湖南大学机械考研，湖南大学机械考研科目
中国电工技术学会活动专区
CES Conference
阅读提示：本文约 3400 字
湖南大学电气与信息工程学院、电力设备电气绝缘国家重点实验室（西安交通大学）的研究人员李孟川、何赟泽、孟志强、周雅楠、李运甲，在2021年第22期《电工技术学报》上撰文，针对部分机构已有的能够表征电力电子器件/模块状态的机械应力波研究均分散在信号提取、信号分析和状态表征等方面，没有进行系统总结，首先对机械应力波的基础内容进行讨论，总结对比适用于电力电子器件/模块的产生机理、测试检测电路和信号处理方法；随后对电力电子器件/模块机械应力波的研究现状进行综述，归纳总结机械应力波的组成模式、源机制、频域特征与健康状态的对应关系；最后从机理分析、研究对象、信号处理、状态表征和检测装置五个方面对电力电子器件/模块机械应力波存在的关键问题进行分析，并提出未来的研究方向。
电力电子器件/模块是实现高效高质量电力电子电能变换技术的基石，在智能电网、特种电源、电机驱动、高铁牵引、新能源发电、电动汽车等领域应用越来越广泛。电力电子器件/模块一旦发生故障或者性能弱化，会对整个装置乃至系统的正常运行造成极大危害。测试与检测是保证与提高电力电子器件/模块可靠性的关键技术，贯穿于器件/模块的研发、生产、服役和维修等过程。
现有检测技术主要建立在测量电、磁、热物理信息上，这些方法均可以实现器件/模块的健康状态检测和故障诊断，提升其可靠性，具有一定的使用价值。
电应力信息提取方法包括直接提取法和间接提取法，直接提取法直接检测电力电子器件关键位置的电压或电流，实现截压、截流控制及过电压、过电流保护；间接提取法对测量的电信号进行数据处理，利用处理后的信号判断电力电子器件/模块的故障状态，目前大部分工作处于仿真阶段；
磁应力信息提取方法利用巨磁阻效应，借助内埋于器件和模块内部的巨磁阻磁场传感器来获取电气信号，需要对干扰信号进行准确解耦并改造器件/模块的内部结构；
热应力信息的提取方法包含光学非接触式测量法、物理接触式测量法、热敏感电参数法和热阻抗模型法。其中，光学非接触测量法一般采用红外热像仪来测量器件和模块内部的结温，需要打开器件和模块的封装，难以实现在线检测；物理接触式测量法通常在器件和模块内部预埋热敏电阻来测温，响应速度慢，需要改变器件/模块的结构；热敏感电参数提取法利用与电力电子器件/模块结温密切相关的电学特性来间接测量器件的结温，能够实现快速、非侵入和在线监测；热阻抗模型预测法通过仿真技术，利用器件/模块的功耗和热阻模型来计算芯片的结温。
但是，基于机械应力的电力电子器件/模块状态监测方法没有得到广泛的研究和关注，尚处于初始发展阶段。目前，急需扩展该方面的研究内容来完善电力电子器件/模块的状态监测体系，从而保障电力电子装备的运行可靠性。
利用材料内能量快速释放产生瞬态弹性波的声发射（Acoustic Emission, AE）检测技术具有快速、实时、在线等特点，已应用于绝缘子污秽放电检测、变压器局部放电检测、风机叶片健康监测等。电力电子器件/模块氧化层裂纹的产生、金属疲劳裂纹的产生及焊点的脱落等动态行为也会产生弹性波，属于传统声发射（Traditional Acoustic Emission, TAE），由故障或缺陷直接产生。
电力电子器件/模块在正常工作时有载流子变化，由此引起的电磁力与结构相互耦合会产生电磁声发射（Electromagnetic Acoustic Emission, EMAE），这种电磁声发射即机械应力波（Mechani- cal Stress Wave, MSW），与传统声发射是不同的，伴随着器件/模块的正常工作产生。
近年来，芬兰拉普兰塔理工大学、德国开姆尼茨工业大学、丹麦奥尔堡大学、波兰什切青海事大学、湖南大学的学者都对电力电子器件/模块中的机械应力波进行了试验研究，发现器件/模块在开关切换时可以产生机械应力波，分析机械应力波的组成模式和对应源机制，探索器件/模块老化与机械应力波参数之间的关系，发现机械应力波参数与集-射极饱和压降的变化趋势相一致。因此，电力电子器件/模块开关时产生的机械应力波具有重要研究价值和广阔应用前景。目前，尚没有文献对电力电子器件/模块的机械应力波进行系统的归纳和总结，因而不利于该内容的进一步研究。
