Análise de desempenho de algoritmos de otimização para extração de parâmetros em modelos semicondutores de potência

Apresenta-se nesta tese uma revisão da literatura sobre a modelação de semicondutores de potência baseada na física e posterior análise de desempenho de dois métodos estocásticos, Particle Swarm Optimizaton (PSO) e Simulated Annealing (SA), quando utilizado para identificação eficiente de parâmetros de modelos de dispositivos semicondutores de potência, baseado na física. O conhecimento dos valores destes parâmetros, para cada dispositivo, é fundamental para uma simulação precisa do comportamento dinâmico do semicondutor. Os parâmetros são extraídos passo-a-passo durante simulação transiente e desempenham um papel relevante. Uma outra abordagem interessante nesta tese relaciona-se com o facto de que nos últimos anos, os métodos de modelação para dispositivos de potência têm emergido, com alta precisão e baixo tempo de execução baseado na Equação de Difusão Ambipolar (EDA) para díodos de potência e implementação no MATLAB numa estratégia de optimização formal. A equação da EDA é resolvida numericamente sob várias condições de injeções e o modelo é desenvolvido e implementado como um subcircuito no simulador IsSpice. Larguras de camada de depleção, área total do dispositivo, nível de dopagem, entre outras, são alguns dos parâmetros extraídos do modelo. Extração de parâmetros é uma parte importante de desenvolvimento de modelo. O objectivo de extração de parâmetros e otimização é determinar tais valores de parâmetros de modelo de dispositivo que minimiza as diferenças entre um conjunto de características medidas e resultados obtidos pela simulação de modelo de dispositivo. Este processo de minimização é frequentemente chamado de ajuste de características de modelos para dados de medição. O algoritmo implementado, PSO é uma técnica de heurística de otimização promissora, eficiente e recentemente proposta por Kennedy e Eberhart, baseado no comportamento social. As técnicas propostas são encontradas para serem robustas e capazes de alcançar uma solução que é caracterizada para ser precisa e global. Comparada com algoritmo SA já realizada, o desempenho da técnica proposta tem sido testado utilizando dados experimentais para extrair parâmetros de dispositivos reais das características I-V medidas. Para validar o modelo, comparação entre resultados de modelo desenvolvido com um outro modelo já desenvolvido são apresentados.

This thesis presents a review of literature on the modeling of physic-based power semiconductor models and subsequent analysis of two stochastic optimization methods, Particle Swarm Optimization and Simulated Annealing, when used for an efficient identification of model parameters. The knowledge of the values of these parameters for each device is essential for an accurate simulation of dynamic behavior of the semiconductor. Another interesting approach in this thesis relates to the fact that in recent years, the modeling methods for power devices has emerged, with high accuracy and low runtime based on the Ambipolar diffusion equation (ADE) for power devices and MATLAB implementation in a formal implementation strategy. ADE is solved numerically under various conditions of injection and the model is developed and implemented as a subcircuit in the IsSpice simulator. Widths of the depletion layer, the total area of the device, doping level, among others, are some of the parameter extracted from the model. Parameter extraction is an important part for model development. The purpose of parameter extraction and optimization is to determine such model parameter values that minimize the differences between a set of measured characteristics and results obtained by the simulation device model. This minimization process is often called tuning characteristics of models for the measurement data. The implemented PSO algorithm is a promising, efficient and recently proposed approach by Kennedy and Eberhart based on social behavior. The proposed techniques are found to be robust and able to reach a solution that is characterized to be accurate and global. Compared with SA algorithm, the performance of the proposed technique has been tested using experimental data to extract device parameters I-V characteristics of real measures. To validate the model, model results are compared with another model already developed.