析檢測方法，直接或間接提取能夠有效表征對象系統(tǒng)運行狀態(tài)的參數，通過參數的變化追蹤監(jiān)測對象系統(tǒng)狀態(tài)的變化。按照監(jiān)測對象，本文將IGBT 模塊狀態(tài)監(jiān)測手段劃分為以下四種：結溫監(jiān)測，鍵合線脫落監(jiān)測，焊料層老化監(jiān)測以及芯片氧化層退化監(jiān)測。根據參閱文獻將各種監(jiān)測手段以及其特點總結如表2所示。

表2 各類IGBT模塊監(jiān)測參數手段及其優(yōu)缺點Tab.2 Monitoring parameter means of various IGBT modules and their advantages and disadvantages

3 IGBT模塊故障診斷技術研究現(xiàn)狀

車載大功率IGBT 主要用于車輛變流裝置如整流器和逆變器等，每個裝置由多個IGBT 組成。根據在車輛運行過程中的故障類型可以將IGBT故障分為突變故障和老化故障，老化故障由于過程緩慢，發(fā)生之后不會對系統(tǒng)造成太大的影響，因此該類故障的處理方法主要是對老化特征因子進行提取，從而判斷其健康狀態(tài)，對壽命進行預測，與該內容相關的技術在2.4節(jié)進行綜述。而突變故障發(fā)生之后如若不能及時進行檢測和診斷，并采取被動或主動容錯控制，將會對整個系統(tǒng)造成嚴重損害。

通常來說，突變故障又分為短路故障和開路故障。IGBT 模塊雪崩、過熱、過壓擊穿等都會導致短路故障，短路故障具有很強的破壞力，一般通過短路保護電路來避免短路故障造成的巨大危害；而開路故障主要是由于焊接脫落、電路失效、器件破裂或者短路故障導致，開路故障發(fā)生后短期內并不會對系統(tǒng)造成較大損害，可以持續(xù)工作一段時間，但是在工作狀況惡劣的情況下，將會造成災難性二次故障。

3.1 基于電流參數

采用電流參數，配合信號處理方法，可對故障特征進行提取。當IGBT發(fā)生開路故障時，IGBT對應

在信號分析技術方面，由于當故障發(fā)生時，未故障相的定子電流會有相應的畸變，其諧波含量也會隨之增加，因此可以通過時頻分析方法提取瞬時頻率，從而對開路故障進行檢測。文獻［21］提出了一種基于定子電流的Hilbert-Huang變換（HHT）IGBT開路故障檢測方法，通過計算經過CEEMDAN分解得因此可以通過對故障特征的有效提取以及對故障位置的定位和故障模式的隔離，有效地減輕故障的危害，保證系統(tǒng)的良好運行。

近幾年有學者針對IGBT 的故障診斷技術進行了追蹤調研，從基于電流和基于電壓兩個方向［17］、定性和定量兩個角度［18］、從基于模型、基于數據以及基于信號處理三個角度［19］以及比較監(jiān)督和非監(jiān)督類型算法［20］展開了逆變器開關管的故障診斷技術綜述。

在此基礎上，本文從工程應用角度出發(fā)，綜合最新幾年的車載IGBT故障診斷技術，將IGBT故障診斷所需信號種類以及其優(yōu)缺點總結成表格3如下：相的電流只有半個周期，且其余相的電流存在一定程度的畸變。以兩電平逆變器T1 故障為例，當T1發(fā)生開路故障前后，其仿真電流波形如圖4所示。到的IMF的RMS（均方根）選擇對應的IMF，進而對該IMF信號進行希爾伯特包絡譜分析得到故障的瞬時頻率，但該方法并未提及多管故障。

圖4 IGBT（T1）故障前后電流對比Fig4 Comparison diagram of currents before and after IGBT (T1)fault

當故障發(fā)生時，電流信號所含的能量發(fā)生瞬間變化，因此也可以通過計算對應的熵值或者譜峭度方法，對變化的瞬態(tài)信號進行檢測。文獻［22］等針對CRH3 型動車組整流器單管故障和雙管故障，采用改進譜峭度方法并結合電流均值法對整流器發(fā)出的固定脈沖響應實現(xiàn)故障診斷，改進的譜峭度如公式2計算得到。

表3 故障診斷各類方法所需模型、參數以及其優(yōu)缺點Tab.3 Models,parameters,advantages and disadvantages of various fault diagnosis methods

