为准确评估硅IGBT和碳化硅MOSFET等高压大功率器件不同电应力及热应力条件下的栅极可靠性,研制了实时测量皮安级栅极漏电流的高温栅偏(high temperature gate bias,HTGB)测试装置。此外,该测试装置具备阈值电压在线监测功能,可以更好地...为准确评估硅IGBT和碳化硅MOSFET等高压大功率器件不同电应力及热应力条件下的栅极可靠性,研制了实时测量皮安级栅极漏电流的高温栅偏(high temperature gate bias,HTGB)测试装置。此外,该测试装置具备阈值电压在线监测功能,可以更好地监测被测器件的状态以进行可靠性评估和失效分析。为初步验证测试装置的各项功能和可靠性,运用该测试装置对商用IGBT器件在相同温度应力不同电应力条件下进行分组测试。初步测试结果表明老化初期漏电流逐渐降低,最终漏电流大小与电压应力有良好的正相关性,栅偏电压越大,漏电流越大。该测试装置实现了碳化硅MOSFET器件和硅IGBT器件对高温栅偏的测试需求且适用于各种类型的封装。展开更多
高温反偏测试(high temperature reverse bias,HTRB)作为功率器件可靠性测试的重要环节,其测试装置的精度和功能决定了对被测器件老化程度判定的准确性。针对高压大功率器件对测试装置空间、精度以及可靠性的需求,自主研制出了电压等级6...高温反偏测试(high temperature reverse bias,HTRB)作为功率器件可靠性测试的重要环节,其测试装置的精度和功能决定了对被测器件老化程度判定的准确性。针对高压大功率器件对测试装置空间、精度以及可靠性的需求,自主研制出了电压等级6 kV、环境温度180℃的高温反偏测试装置。此外,该测试装置还集成了温度-漏电流关系曲线自动测量及失效期数据高频采集等功能,更为准确灵活地监测被测器件的状态,进行可靠性评估与失效分析。为验证该测试装置的各项功能及可靠性,使用该装置对商业IGBT器件进行了测试,初步测试结果表明:温度与漏电流呈指数关系,集射极漏电流随着老化的进行逐渐增大。该装置符合高压大功率半导体器件对高温反偏测试的需求且适用于不同封装的IGBT器件。展开更多
文摘为准确评估硅IGBT和碳化硅MOSFET等高压大功率器件不同电应力及热应力条件下的栅极可靠性,研制了实时测量皮安级栅极漏电流的高温栅偏(high temperature gate bias,HTGB)测试装置。此外,该测试装置具备阈值电压在线监测功能,可以更好地监测被测器件的状态以进行可靠性评估和失效分析。为初步验证测试装置的各项功能和可靠性,运用该测试装置对商用IGBT器件在相同温度应力不同电应力条件下进行分组测试。初步测试结果表明老化初期漏电流逐渐降低,最终漏电流大小与电压应力有良好的正相关性,栅偏电压越大,漏电流越大。该测试装置实现了碳化硅MOSFET器件和硅IGBT器件对高温栅偏的测试需求且适用于各种类型的封装。
文摘高温反偏测试(high temperature reverse bias,HTRB)作为功率器件可靠性测试的重要环节,其测试装置的精度和功能决定了对被测器件老化程度判定的准确性。针对高压大功率器件对测试装置空间、精度以及可靠性的需求,自主研制出了电压等级6 kV、环境温度180℃的高温反偏测试装置。此外,该测试装置还集成了温度-漏电流关系曲线自动测量及失效期数据高频采集等功能,更为准确灵活地监测被测器件的状态,进行可靠性评估与失效分析。为验证该测试装置的各项功能及可靠性,使用该装置对商业IGBT器件进行了测试,初步测试结果表明:温度与漏电流呈指数关系,集射极漏电流随着老化的进行逐渐增大。该装置符合高压大功率半导体器件对高温反偏测试的需求且适用于不同封装的IGBT器件。
文摘碳化硅(SiC)MOSFET器件的短路耐受能力差是阻碍其广泛应用的关键难题,对于国产高压SiC MOSFET器件,其短路保护研发缺乏有力的技术、经验支撑。同时,缺乏快速、准确的仿真模型也是国产高压SiC MOSFET器件应用研发面临的核心问题之一。为此,该文提出一种适用于高压SiC MOSFET器件的、考虑器件实际物理特性的、可准确描述器件短路故障中电流、电压等外特性的行为模型。该行为模型针对高压SiC MOSFET的特点修正沟道电流模型中的电压,并基于元胞层面的电流路径对JFET区及漂移区电阻进行建模。该模型考虑了国产高压SiC MOSFET的实际器件设计、工艺等因素的影响,依据半导体、器件物理计算模型的关键参数,提升模型在短路故障仿真中的精度。并且,该文明确了模型所用参数的提取方法,其中关键参数获取自器件设计环节,建立起器件设计者与应用者之间的桥梁。最后,对国网智能电网研究院有限公司研制的6.5 kV/400 A SiC MOSFET器件开展短路测试实验,仿真结果与实验结果表现出较好的一致性,短路电流关键特征的相对误差小于2.5%,验证了该行为模型的准确性。
