[发明专利]一种基于神经网络的碳化硅MOS器件结温在线测量方法

权利要求书

1.一种基于神经网络的碳化硅MOS结温在线测量方法，其特征在于：该方法具体步骤如下：

步骤一，建立器件的热模型。

建立器件的SPICE热模型，将暂态热阻特性通过电路进行仿真计算，也就是将暂态热阻转换成等价的电路进行仿真的模型。

参考SPICE语言的器件热模型网络列表，确定器件模型各电路符号与器件各引脚的对应关系，建立热模型。

步骤二，通过仿真获得神经网络训练集数据。

参考器件手册和器件网络模型列表，在仿真软件中设计仿真电路。仿真器件在不同条件下的工作状态，获得神经网络训练集数据。

结合数据手册，选取栅极驱动电压V_GS漏极电流和结温的参数范围，在选定范围内，进行参数直流扫描分析，测定漏极通态电压V_{DS_ON}，得到神经网络的训练集数据。训练集中每组数据都包括栅极驱动电压V_GS、漏极电流I_D、漏极通态电压V_{DS_ON}、结温T_j四个工作状态下的参数。

步骤三，依据获得的训练集数据，建立神经网络模型并进行训练。

初始化神经网络模型，将遗传算法和BP神经网络相结合，形成优化的神经网络模型，并将其应用到碳化硅MOS器件的结温监测。使用MATLAB软件实现神经网络模型的建立和训练。

步骤四，通过实时测量获取器件工作状态下的电参数值。

根据实际应用需求，确定器件工作条件和工作环境的散热条件。在器件实际工作状态下，实时测量获取电路状态信息，即工作状态下的三个电参数值，即栅极驱动电压V_GS、漏极电流I_D和漏极通态电压V_{DS_ON}。

步骤五，在上位机软件中调用神经网络，通过输入电路状态信息，进行结温预测。

使用LabVIEW和MATLAB联合编程，设计上位机软件，通过MATLAB Script节点实现神经网络代码的调用。

软件实现的功能为：输入实时测得的栅极驱动电压V_GS、漏极电流I_D和漏极通态电压V_{DS_ON}，调用优化后的神经网络模型进行结温预测，输出结温数值，并进行高温或低温的判断。

2.根据权利要求1所述的一种基于神经网络的碳化硅MOS结温在线测量方法，其特征在于：

步骤三中所述的遗传算法优化BP神经网络算法流程的具体步骤如下：

S1、首先确定遗传算法的适应度函数Fitness，在神经网络模型中，适应度函数为测试样本的误差精度的倒数。

S2、初始化神经网络的拓扑结构，对网络权值w_i和阈值b_i进行实数编码。

S3、确定群体大小和最大迭代次数。对群体进行交叉，选择和变异操作。达到设定的迭代次数后，解码得到最佳权值w_i与阈值b_i。

S4、将解码所得的最佳权值与阈值应用于BP神经网络，进行网络训练和测试，得到优化的神经网络模型。