通過不同故障特征的提取，采用數據驅動的方法，通過對神經網絡或是分類器進行訓練，最終得到的模型可以對不同故障進行分類，實現(xiàn)故障有效診斷。文獻［23］基于三相變流器輸出的電流信號，提出一種基于集成的隨機分類器來識別三相PWM變換器中的IGBT 開路故障。除此之外，Kou Lei［24］等人通過分析三相脈沖整流器的開路故障，提出了一種基于電流暫態(tài)綜合特征的深度前反饋神經網絡的診斷和定位方法。

基于模型方法上也同樣用于車用IGBT 的故障診斷中，主要是采用電流殘差作為分析信號。變流器系統(tǒng)是由連續(xù)和離散變化的事件組成，其特征滿足混雜系統(tǒng)的條件?；祀s系統(tǒng)建模方法之一即為基于混合邏輯動態(tài)模型（MLD）模型，該方法考慮到了系統(tǒng)的控制、電壓和電流條件，因此基于MLD 建模的方法被應用到診斷中。文獻［25］研究了一種基于觀測器誤差和電流平均值的自適應閾值方法?？紤]到暫態(tài)模式和穩(wěn)態(tài)模式，利用產生的殘差的演化及其相應的閾值來檢測故障的發(fā)生。然后，利用電流和將IGBT 故障與電流傳感器故障區(qū)分開來，通過電流平均值實現(xiàn)IGBT 故障隔離，具體的技術路線圖如圖5所示。

除了電流殘差作為故障特征之外，由于發(fā)生開路故障后，三相電流的波形會發(fā)生有規(guī)律且明顯的變化（對應相電流半個周期變?yōu)榱悖?，因此基于模型的電流軌跡方法也用于診斷中。文獻［26］提出一種基于電流形狀因子殘差的IGBT 開路故障診斷方法，通過定義自適應閾值進行診斷。另外，文獻［27］對模型故障下的相電流軌跡進行分析，以零故障相電流為故障特征，通過對故障后的電流表達式進行積分，根據積分符號實現(xiàn)故障的定位，利用此方法在不同控制策略下依托半實物仿真平臺進行了驗證。

3.2 基于電壓參數

對于方便提取電壓的變流裝置而言，將電壓作為故障特征參數可以得到更加穩(wěn)定和精確的診斷結果。在基于數據的診斷方法中，有文獻［28］利用主成分分析（PPCA）和支持向量機（SVM）進行診斷。且當電平數增多時，故障的種類、故障數據的維度等也會隨之增加，一般的分類算法無法較快的對故障進行分類診斷，通過分析開路故障前后的電壓等級的變化，文獻［29］采用基于傅里葉變換對數據進行預處理，并通過主元分析將數據中的特征降維，最后基于貝葉斯網絡的方法對七電平逆變器的IGBT開路故障進行診斷，并采用對變載波和調制波的電壓進行重構容錯。

在基于模型方面，文獻［30］提出了一種基于電壓偏差的平均模型診斷方法，該方法通過建立的模型分別得到線電壓和相電壓的估計值，分別與觀測到的真實值計算殘差，進而得到故障特征值，可以對單管開路的IGBT和電流傳感器故障進行診斷。針對于電壓、電流均可采樣的三相逆變器，文獻［41］提出將逆變器橋臂電壓作為故障特征，利用平均模型法分別得到三線制和四線制的逆變器的診斷變量，結合誤差自適應的閾值方法，得到魯棒性強的單管、雙管故障診斷規(guī)則。文獻［31］通過建立換流器開關函數模型，利用三相電壓殘差作為故障特征，實現(xiàn)了單橋臂IGBT開路和雙橋臂IGBT開路故障的在線診斷，并進行了實驗驗證了方法的抗干擾性，上下橋臂電壓殘差的閾值如公式3和4所示。

3.3 基于組合參數

除了單獨利用電流和電壓參數之外，還可以利用電流和電壓組合參數對故障進行診斷。例如，文獻［32］使用高速列車和工業(yè)驅動中可獲取的開關指令信號、接觸網電流和直流鏈路電壓作為系統(tǒng)參數，基于MLD 模型輸出與實際系統(tǒng)輸出的系統(tǒng)參數連續(xù)比較結果得到殘差，用于IGBT故障診斷，非常適合于電力牽引應用。文獻［33］基于級聯(lián)H橋（CHB）多電平變換器開路IGBT 檢測技術，利用單個電流傳感器和單個電壓傳感器來監(jiān)測支路的電流和輸出電壓。將實測電壓與期望電壓進行比較，并根據偏差的大小和電流流向確定斷路故障的位置，但該方法需要加裝電流傳感器和電壓傳感器。

