为什么所有的SiC肖特基二极管都不一样

news2024/11/26 4:51:35

在高功率应用中,碳化硅(SiC)的许多方面都优于硅,包括更高的工作温度以及更高效的高频开关性能。但是,与硅快速恢复二极管相比,纯 SiC 肖特基二极管的一些特性仍有待提高。本博客介绍Nexperia(安世半导体)如何将先进的器件结构与创新工艺技术结合在一起,以进一步提高 SiC 肖特基二极管的性能。

合并 PIN 肖特基(MPS)结构可减小漏电流

金属-半导体接面的缺陷是导致 SiC 肖特基二极管漏电流的主要原因。尽管采用更厚的漂移层可减小漏电流,但也会提高电阻和热阻,从而不利于电源应用。为解决这些问题, Nexperia SiC 开发了采用混合器件结构的 SiC 二极管,如图1所示。这种“合并 PiN 肖特基”(MPS)可将肖特基二极管和并联的 P-N 二极管有效地结合在一起。

图片

△ 标准 SiC 肖特基二极管结构(左)和 Nexperia 的 SiC MPS 二极管结构(右)

在传统肖特基结构的漂移区内嵌入 P 掺杂区,与肖特基阳极的金属构成 p 欧姆接触,并与轻度掺杂 SiC 漂移或外延层构成 P-N 结。在反向偏压下, P 阱将“驱使”最高场强的通用区域向下移动到几乎没有缺陷的漂移层,远离有缺陷的金属势垒区域,从而减小总漏电流,如图2所示。P 阱的物理位置和面积(与肖特基二极管的尺寸相比)以及掺杂浓度会影响其最终特性,同时正向压降会抵消漏电流和浪涌电流。因此,在漏电流和漂移层厚度相同的情况下, MPS 器件可在更高的击穿电压下运行。

图片

△ 图2:SiC MPS 二极管的静态 I-V 行为(包括过流)

MPS 二极管具有更出色的浪涌电流稳健性

SiC 器件的浪涌电流性能与其单极性和相对较高的漂移层电阻相关, MPS 结构也可以提高该参数性能。这是因为,双极性器件的差分电阻低于单极性器件。正常运行时, MPS 二极管的肖特基器件传导几乎所有电流,以便像肖特基二极管那样有效运行,同时在开关期间提供相同的优势。在高瞬态浪涌电流事件期间,通过 MPS 二极管的电压会超过内置 P-N 二极管的开启电压,从而开始以更低的差分电阻传导。这可以转移电流,同时限制耗散的功率,并缓解 MPS 二极管的热应力。如果只使用肖特基二极管,而不使用 P-N 二极管,则必须使用尺寸明显超规格的肖特基二极管,以允许目标应用中出现瞬时过流事件。为限制过流,可并联连接器件(或添加额外电路),但这会增加成本。同样, P 阱的尺寸和掺杂需要在正向压降(正常运行期间)与浪涌承受能力之间进行权衡。具体优化选择取决于应用, Nexperia(安世半导体)提供适合各种硬开关和软开关应用的二极管。

MPC 二极管的反向恢复特性

除了具有更出色的静态特性, SiC MPS 二极管在动态开关操作期间也具备诸多优点。其与硅基 P-N 二极管相比的一个显著优势与反向恢复特性有关。反向恢复电荷是造成硅快速恢复二极管功率损耗的一个主要原因,因此对转换器效率会有不利影响。影响反向恢复电荷的参数有很多,包括二极管关断电流和结温。相比之下,只有多数载流子才会影响 SiC 二极管的总电流,这意味着 SiC 二极管能够表现出几乎恒定的行为,几乎不会有硅快速恢复二极管的非线性性能。因此,功率设计人员更容易预测出 SiC 的行为,因为他们无需考虑各种环境温度和负载条件。

创新的“薄型 SiC ”二极管结构可进一步提高 MPS 二极管的性能

Nexperia(安世半导体)的 MPS 二极管在制造过程中减少了芯片厚度,因此具有额外的优势。未经过处理的 SiC 衬底为 N 掺杂衬底,并会生长出 SiC 外延层,以形成漂移区。衬底最初的厚度可达500  µm ,但在外延后,这会给背面金属的电流和热流路径增加额外的电阻和热阻。因此,给定电流下的正向压降和结温也会变得更高。针对该问题, Nexperia(安世半导体)的解决方案就是将衬底的底面“磨薄”。在此工序中,材料质量和研磨精度至关重要,以避免厚度不均匀,进而降低二极管的性能(这会导致现场应用中的器件故障)。此外,由于 SiC 的硬度更高(莫氏硬度等级为9.2至9.3,而硅的硬度等级为6.5),需要采用先进的制造技术。图3显示了该工艺的效果,通过使用 Nexperia(安世半导体)的“薄型 SiC ”技术将衬底厚度减少到原来的三分之一。

