スイッチング波形の機械学習を用いたパワーサイクル劣化検出における測定回路と波形組合せの効果

カテゴリ: 研究会(論文単位)

論文No: EDD24050,SPC24188

グループ名: 【C】電子・情報・システム部門 電子デバイス/【D】産業応用部門 半導体電力変換合同研究会

発行日: 2024/11/11

タイトル(英語): The Effects of Measurement Circuit and Waveform Combination on Power Cycle Degradation Detection Using Machine Learning of Switching Waveform

著者名: 出井 和音(九州大学),Mamee Thatree(九州大学),Lutzen Hauke(ブレーメン大学),Kaminski Nando(ブレーメン大学),畑 勝裕(芝浦工業大学 / 東京大学),高宮 真(東京大学),西澤 伸一(九州大学),齋藤 渉(九州大学)

著者名(英語): Kazune Idei(Kyushu University),Thatree Mamee(Kyushu University),Hauke Lutzen(The University of Bremen),Nando Kaminski(The University of Bremen),Katsuhiro Hata(Shibaura Institute of Technology / The University of Tokyo),Makoto Takamiya(The University of Tokyo),Shin-ichi Nishizawa(Kyushu University),Wataru Saito(Kyushu University)

キーワード: パワーデバイス|機械学習|ディジタルゲート制御|Power Device|Machine Learning|Digital Gate Control

要約(日本語): パワーデバイスはスイッチング損失による熱によって故障に至る。本研究では実働のシステムの故障・寿命を検出するために，機械学習でスイッチング波形を解析し劣化検出を行う。配線インダクタンスを低下させた場合、ターンオフでVgeの正解率が99.5％に向上し、従来の60%を大幅に上回った。ターンオンではVgeおよびIe単体で50%程度だったが、組み合わせた解析では高い正解率を示し、波形の複数組み合わせが有効であることが確認された。

要約(英語): In power devices, switching losses generate heat, causing bond wire detachment and solder cracks, leading to device failure. This study analyzes power device switching waveforms using machine learning to detect degradation. Results show significant accuracy improvement (up to 99.5%) by reducing inductance. Additionally, the combination of waveforms was shown to be effective.

本誌: 2024年11月14日-2024年11月15日電子デバイス/半導体電力変換合同研究会-1

本誌掲載ページ: 57-62 p

原稿種別: 日本語

PDFファイルサイズ: 1,582 Kバイト