機械学習によるSiCパワーモジュールのスイッチング波形を用いたパワーサイクル劣化検出

カテゴリ：研究会(論文単位)

論文No：EDD25068,SPC25200

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：2025/10/20

タイトル(英語)：Power Cycling Degradation Detection of SiC Power Modules Using Machine Learning on Switching Waveforms

著者名：出井 和音(九州大学),Mamee Thatree(九州大学),Mueller Jonas(University of Bremen),Lutzen Hauke(University of Bremen),Kaminski Nando(University of Bremen),畑 勝裕(芝浦工業大学),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),Jonas Mueller(University of Bremen),Hauke Lutzen(University of Bremen),Nando Kaminski(University of Bremen),Katsuhiro Hata(Shibaura Institute of Technology),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,ＳｉＣ－ＭＯＳＦＥＴ,ワイヤリフトオフ,ＣＮＮ,ディジタルゲート制御,Power Semiconductor Devices,SiC-MOSFET,Wire Lift-off,CNN,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。SiC-MOSFETモジュールに対して本システムを適用すると，ターンオフ時の波形を用いると高い正解率で分類が行えた。一方で，マルチステップベクトルのゲート信号を用いてドライブした際の波形を用いた分類では比較的低い正解率となり，IGBTとは異なる傾向となった。

要約(英語)：Power devices can fail due to heat generated by switching losses. This study analyzes switching waveforms using machine learning to detect degradation. Applied to SiC-MOSFETs, high accuracy was achieved using turn-off waveforms, while waveforms from multi-step vector gate signals showed lower accuracy, differing from IGBT behavior.

本誌：2025年10月23日-2025年10月24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：65-70p

原稿種別：日本語

PDFファイルサイズ：1,711Kバイト