- 頭條湖南大學科研人員就電力電子器件模塊的機械應力波研究發表綜述2022-04-23 作者：李孟川、何赟澤 等 | 來源：《電工技術學報》 | 點擊率：導語湖南大學電氣與信息工程學院、電力設備電氣絕緣國家重點實驗室（西安交通大學）的研究人員李孟川、何赟澤、孟志強、周雅楠、李運甲，在2021年第22期《電工技術學報》上撰文，針對部分機構已有的能夠表征電力電子器件/模塊狀態的機械應力波研究均分散在信號提取、信號分析和狀態表征等方面，沒有進行系統總結，首先對機械應力波的基礎內容進行討論，總結對比適用于電力電子器件/模塊的產生機理、測試檢測電路和信號處理方法；隨后對電力電子器件/模塊機械應力波的研究現狀進行綜述，歸納總結機械應力波的組成模式、源機制、頻域特征與健康狀態的對應關系；最后從機理分析、研究對象、信號處理、狀態表征和檢測裝置五個方面對電力電子器件/模塊機械應力波存在的關鍵問題進行分析，并提出未來的研究方向。
電力電子器件/模塊是實現高效高質量電力電子電能變換技術的基石，在智能電網、特種電源、電機驅動、高鐵牽引、新能源發電、電動汽車等領域應用越來越廣泛。電力電子器件/模塊一旦發生故障或者性能弱化，會對整個裝置乃至系統的正常運行造成極大危害。測試與檢測是保證與提高電力電子器件/模塊可靠性的關鍵技術，貫穿于器件/模塊的研發、生產、服役和維修等過程。
現有檢測技術主要建立在測量電、磁、熱物理信息上，這些方法均可以實現器件/模塊的健康狀態檢測和故障診斷，提升其可靠性，具有一定的使用價值。
電應力信息提取方法包括直接提取法和間接提取法，直接提取法直接檢測電力電子器件關鍵位置的電壓或電流，實現截壓、截流控制及過電壓、過電流保護；間接提取法對測量的電信號進行數據處理，利用處理后的信號判斷電力電子器件/模塊的故障狀態，目前大部分工作處于仿真階段；
磁應力信息提取方法利用巨磁阻效應，借助內埋于器件和模塊內部的巨磁阻磁場傳感器來獲取電氣信號，需要對干擾信號進行準確解耦并改造器件/模塊的內部結構；
熱應力信息的提取方法包含光學非接觸式測量法、物理接觸式測量法、熱敏感電參數法和熱阻抗模型法。其中，光學非接觸測量法一般采用紅外熱像儀來測量器件和模塊內部的結溫，需要打開器件和模塊的封裝，難以實現在線檢測；物理接觸式測量法通常在器件和模塊內部預埋熱敏電阻來測溫，響應速度慢，需要改變器件/模塊的結構；熱敏感電參數提取法利用與電力電子器件/模塊結溫密切相關的電學特性來間接測量器件的結溫，能夠實現快速、非侵入和在線監測；熱阻抗模型預測法通過仿真技術，利用器件/模塊的功耗和熱阻模型來計算芯片的結溫。
但是，基于機械應力的電力電子器件/模塊狀態監測方法沒有得到廣泛的研究和關注，尚處于初始發展階段。目前，急需擴展該方面的研究內容來完善電力電子器件/模塊的狀態監測體系，從而保障電力電子裝備的運行可靠性。
利用材料內能量快速釋放產生瞬態彈性波的聲發射（Acoustic Emission, AE）檢測技術具有快速、實時、在線等特點，已應用于絕緣子污穢放電檢測、變壓器局部放電檢測、風機葉片健康監測等。電力電子器件/模塊氧化層裂紋的產生、金屬疲勞裂紋的產生及焊點的脫落等動態行為也會產生彈性波，屬于傳統聲發射（Traditional Acoustic Emission, TAE），由故障或缺陷直接產生。
電力電子器件/模塊在正常工作時有載流子變化，由此引起的電磁力與結構相互耦合會產生電磁聲發射（Electromagnetic Acoustic Emission, EMAE），這種電磁聲發射即機械應力波（Mechani- cal Stress Wave, MSW），與傳統聲發射是不同的，伴隨著器件/模塊的正常工作產生。