歸納上述國內外IGBT 模塊狀故障診斷相關文獻可知，基于電流的診斷方法獲取可以適用于大部分的車用IGBT故障診斷，相比之下，基于電壓和基于其他或組合參數的診斷方法可以保證有較好的精度；另外多種信號融合技術也會降低診斷的實時性。針對IGBT 的故障種類逐漸增多、故障診斷的方法趨于成熟和多樣化，并且開始考慮故障的容錯控制。但是到目前為止，針對于IGBT 的故障種類大都停留在單管開路和雙管開路，目前有效的多元信號融合診斷、有效的故障容錯方法以及故障的演化傳遞特性的研究極少。

3.4 基于其他參數

除了將電流和電壓作為故障特征參數之外，也有學者嘗試將行為殘差［34］、磁鏈殘差［35］等作為故障特征參數用以診斷相應故障。

4 IGBT 模塊壽命預測技術研究現(xiàn)狀

在IGBT 模塊壽命預測技術研究方面，一些文獻［36-39］對壽命預測的解析模型和物理模型進行較為詳細的介紹和比較，這些文獻對于數據驅動的壽命預測方面少有提及。在實際運行過程中，結溫是反映IGBT 工作狀態(tài)的重要參數，因此對結溫進行有效預測，對IGBT剩余有用壽命的評估有指導意義。因此從基于模型、數據的角度，從工程應用的角度對當前IGBT 壽命預測和結溫預測技術進行綜述，并總結了各類方法的優(yōu)缺點，如表4所示。

表4 壽命預測各類方法所需模型、參數以及其優(yōu)缺點Tab.4 Models,parameters,advantages and disadvantages of various methods for life prediction

4.1 基于模型的方法

基于模型的方法主要包括基于解析模型和基于物理模型。解析模型主要通過對老化試驗得到的數據進行擬合，將失效次數與相應的變量（如電流、結溫等）組合成為相應的壽命方程，該方法僅是數學方面的擬合，沒有理論依據做支撐，因此可信度不高，但是方法簡單?；谖锢砟Ｐ蛣t是依據材料失效的機理，從應力應變的角度分析，得到相應的壽命方程，由于建立在失效機理基礎上，因此該類方法具有更高精度，但也伴隨著復雜的建模和計算難度。

4.1.1 解析模型方法

在汽車IGBT 壽命預測方面，文獻［40］通過對IGBT模塊在驅動工況下的工作狀態(tài)、功率損耗和結溫波動的分析以及考慮到汽車行駛速度和道路條件對IGBT 功率損耗和結溫的影響，建立了一種適用于不同工況下的電動汽車IGBT模塊Lesit壽命預測模型，用于預測給定驅動條件下IGBT模塊的壽命。針對CRH5 動車組IGBT 壽命預測問題，文獻［41］采用半實物仿真的方法，通過模擬CRH5 動車真實工況并結合熱模型得到IGBT的結溫和殼溫分別與電流的關系，采用雨流計數法得到波動數據，再利用Miner損傷累積理論分析，得到整流器側IGBT累積損傷度小于逆變器側，加速工況相比制動和勻速工況更能使IGBT損傷。

在不同控制策略層面，文獻［42］針對牽引變流器中的IGBT 壽命預測進行了研究，在電流開環(huán)弱磁控制和單電流閉環(huán)弱磁控制下進行了仿真驗證，并與實際工況相結合，對比不同策略下的IGBT 壽命損耗情況，發(fā)現(xiàn)采用單電流閉環(huán)弱磁控制的策略可以使IGBT壽命延長。

4.1.2 失效物理模型方法

利用失效物理模型方法進行壽命預測通常是以仿真研究以及驗證為主，文獻［43］通過設計不同試驗條件下的低結溫功率循環(huán)試驗和仿真，提出了一種基于功率循環(huán)試驗的功率模塊貼片焊料層PoF壽命預測方法，發(fā)現(xiàn)損傷的增長率與結溫和結溫平均值成正比，但是該方法只考慮了焊料的疲勞問題。文獻［44］提出一種采用電流變化率來預測結溫變化的方法，通過對IGBT 關斷機理和關斷過程中的電流溫度特性進行研究和理論推導，并利用基于Saber仿真平臺建立的IGBT 模型搭建了仿真電路進行驗證，得到方法的有效性。