图片

△图3:与标准的 SiC 二极管结构(左)相比, Nexperia(安世半导体)的“薄型 SiC ”工艺(右)可提高二极管的电气性能和热性能。

因此,从结点到背面金属的热阻显著降低,从而降低器件的工作温度,提高器件的可靠性(由于具备更高的浪涌电流稳健性),并降低正向压降。

总结

可用 SiC 肖特基二极管的数量和类型不断增加,包括使用传统结构的 SiC 肖特基二极管和使用更先进的 MPS 结构的 SiC 肖特基二极管。Nexperia(安世半导体)的新型 SiC 肖特基二极管集成了宽带隙半导体材料(碳化硅)的优点、 MPS 器件结构及其“薄型 SiC ”技术带来的额外优势。凭借找元器件现货上唯样商城其在工艺开发和器件制造方面的专业知识, Nexperia(安世半导体)能够进一步提高这款新产品的性能,使其在当今 SiC 二极管市场中始终保持领先地位。

关于作者

图片

Sebastian Fahlbusch

Sebastian 在电力电子领域拥有十多年的经验,尤其是在碳化硅(SiC)和宽带隙技术方面。他成功地在汉堡联邦国防军大学完成了有关使用 SiC-MOSFET 的新型多级功率转换器构想的博士学位论文。Sebastian 于2019年加入 Nexperia(安世半导体)的产品应用工程师团队,他的主要工作重点是为实现新电源产品提供支持,以强化 Nexperia(安世半导体)的功率产品组合。

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.coloradmin.cn/o/876006.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

网络设备(防火墙、路由器、交换机)日志分析监控

外围网络设备(如防火墙、路由器、交换机等)是关键组件,因为它们控制进出公司网络的流量。因此,监视这些设备的活动有助于 IT 管理员解决操作问题,并保护网络免受攻击者的攻击。通过收集和分析这些设备的日志来监控这些…

【力扣每日一题】2023.8.14 合并二叉树

目录 题目: 示例: 分析: 代码: 题目: 示例: 分析: 给我们合并两棵二叉树,合并的方式就是把对应位置的节点的值相加,最后把合并后的二叉树的根节点返回出去。 这类二…

如何使用Spark/Flink等分布式计算引擎做网络入侵检测

如何使用Spark/Flink等分布式计算引擎做网络入侵检测 引言16 Distributed Abnormal Behavior Detection Approach Based on Deep Belief Network and Ensemble SVM Using Spark17 Spark configurations to optimize decision tree classification on UNSW-NB1518 A dynamic spa…

低成本搭建NAS,利用HFS进行内网穿透,实现公网访问

通过HFS低成本搭建NAS,并内网穿透实现公网访问 文章目录 通过HFS低成本搭建NAS,并内网穿透实现公网访问前言1.下载安装cpolar1.1 设置HFS访客1.2 虚拟文件系统 2. 使用cpolar建立一条内网穿透数据隧道2.1 保留隧道2.2 隧道名称2.3 成功使用cpolar创建二级…

Docker-compose部署Harbor实操(含故障处理)

操作环境 Harbor主机系统类型:Centos7 Harbor版本:v2.8.3 Docker-compose版本:1.29.2 Docker版本: 一.Docker及Docker-compose环境安装 官方对Docker及Docker-compose版本有要求,目前我这个主机的版本不适用&#x…

14k视觉大模型综述

目录 0.导读1.背景介绍1.1基础架构1.2目标函数1.2.1对比式学习1.2.2生成式学习 1.3预训练1.3.1预训练数据集1.3.2微调1.3.3提示工程 2.基于文本提示的基础模型2.1基于对比学习的方法2.1.1基于通用模型的对比方法2.1.2基于视觉定位基础模型的方法 2.2基于生成式的方法2.3基于对比…

springboot邮件任务

<dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-mail</artifactId></dependency> 依赖 配置文件 spring.mail.username1393087444qq.com spring.mail.password************* spring.mail.hos…

代码详解 —— VGG Loss

文章目录 VGG Loss 的基础概念VGG 的网络结构VGG LOSS 的代码解析参考 VGG Loss 的基础概念 VGG Loss 是content Loss中的一种。 为了评价图像的perceptual quality&#xff0c;《Perceptual losses for real time style transfer and super-resolution》 和 《GeneratingImag…

【计算机视觉 | 图像分割】arxiv 计算机视觉关于图像分割的学术速递(8 月 8 日论文合集)

