講演抄録/キーワード |
講演名 |
2020-11-20 10:30
[招待講演]ゲート電圧波形の機械学習を用いたパワーデバイスの劣化推定 山崎大夢・宮崎耕太郎・羅 揚・イスラム マーフズル・畑 勝裕・桜井貴康・○高宮 真(東大) SDM2020-29 エレソ技報アーカイブへのリンク:SDM2020-29 |
抄録 |
(和) |
ゲート電圧波形から機械学習を用いてSiC MOSFETのボンディングワイヤ剥がれを検出する手法を提案した。本稿では、従来のボンディングワイヤ剥がれ検出手法と比較して、絶縁の必要がなく3端子のSiC MOSFETに対して適用できる手法を新しく提案し、SPICEシミュレーションによってその効果を示した。ゲート電圧波形から抽出される2つのパラメータに対し線形回帰アルゴリズムを適用することによって、負荷電流変動と温度変動にロバストなボンディングワイヤ剥がれ検出手法の構築に成功した。 |
(英) |
A method to detect bonding wire lift-off of SiC MOSFETs using machine learning from the gate voltage waveform is proposed. In this paper, we proposed a new method that can be applied to 3-terminal SiC MOSFETs without the need for insulation compared to the conventional bonding wire lift-off detection method and demonstrated its effectiveness by SPICE simulation. By applying a linear regression algorithm to the two parameters extracted from the gate voltage waveform, we succeeded in constructing a bonding wire lift-off detection method that is robust to load current and temperature fluctuations. |
キーワード |
(和) |
線形回帰 / 機械学習 / パワーデバイス / 信頼性 / ゲート / / / |
(英) |
Linear regression / Machine learning / Power device / Reliability / Gate / / / |
文献情報 |
信学技報, vol. 120, no. 239, SDM2020-29, pp. 32-35, 2020年11月. |
資料番号 |
SDM2020-29 |
発行日 |
2020-11-12 (SDM) |
ISSN |
Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
SDM2020-29 エレソ技報アーカイブへのリンク:SDM2020-29 |