GaN HEMTs在电力电子应用中的交叉耦合与基板电容分析与建模

来源:Analysis and Modeling of Cross-Coupling and Substrate Capacitances in GaN HEMTs for Power-Electronic Applications( TED 17年)

摘要

本文提出了一种考虑了基板电容与场板之间交叉耦合效应的场板AlGaN/GaN高电子迁移率晶体管(HEMTs)电容模型。通过进行TCAD模拟,分析了这两种贡献,并基于现有的基于表面势模型给出了与交叉耦合和基板电容对应的电量的解析表达式。通过对测试电路采用混合模式仿真设置下的时域波形进行比较,验证了该模型化结果的准确性,并讨论了交叉耦合和基板电容对模型预测开关瞬态特性精度的影响。

关键词:电容、交叉耦合、GaN HEMTs、混合模式、基板、开关。
在这里插入图片描述

文章的研究内容

文章《Analysis and Modeling of Cross-Coupling and Substrate Capacitances in GaN HEMTs for Power-Electronic Applications》专注于研究和建模氮化镓高电子迁移率晶体管(GaN HEMTs)在功率电子应用中的交叉耦合电容和衬底电容。作者详细分析了场板结构对交叉耦合效应的贡献,以及衬底与器件各节点之间的电容影响,并采用先进的表面势模型来表达这些电荷关系。

文中通过TCAD(技术计算机辅助设计)仿真深入探究了这两种电容效应,并利用混合模式仿真验证了模型的有效性。混合模式模拟展示了在开关瞬态期间由于交叉耦合和衬底电容的影响,器件内在栅极电压、漏极电压及漏极电流的时间域波形变化。同时,论文还讨论了当考虑自热效应时,如何将耗散功率导致的温度上升反馈到紧凑模型中以更新工作温度。

此外,作者提出了针对GaN HEMT中交叉耦合和衬底电容的新建模方法,并通过比较包含和未包含改进FP(场板)模型的开关过程中的瞬态波形差异,显示了该模型在预测LC振荡引起的漏极过冲、米勒平台现象(Miller plateau)、以及与门极驱动电流分配给Cgs和Cgd充电相关的震荡衰减方面的准确性。

最后,文章强调了所提出模型与TCAD仿真结果之间的良好相关性,展现了模型的可扩展性特点,并通过对实际器件数据进行参数提取,将其转化为SPICE模型卡,用于电路瞬态仿真。这有助于提高GaN HEMT器件在高频开关电源转换器和其他电力电子应用中的设计精度和性能预测能力。

文章的创新点

文章的创新点在于开发了一种新的物理基础模型,用于精确描述并模拟GaN高电子迁移率晶体管(HEMTs)中的场板结构所带来的交叉耦合效应以及衬底电容的影响。具体创新体现在:

  1. 该模型综合考虑了交叉耦合现象对场板间相互作用产生的电容贡献,并将这一影响纳入到器件整体电容模型中。
  2. 对衬底电容进行了细致分析和建模,通过TCAD仿真深入研究了这两种效应在GaN HEMTs工作过程中的角色及其对瞬态行为(如开关过程)的影响。
  3. 提出了相应的数学表达式,用以计算与交叉耦合及衬底电容相关的电荷量,并基于已有的表面势模型进行表述。
  4. 利用Silvaco公司的混合模式仿真工具,设计了一个包含典型感性负载的开关演示电路,通过比较采用改进模型前后的时间域波形差异,验证了所提模型预测开关瞬态准确性的提升,特别是在预测漏极电压过冲、米勒平台效应以及LC振荡衰减等方面的精度。

文章创新地提出了一个针对GaN HEMT的电容模型,能够有效捕捉交叉耦合与衬底电容在功率电子应用中的动态特性,从而提高这些器件在设计和优化阶段的性能预测水平。

文章的研究方法

  1. TCAD仿真分析:利用Silvaco Atlas软件对GaN HEMT的场板结构进行三维建模,通过模拟揭示交叉耦合和衬底电容在器件中的起源。具体研究了双场板结构(包含栅极连接FP和源极连接FP)中不同参数变化(如LGFP、LSFP、tSiO2和tSi3N4等)对器件电容特性的影响,并对比了具有单个FP和双FP结构下的亚阈值Cgd行为。

  2. 物理模型构建:基于TCAD模拟结果,作者发展了一个以表面势计算为核心的物理基础电容模型,考虑了自发极化和压电极化产生的电荷分布以及载流子迁移率随场强的变化。该模型能够详细描述场板引入后导致的米勒电容增加现象以及源极连接FP带来的额外漏源电容特征。

  3. 混合模式仿真验证:设计并实现了一种混合模式电路仿真环境,将数值生成的GaN FP HEMT作为待测设备(DUT),施加实际工作条件下的脉冲信号,来观察门极和漏极电压及电流的时间域波形。通过对开关瞬态过程的模拟,提取出相应的SPICE模型参数,并与TCAD数据进行比较。