文章目录 一、分割|语义相关(19篇)1.1 Mask Frozen-DETR: High Quality Instance Segmentation with One GPU1.2 AdaptiveSAM: Towards Efficient Tuning of SAM for Surgical Scene Segmentation1.3 SEM-GAT: Explainable Semantic Pose Estimation using Learned Graph Atten…

【Vue-Router】路由传参

1. query 传参 list.json {"data": [{"name": "面","price":300,"id": 1},{"name": "水","price":400,"id": 2},{"name": "菜","price":500,"…

eachars 自适应

目录 1. 案例&#xff1a; 2. 原因&#xff1a; 3. 解决&#xff1a; 1. 案例&#xff1a; 默认是正常宽度&#xff08;如图1&#xff09;&#xff0c;当再次跳转会该页面时&#xff0c;eachars图发生变化&#xff08;如图2&#xff09;。 图1 图2 2. 原因&#xff1a; 没有…

三维模型OSGB格式轻量化在三维展示效果上的重要性探讨

三维模型OSGB格式轻量化在三维展示效果上的重要性探讨 三维模型在展示中的效果是十分关键的&#xff0c;因为它直接影响用户对模型的理解和体验。而OSGB格式轻量化是实现优质三维展示效果的关键技术之一。下面将详细介绍轻量化OSGB格式的三维模型在三维展示效果上的重要性。 首…

“多测合一”生产软件-不动产测量(不动产权籍调查测绘软件RESS),房地一体化测量由请湖南来示范

湖南“多测合一”生产软件-不动产测量软件&#xff0c;提取码&#xff1a;RESShttps://pan.baidu.com/s/1OqakLJICIP6buNiZ6j9Npw?pwdRESS 2020年7 月&#xff0c;国务院办公厅印发《 国务院办公厅关于进一步优化营商环境 更好服务市场主体的实施意见》 &#xff08;国办发〔 …

Android之SQLite数据库的使用总结

一、SQLite数据库基本使用 1、特点 &#xff08;1&#xff09;嵌入式数据库&#xff0c;体积小 &#xff08;2&#xff09;数据库是由底层的sqlite.c执行程序的代码动态生成的&#xff0c;不用人为去创建数据库 &#xff08;3&#xff09;涉及抽象类SQLiteOpenHelper 2、继承…

【Java从0到1学习】08 String类

1. 概述 字符串是由多个字符组成的一串数据(字符序列)&#xff0c;字符串可以看成是字符数组。 在实际开发中&#xff0c;字符串的操作是最常见的操作&#xff0c;没有之一。而Java没有内置的字符串类型&#xff0c;所以&#xff0c;就在Java类库中提供了一个类String 供我们…

如何使用CSS实现一个响应式网格布局?

聚沙成塔每天进步一点点 ⭐ 专栏简介⭐ 使用CSS实现响应式网格布局⭐ 设置基本的HTML结构⭐ 创建基本的CSS样式⭐ 添加媒体查询以实现响应式效果⭐ 写在最后 ⭐ 专栏简介 前端入门之旅&#xff1a;探索Web开发的奇妙世界 记得点击上方或者右侧链接订阅本专栏哦 几何带你启航前端…

成集云 | 用友U8采购请购单同步钉钉 | 解决方案

源系统成集云目标系统 方案介绍 用友U8是中国用友集团开发和推出的一款企业级管理软件产品。具有丰富的功能模块&#xff0c;包括财务管理、采购管理、销售管理、库存管理、生产管理、人力资源管理、客户关系管理等&#xff0c;可根据企业的需求选择相应的模块进行集…

Oracle 增加重做日志组、组成员

重做日志文件记录数据所有的修改信息并提供一种数据库失败时的恢复机制 一个Oracle数据库要求至少有两组重做日志文件 组中每个日志文件被称作一个组成员 需求&#xff1a;目前有三组重做日志组&#xff0c;增加一个重做日志组、并且增加两个重做日志组成员 1、查看重做日志组…

Python实现SSA智能麻雀搜索算法优化循环神经网络回归模型(LSTM回归算法)项目实战

说明&#xff1a;这是一个机器学习实战项目&#xff08;附带数据代码文档视频讲解&#xff09;&#xff0c;如需数据代码文档视频讲解可以直接到文章最后获取。 1.项目背景 麻雀搜索算法(Sparrow Search Algorithm, SSA)是一种新型的群智能优化算法&#xff0c;在2020年提出&a…

日志采集分析ELK

这里的 ELK其实对应三种不同组件 1.ElasticSearch&#xff1a;基于Java&#xff0c;一个开源的分布式搜索引擎。 2.LogStash&#xff1a;基于Java&#xff0c;开源的用于收集&#xff0c;分析和存储日志的工具。&#xff08;它和Beats有重叠的功能&#xff0c;Beats出现之后&a…