电子科技大学等人基于COMSOL和长短期记忆（LSTM）网络预测氮化镓功率器件寿命

2025-11-03 10:22:16

标题：Lifetime Prediction of GaN Power Devices Based on COMSOL Simulations and Long Short-Term Memory (LSTM) Networks

单位：电子科技大学

期刊：《electronic》

文章速览

研究内容：预测氮化镓（GaN）功率器件的使用寿命。

研究方法：使用COMSOL模拟 GaN 器件在不同功率和频率条件下的热应力和机械应力，利用长短期记忆（LSTM）神经网络探究温度随时间变化对寿命的影响。

结果：平均绝对百分比误差（MAPE）为 3.07%，最大误差为 8.51%。

背景

GaN 功率器件因其高频、高功率密度的特性广泛应用于电源、电动汽车、射频和航空航天领域。

由于高热负荷和恶劣工作环境，预测GaN 功率器件在不同工作条件下的使用寿命至关重要。

传统的寿命预测方法通常依赖于加速老化测试得出的经验模型，需要大量的实验数据，周期长，成本高。

LSTM能够捕获功率器件中随时间变化的温度特性，建立温度变化与寿命之间的关系，实现GaN芯片的使用寿命预测。

COMSOL仿真

研究基于芯片功耗和热膨胀引起的热应力进行热-力耦合分析，模拟周期性功率负载下的温度场与应力场演变。

基本参数：

几何模型：

对不同封装进行建模。封装尺寸分别为24.0 mm×17.4 mm×5.0 mm，24.0 mm×17.4 mm×4.4 mm，以及8.7 mm×18.1 mm×2.4 mm。

GaN FET的内部结构尺寸定义如

材料属性：

边界条件：

热源位于芯片封装的中间部分，靠近底层。

热通量是为以空气为介质的对流。对流传热系数设置为 10（W/（m^2·K）），外部环境温度设置为293.15[K]。

使用方波热能来表征热源的加热条件。不同的方波功率和占空比代表不同工作模式下的功耗。

通过定期进行热电循环测试来模拟芯片的工作模式，并以实际的电源循环测试结果作为参照，证明COMSOL仿真的有效性。

数据集建立

数据集由两部分构成，分别是仿真获得的热分布数据，和计算得到了疲劳寿命数据。

GaN器件的故障与重复开关和自热循环引起的累积热应力和材料退化密切相关。将模拟输出处理成与温度相关的时间序列数据集，每个序列代表芯片在特定作场景下的温度演变。

将COMSOL仿真得到的热分布数据输入到Weibull-Arrhenius方程中，得到设备的退化曲线。

设备退化至80%被认为是故障，从而得到一组寿命数据。

取样本的 20% 作为测试集，80% 作为训练集，20% 作为验证集。

LSTM网络建立

神经网络使用三层 LSTM，每层后有一个 ReLU 激活函数层和一个 Dropout 层防止过拟合。

优化器被选为 Adam，学习率设置为 0.0001。损失函数选择为MSE。

将 KAN 与 LSTM 相结合，充分利用 LSTM 捕获时间特征的能力和 KAN 在捕获输入变量的复杂非线性关系方面的优势，增强模型的表达能力和预测精度。

输入数据同时传递到LSTM和KAN分支，LSTM通过门控机制处理时间序列，并输出包含时间动态特征的向量；KA将输入特征映射到非线性特征向量。两个输出通过Concatenate层进行连接，最后通过全连接层输出预测结果。

结果

物理预测模型与LSTM在一定权重下获得的预测寿命以0.63:0.37相结合，作为最终预测寿命值。

LSTM模型的MAPE为 3.07%，最大误差为 8.51%。

KAN-LSTM的MAPE为 2.58%，Max APE为6.42%。