  4. 模型校验与性能评估:将提出的模型应用到Keysight ADS模拟器中,在相同的操作条件下执行瞬态电路仿真,并与混合模式仿真得到的结果进行叠加比较,从而验证模型的有效性和准确性。同时,文中还使用R-C热网络模型来模拟自热效应,确保模型能反映器件在功率损耗下温度变化对性能的影响。

综上所述,研究方法综合运用了先进的计算机辅助技术、理论分析与实验验证相结合的方式,对GaN HEMTs中复杂的交叉耦合和衬底电容进行了深入细致的建模与仿真分析,有效提升了这些器件在功率电子应用领域中高性能、高精度模型的需求。

文章的研究结论

文章《Analysis and Modeling of Cross-Coupling and Substrate Capacitances in GaN HEMTs for Power-Electronic Applications》的研究结论主要如下:

  1. 通过对场板(Field-Plate, FP)结构的氮化镓高电子迁移率晶体管(GaN HEMTs)进行深入的TCAD仿真分析,作者揭示了交叉耦合电容和衬底电容在器件中产生的原理及其对器件性能的影响。

  2. 提出了一个改进的物理基础模型,该模型不仅考虑了FP引入带来的电容特性变化,还特别针对交叉耦合效应以及衬底电容进行了详细建模。模型的核心是基于表面势计算来量化与这些电容相关的电荷分布。

  3. 通过混合模式仿真验证了该模型的有效性,比较了包含和不包含交叉耦合及衬底电容情况下的开关瞬态波形,并展示了模型预测对于GaN HEMT内在电压和电流动态行为的重要性,尤其是体现在充电斜率、过冲幅度及其衰减方面。

  4. 研究结果表明,精确地包括交叉耦合和衬底电容对于提升功率电子应用中GaN HEMTs的开关性能预测精度至关重要,特别是在设计高级FP结构的GaN器件时,所提出的模型能够更准确地模拟实际工作条件下的电容行为。

  5. 文章最终指出,经过全面评估并利用TCAD和混合模式仿真进行补充分析后,这个扩展后的模型已经处于被紧凑模型联盟标准化的最后阶段,为生产级别的先进GaN FP结构电力电子电路提供了高效且精确的紧凑模型解决方案。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/277562.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

zookeeper快速入门二:zookeeper基本概念

本文是zookeeper系列之快速入门中的第二篇,欢迎大家观看与指出不足。 目录 一、zookeeper的存储结构 二、什么是znode 三、znode节点的四种类型 四、权限控制ACL(Access Control List) 五、事件监听watcher 一、zookeeper的存储结构 z…

【Java系列】OOM 时,JVM 堆栈信息保存和分析

一、前言 在日常开发中,即使代码写得再谨慎,免不了还是会发生各种意外的事件,比如服务器内存突然飙高,又或者发生内存溢出(OOM)。当发生这种情况时,我们怎么去排查,怎么去分析原因呢? 一般遇到…

MySQL8空间索引失效

发现问题 表结构如下,boundary字段建立空间索引 CREATE TABLE area (id int(11) NOT NULL COMMENT 行政区划编码,pid int(11) NOT NULL COMMENT 上级编码,deep int(11) NOT NULL COMMENT 深度,name varchar(200) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_…

深入理解RAG:检索与生成的融合

原文地址:https://dev.to/portkey/understanding-rag-a-deeper-dive-into-the-fusion-of-retrieval-and-generation-1l4b 深入理解RAG:检索与生成的融合 检索增强生成(RAG)模型代表了检索系统和生成模型两大不同但互补组件完美结合的杰作。通过无缝集成相关信息检…

Chapter 13 Techniques of Design-Oriented Analysis: The Feedback Theorem

Chapter 13 Techniques of Design-Oriented Analysis: The Feedback Theorem 从这一章开始讲负反馈Control系统和小信号建模. 13.2 The Feedback Theorem 首先介绍 Middlebrook’s Feedback Theorem 考虑下面负反馈系统 传输函数 Guo/ui G ( s ) u o u i G ∞ T 1 T G…

观察者模式的理解和引用

1.前言 在之前的H5小游戏中,对于长连接发送的不同类型数据包的处理,是通过switch语句进行处理的,于是在自己的代码中出现了大量的case分支,不方便进行维护和后期的版本迭代。于是在老师的指导下,开始寻求使用观察者模…

2.26回顾章节主体线索脉络,课程要求(评分)

3)翻译程序、汇编程序、编译程序、解释程序有什么差别?各自的特性是什么? 翻译程序是指把高级语言源程序翻译成机器语言程序(目标代码)的软件。 翻译程序有两种:一种是编译程序,它将高级语言源程序一次全部…

idea Springboot 在线考试管理系统开发mysql数据库web结构java编程计算机网页

一、源码特点 springboot 在线考试管理系统是一套完善的完整信息系统,结合mvc框架和bootstrap完成本系统springboot spring mybatis ,对理解JSP java编程开发语言有帮助系统采用springboot框架(MVC模式开发),系统具有…