近年來，芬蘭拉普蘭塔理工大學、德國開姆尼茨工業大學、丹麥奧爾堡大學、波蘭什切青海事大學、湖南大學的學者都對電力電子器件/模塊中的機械應力波進行了試驗研究，發現器件/模塊在開關切換時可以產生機械應力波，分析機械應力波的組成模式和對應源機制，探索器件/模塊老化與機械應力波參數之間的關系，發現機械應力波參數與集-射極飽和壓降的變化趨勢相一致。因此，電力電子器件/模塊開關時產生的機械應力波具有重要研究價值和廣闊應用前景。目前，尚沒有文獻對電力電子器件/模塊的機械應力波進行系統的歸納和總結，因而不利于該內容的進一步研究。
為推動以機械應力波為基礎的電力電子器件/模塊狀態監測方法的進一步發展，湖南大學科研人員總結了適用于電力電子器件/模塊機械應力波的機理、檢測方法、測試檢測電路、聲發射傳感器和信號處理方法，分析國內外電力電子器件/模塊機械應力波的發展現狀，提出電力電子器件/模塊機械應力波存在的關鍵問題，展望電力電子器件/模塊機械應力波的未來研究方向。
圖1 基于機械應力波的器件狀態監測方法
科研人員指出，相較于其他檢測技術，聲發射技術能夠更快地檢測物體內部的機械損傷，為設備的維護決策提供更長的響應時間，并具備快速、在線和非侵入的優點，在電力電子器件/模塊狀態檢測方面具有巨大的發展潛力。但現有研究距離形成基于機械應力波的電力電子器件/模塊狀態監測方法還有一定的距離，主要體現在以下五個方面：
（1）機械應力波的理論研究剛剛起步。現有仿真模型不能同時考慮微觀載流子與宏觀電磁力，也缺少耦合電磁熱力多物理場的器件模型，導致不能深入研究功率器件/模塊機械應力波機理。
（2）現有研究主要集中在Si基器件/模塊，很少涉及碳化硅和氮化鎵等寬禁帶功率器件/模塊，急需完善該方面的研究來擴展機械應力波的檢測范圍。
（3）多數研究以實驗獲得的信號分析為主，測量的信號混合了瞬態電磁場信號與電磁干擾，給機械應力波測量、分析和特征提取造成了困難。
（4）機械應力波特征值尚沒有與器件/模塊內部損傷對應起來，不能用于反演損傷屬性，更沒有建立智能損傷診斷模型。
（5）現有聲發射壓電傳感器尺寸較大，通常安裝在器件/模塊封裝或散熱器上，難以集成在功率器件/模塊內部，且難以滿足現場嚴苛條件的應用需求。
基于現有研究存在的問題，他們認為功率器件/模塊機械應力波的發展趨勢主要集中在以下五個方面：
（1）電力電子器件/模塊開關產生的電磁聲發射信號由兩部分組成，高頻分量反映了電磁瞬態過程，低頻分量反映了電-力-結構間的耦合信息。因此，高頻分量可通過SIwave/HFSS、CST MWS等電磁和射頻仿真軟件研究其產生與傳播機制；低頻分量可通過TCAD與Ansys結合、COMSOL、ABAQUS等有限元仿真軟件研究其產生與傳播機制。
（2）需要探索適用于寬禁帶功率器件/模塊的測量裝置和測量方案研究其內部的機械應力波，形成較為通用的功率器件/模塊機械應力波檢測方法。
（3）使用強大的信號處理算法來抑制干擾信號，盲源分離和自適應濾波技術似乎是合適的選擇，因為在現場測試強干擾條件下，這些算法能夠在復合材料、混凝土和鋼軌中有效提取機械損壞產生的聲發射信號特征。
（4）借助維卷積神經網絡、循環神經網絡、長短期記憶網絡等深度學習模型，建立基于時間序列深度學習的損傷智能評估模型。目的是為器件損傷提供可靠的診斷模型。在強噪聲干擾和大量無序信號的條件下，這些算法在橋梁和壓力容器缺陷識別方面，仍具有很高的識別精度。
（5）基于MEMS傳感器和光纖傳感器尺寸小和可嵌入的特點，利用新型制造工藝將其嵌入功率器件/模塊內部，便于在惡劣的現場測試條件下測量機械應力波，擴展機械應力波檢測技術的應用范圍。
最后，科研人員表示，隨著電力電子裝備的多物理場仿真建模技術、智能濾波技術和深度學習算法快速發展，填補這些研究空白只是時間問題。相信在不遠的未來，機械應力波狀態監測方法能夠快速、在線和非侵入地檢測功率器件/模塊內部的機械損傷，完善電力電子裝備狀態監測體系，保障電力電子裝備的服役可靠性。
以上研究成果發表在2021年第22期《電工技術學報》，論文標題為“基于聲發射檢測技術的電力電子器件/模塊機械應力波綜述”，作者為李孟川、何赟澤 等。