为推动以机械应力波为基础的电力电子器件/模块状态监测方法的进一步发展，湖南大学科研人员总结了适用于电力电子器件/模块机械应力波的机理、检测方法、测试检测电路、声发射传感器和信号处理方法，分析国内外电力电子器件/模块机械应力波的发展现状，提出电力电子器件/模块机械应力波存在的关键问题，展望电力电子器件/模块机械应力波的未来研究方向。
图1 基于机械应力波的电力电子器件/模块状态监测方法
科研人员指出，相较于其他检测技术，声发射技术能够更快地检测物体内部的机械损伤，为设备的维护决策提供更长的响应时间，并具备快速、在线和非侵入的优点，在电力电子器件/模块状态检测方面具有巨大的发展潜力。但现有研究距离形成基于机械应力波的电力电子器件/模块状态监测方法还有一定的距离，主要体现在以下五个方面：
（1）机械应力波的理论研究刚刚起步。现有仿真模型不能同时考虑微观载流子与宏观电磁力，也缺少耦合电磁热力多物理场的器件模型，导致不能深入研究功率器件/模块机械应力波机理。
（2）现有研究主要集中在Si基器件/模块，很少涉及碳化硅和氮化镓等宽禁带功率器件/模块，急需完善该方面的研究来扩展机械应力波的检测范围。
（3）多数研究以实验获得的信号分析为主，测量的信号混合了瞬态电磁场信号与电磁干扰，给机械应力波测量、分析和特征提取造成了困难。
（4）机械应力波特征值尚没有与器件/模块内部损伤对应起来，不能用于反演损伤属性，更没有建立智能损伤诊断模型。
（5）现有声发射压电传感器尺寸较大，通常安装在器件/模块封装或散热器上，难以集成在功率器件/模块内部，且难以满足现场严苛条件的应用需求。
基于现有研究存在的问题，他们认为功率器件/模块机械应力波的发展趋势主要集中在以下五个方面：
（1）电力电子器件/模块开关产生的电磁声发射信号由两部分组成，高频分量反映了电磁瞬态过程，低频分量反映了电-力-结构间的耦合信息。因此，高频分量可通过SIwave/HFSS、CST MWS等电磁和射频仿真软件研究其产生与传播机制；低频分量可通过TCAD与Ansys结合、COMSOL、ABAQUS等有限元仿真软件研究其产生与传播机制。
（2）需要探索适用于宽禁带功率器件/模块的测量装置和测量方案研究其内部的机械应力波，形成较为通用的功率器件/模块机械应力波检测方法。
（3）使用强大的信号处理算法来抑制干扰信号，盲源分离和自适应滤波技术似乎是合适的选择，因为在现场测试强干扰条件下，这些算法能够在复合材料、混凝土和钢轨中有效提取机械损坏产生的声发射信号特征。
（4）借助维卷积神经网络、循环神经网络、长短期记忆网络等深度学习模型，建立基于时间序列深度学习的损伤智能评估模型。目的是为器件损伤提供可靠的诊断模型。在强噪声干扰和大量无序信号的条件下，这些算法在桥梁和压力容器缺陷识别方面，仍具有很高的识别精度。
（5）基于MEMS传感器和光纤传感器尺寸小和可嵌入的特点，利用新型制造工艺将其嵌入功率器件/模块内部，便于在恶劣的现场测试条件下测量机械应力波，扩展机械应力波检测技术的应用范围。
最后，科研人员表示，随着电力电子装备多物理场仿真建模技术、智能滤波技术和深度学习算法快速发展，填补这些研究空白只是时间问题。相信在不远的未来，机械应力波状态监测方法能够快速、在线和非侵入地检测功率器件/模块内部的机械损伤，完善电力电子装备状态监测体系，保障电力电子装备的服役可靠性。
以上研究成果发表在2021年第22期《电工技术学报》，论文标题为“基于声发射检测技术的电力电子器件/模块机械应力波综述”，作者为李孟川、何赟泽 等。
中国电工技术学会
新媒体平台
学会官方微信
电工技术学报
电气技术
学会官方B站
新浪微博
今日头条号
《电工技术学报》：010-63256949/6981 邮箱：dgjsxb@vip.126.com 《电气技术》：010-63256943 邮箱：dianqijishu@126.com 编务：010-63256994；订阅：010-63256817 广告合作：010-63256867/6838
湖南大学机械考研(湖南大学机械考研科目)