【ESP32接入国产大模型之MiniMax】

1. MiniMax 讲解视频: ESP32接入语言大模型之MiniMax MM智能助理是一款由MiniMax自研的,没有调用其他产品的接口的大型语言模型。MiniMax是一家中国科技公司,一直致力于进行大模型相关的研究。 随着人工智能技术的不断发展,自然语…

AI - 支持向量机算法

🧨概念 支持向量机(Support Vector Machine, SVM)是一种强大的机器学习算法,主要用于解决二分类问题。 SVM的核心思想是找到一个超平面,这个超平面能够最好地将数据分为两类,即在保证分类准确的情况下&am…

C/C++火柴棍等式

有n根(n<24)火柴棍&#xff0c;你可以拼出多少个形如“ABC"的等式?等式中的A、B、C是用火柴棍拼出的整数(若该数非零&#xff0c;则最高位不能是0)。用火柴棍拼数字0-9的拼法如图所示: 依次需要用到的火柴棍数目为6 2 5 5 4 5 6 3 7 6 。 如果是初学者可能会这么写。 …

音频的录制及播放

在终端安装好pip install pyaudio&#xff0c;在pycharm中敲入录音的代码&#xff0c;然后点击运行可以在10s内进行录音&#xff0c;录音后的音频会保存在与录音代码同一路径项目中&#xff0c;然后再新建项目敲入播放的代码&#xff0c;点击运行&#xff0c;会把录入的录音进行…

PHP+golang开源办公系统CRM管理系统

基于ThinkPHP6 Layui MySQL的企业办公系统。集成系统设置、人事管理、消息管理、审批管理、日常办公、客户管理、合同管理、项目管理、财务管理、电销接口集成、在线签章等模块。系统简约&#xff0c;易于功能扩展&#xff0c;方便二次开发。 服务器运行环境要求 PHP > 7.…

32程序结构学习

初始化代码 void LED_GPIO_Config(void) { /*定义一个GPIO_InitTypeDef类型的结构体*/GPIO_InitTypeDef GPIO_InitStructure;/*开启GPIOC的外设时钟*/RCC_APB2PeriphClockCmd( RCC_APB2Periph_GPIOA, ENABLE); /*选择要控制的GPIOC引脚*/ GPIO_InitStructur…

【管理咨询宝藏40】内部报告:电力市场建设现状、挑战及思考

本报告首发于公号“管理咨询宝藏”&#xff0c;如需阅读完整版报告内容&#xff0c;请查阅公号“管理咨询宝藏”。 【管理咨询宝藏40】内部报告&#xff1a;电力市场建设现状、挑战及思考 【格式】PDF版本 【关键词】战略规划、行业分析、管理咨询 【文件核心观点】 - 各类主…

App的测试,和传统软件测试有哪些区别?增加哪些方面的测试用例

从上图可知&#xff0c;测试人员所测项目占比中&#xff0c;App测试占比是最高的。 这就意味着学习期间&#xff0c;我们要花最多的精力去学App的各类测试。也意味着我们找工作前&#xff0c;就得知道&#xff0c;App的测试点是什么&#xff0c;App功能我们得会测试&#xff0…

人工智能迷惑行为大赏——需求与科技的较量

目录 前言 一、 机器行为学 二、人工智能迷惑行为的现象 三、产生迷惑行为的技术原因 四、社会影响分析 五、解决措施 总结 前言 随着ChatGPT热度的攀升&#xff0c;越来越多的公司也相继推出了自己的AI大模型&#xff0c;如文心一言、通义千问等。各大应用也开始内置…

数据预处理|数据清洗|使用Pandas进行异常值清洗

数据预处理|数据清洗|使用Pandas进行异常值清洗 使用Pandas进行异常值清洗1. 异常值检测1.1 简单统计分析1.2 散点图方法1.3 3σ原则1.4 箱线图 2. 异常值处理2.1 直接删除2.2 视为缺失值2.3 平均值修正2.4 盖帽法2.5 分箱平滑法2.6 回归插补2.7 多重插补2.8 不处理 使用Pandas…

论文浅尝 | GPT-RE:基于大语言模型针对关系抽取的上下文学习

笔记整理&#xff1a;张廉臣&#xff0c;东南大学硕士&#xff0c;研究方向为自然语言处理、信息抽取 链接&#xff1a;https://arxiv.org/pdf/2305.02105.pdf 1、动机 在很多自然语言处理任务中&#xff0c;上下文学习的性能已经媲美甚至超过了全资源微调的方法。但是&#xf…

【解读】保障软件供应链安全:SBOM推荐实践指南(含指南获取链接)

2023年11底&#xff0c;美国NSA&#xff08;National Security Agency&#xff09;、CISA&#xff08;Cybersecurity and Infrastructure Security Agency&#xff09;等多个政府机构部门组成的ESF&#xff08;Enduring Security Framework&#xff0c;持久安全框架&#xff09…