4.2 基于數據驅動方法

數據驅動方法是通過分析加速老化過程中各相關參數的變化，提取出老化特征參數，通過訓練模型，將參數與壽命相對應，從而實現(xiàn)壽命的預測。不少文獻結合NASA-ARC 加速壽命試驗數據中的集電極發(fā)射極關斷電壓尖峰值參數展開相關的研究。利用集電極-發(fā)射極關斷電壓尖峰值數據，文獻［45］提出了過程神經網絡的IGBT 健康預測方法，文獻［46］提出長短期記憶（LSTM）網絡的壽命預測方法，也有文獻基于GARCH 模型建立了IGBT 老化壽命模型，對IGBT 剩余壽命進行預測。在結溫預測方面，文獻［48］提出了基于溫敏參數法的結溫預測模型。文獻［49-50］通過改進SVM 算法，利用飽和壓降、集電極電流預測結溫。

歸納上述國內外IGBT 模塊壽命預測以及結溫預測相關文獻可知，大多方法目前停留在仿真和驗證方面。雖然越來越多的智能算法如深度學習等被嘗試運用到壽命預測中，然而文獻大多采用NASA的加速壽命實驗公開測試數據，存在數據源頭單一的情況，且方法的實時性和有效性不能有“突破性的創(chuàng)新和進步”。總體而言，考慮多壽命因子、多工況下、多數據源兼容的壽命預測方法應該是未來努力的方向。

5 總結與展望

5.1 總結

本文面向車用IGBT 模塊健康管理，從失效機理、狀態(tài)監(jiān)測、故障診斷以及壽命預測四個方向入手，介紹了現(xiàn)階段國內外IGBT 智能運維技術的發(fā)展狀況。其中失效機理是IGBT 健康管理的研究基礎，狀態(tài)監(jiān)測、故障診斷和壽命預測則是研究的最終目的。針對IGBT健康管理的技術主要存在以下難點：首先，在失效機理方面，針對IGBT-二極管芯片耦合作用，尤其大功率IGBT 模塊內多芯片失效耦合作用的研究很少；其次，在狀態(tài)監(jiān)測方面，當前狀態(tài)監(jiān)測方法多從單一參量與退化狀態(tài)的關系入手，且進行了一定的假設，在實際工程應用中，尤其是大功率工況波動的應用具有較大的局限性；第三，在故障診斷層面上，現(xiàn)階段研究并未考慮故障在更高層系統(tǒng)內的傳遞影響，除此之外，診斷的實時性和在線診斷的可行性在多數文獻中并未體現(xiàn)；最后，在壽命預測階段，由于受到監(jiān)測條件的約束，現(xiàn)階段的預測水平仍停留在基于模型的方法上，基于數據驅動的預測方法所選取的數據也大多源于加速壽命試驗，與現(xiàn)實工況相差甚大。

5.2 展望

基于上述存在的問題，對未來的IGBT 健康管理技術提出對應展望：首先，在失效機理研究方面，建議進一步通過相關實驗研究芯片退化的有效表征參數?？紤]到在實際工作中，IGBT的運行工況可能發(fā)生突變，該情況可能不會導致其立即失效，但是基于失效機理的相關特征參數退化趨勢將會有所改變，因此在失效的研究基礎上，應該增加異常工況的模擬；與此同時，狀態(tài)監(jiān)測技術的發(fā)展應緊密聯(lián)系失效機理，發(fā)展芯片級狀態(tài)監(jiān)測技術，尋求非侵入、高精度、實時性好、實用性強的監(jiān)測方法，同退化表征參數結合，尋求新的、更有效的壽命預測方法；在故障診斷層面上，未來研究應充分考慮計算分析的時效性和準確性，深入研究面向實際應用的定性與定量、實測數據與知識模型混合的診斷方法，進一步開展IGBT 模塊復合故障診斷方法研究以及多IGBT模塊故障隔離方法的研究，尤其是基于模型的故障診斷，閾值的選取應當與系統(tǒng)的各個參數緊密結合，在有效的診斷算法的基礎上，尋求故障特征的在線辨識；最后，建議今后深入開展早期微弱漸變退化的預測方法研究，IGBT故障從出現(xiàn)到失效存在漸進不確定性過程，時間長度根據不同類型的故障及動態(tài)激勵有所不同，開展IGBT 定量損傷評估和壽命預測，為開展基于預測的可重構健康優(yōu)化和主動容錯控制做好充分準備。

作者貢獻聲明：

牛剛：提供研究思路與技術指導以及論文完善工作。

劉崢：提供研究思路，撰寫論文。

余旭濤：協(xié)助文獻整理及校對。