論文の概要: Virtual Sensing for Solder Layer Degradation and Temperature Monitoring in IGBT Modules

• arxiv url: http://arxiv.org/abs/2508.10515v1
• Date: Thu, 14 Aug 2025 10:40:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-15 22:24:48.274048
• Title: Virtual Sensing for Solder Layer Degradation and Temperature Monitoring in IGBT Modules
• Title（参考訳）: IGBTモジュールのソルダ層劣化と温度モニタリングのための仮想センシング
• Abstract要約: 本報告では, 半田層の劣化状態を推定し, 対応する全温度マップを, 限られた物理センサ数に基づいて推定できる可能性について検討する。 劣化した半田面積の推定精度は高く, 最大相対誤差4.56%でIGBTの表面温度を再現できる。
• 参考スコア（独自算出の注目度）: 0.0491574468325115
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Monitoring the degradation state of Insulated Gate Bipolar Transistor (IGBT) modules is essential for ensuring the reliability and longevity of power electronic systems, especially in safety-critical and high-performance applications. However, direct measurement of key degradation indicators - such as junction temperature, solder fatigue or delamination - remains challenging due to the physical inaccessibility of internal components and the harsh environment. In this context, machine learning-based virtual sensing offers a promising alternative by bridging the gap from feasible sensor placement to the relevant but inaccessible locations. This paper explores the feasibility of estimating the degradation state of solder layers, and the corresponding full temperature maps based on a limited number of physical sensors. Based on synthetic data of a specific degradation mode, we obtain a high accuracy in the estimation of the degraded solder area (1.17% mean absolute error), and are able to reproduce the surface temperature of the IGBT with a maximum relative error of 4.56% (corresponding to an average relative error of 0.37%).
• Abstract（参考訳）: 絶縁ゲートバイポーラトランジスタ(IGBT)モジュールの劣化状態のモニタリングは、特に安全クリティカルかつ高性能な用途において、電力電子システムの信頼性と寿命を確保するために不可欠である。 しかし, 接合温度, はんだ疲労, 剥離などの重要な劣化指標の直接測定は, 内部成分の物理的到達性や厳しい環境のため, 依然として困難である。 この文脈では、機械学習ベースの仮想センシングは、実現不可能なセンサー配置からアクセス不能な場所へのギャップを埋めることによって、有望な代替手段を提供する。 本報告では, 半田層の劣化状態を推定し, 対応する全温度マップを, 限られた物理センサ数に基づいて推定できる可能性について検討する。 特定の劣化モードの合成データに基づいて, 劣化したはんだ面積の推定において高い精度(1.17%の平均絶対誤差)を得るとともに, IGBTの表面温度を4.56%(平均相対誤差0.37%)の最大相対誤差で再現することができる。

関連論文リスト

• Characterizing and Mitigating the Effects of Device Temperature on RF Fingerprinting Accuracy [3.065243326333468]
  RFFP(Radio Frequency Fingerprinting)は、ハードウェア固有の障害を利用したデバイス認証のための有望なアプローチとして登場した。 温度に対するRFFP感度は、デバイスシグネチャを著しく変更し、分類性能を低下させる。 本稿では,デバイス温度情報を学習プロセスに明示的に組み込んだRFFPフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-07-27T21:00:24Z)
• PL-LIT: A LiDAR-Inertial-Thermal SLAM Using Point-Line Features and Thermographic Mapping [39.002163918691465]
  熱画像は、強い照明、低照度操作、霧などの悪条件に耐性がある。 ほとんどの熱カメラは自動利得制御(AGC)を採用しており、熱画像は情報的エッジ構造を含むにもかかわらず、しばしば地球規模のコントラストが低い。 可視光カメラとサーマルカメラの両方に対応可能なLiDAR-Inertial-Thermal SLAMシステムを提案する。
  論文  参考訳（メタデータ） (2026-06-28T08:13:43Z)
• Fast Bayesian equipment condition monitoring via simulation based inference: applications to heat exchanger health [39.61652266573024]
  熱交換器の複雑な故障モードを診断するために,アモータイズされた神経後部推定を利用したAI駆動型フレームワークを提案する。 このフレームワークをMCMCベースラインに対して,様々な合成ファウリングおよびリークシナリオでベンチマークする。 ニューラルネットワークの償却された性質は、ほぼ瞬時に推論を可能にし、高度にスケーラブルでリアルタイムな代替手段としてSBIを確立する。
  論文  参考訳（メタデータ） (2026-04-22T16:21:25Z)
• Physics-Enhanced Deep Learning for Proactive Thermal Runaway Forecasting in Li-Ion Batteries [14.616396048555615]
  本研究では,熱伝達方程式を直接ディープラーニングアーキテクチャに組み込む物理インフォームドロング短期記憶(PI-LSTM)フレームワークを提案する。 提案したPI-LSTMは, 平均二乗誤差(RMSE)が81.9%, 平均絶対誤差(MAE)が81.3%削減された。 その結果,物理インフォームド・ディープ・ラーニングは次世代の電池システムにおいて,解釈可能,正確,リアルタイムな熱管理を実現するための有効な経路であることが確認された。
  論文  参考訳（メタデータ） (2026-04-22T04:34:39Z)
• A Self-Evolving Defect Detection Framework for Industrial Photovoltaic Systems [12.007600804321475]
  本稿では,自己進化型太陽電池欠陥検出フレームワークSEPDDを提案する。 自動モデル最適化と継続的自己進化学習機構を統合する。 ベースラインは14.8%、専門家は4.7%を超えている。
  論文  参考訳（メタデータ） (2026-03-16T06:15:26Z)
• Fingerprint Recognition of Partial Discharge Signals in Deep Learning Enhanced Rydberg Atomic Sensors [42.41909362660158]
  我々は、部分放電の時間領域応答を直接捉えるために、Rydberg原子センサーを使用している。 1D ResNet深層学習モデルを適用して,手動の機能工学を使わずに,これらの指紋を時間領域信号から認識する。 我々は,ノイズと混合した部分放電信号を解析し,モデルが予測アラームを生成できるシミュレーション早期警戒シナリオにおけるアプローチの有効性を検証した。
  論文  参考訳（メタデータ） (2026-03-03T12:31:18Z)
• Benchmarking Vision Transformers and CNNs for Thermal Photovoltaic Fault Detection with Explainable AI Validation [0.0]
  本研究では,熱PV故障検出のための畳み込みニューラルネットワーク(ResNet-18,EfficientNet-B0)と視覚変換器(ViT-Tiny,Swin-Tiny)を系統的に比較した。 正常な動作にまたがる2万枚の赤外線画像と11の断層カテゴリの評価により,Swin Transformerが最も高い性能を示した。 XRAI分析では、細胞欠陥の局所化ホットスポット、ダイオード故障の線形熱経路、植生陰影の熱境界など、物理的に意味のある特徴を学習する。
  論文  参考訳（メタデータ） (2025-09-08T08:38:53Z)
• Neural Network Surrogate Model for Junction Temperature and Hotspot Position in $3$D Multi-Layer High Bandwidth Memory (HBM) Chiplets under Varying Thermal Conditions [6.277496992820668]
  本研究では3次元チップレットにおける接合温度とホットスポット位置の高速予測のためのデータ駆動ニューラルネットワークモデルを開発する。 パラメータ空間では考慮されない他の熱条件に対して良い一般化性を示す。 これは、高性能コンピューティングアプリケーションにおける熱管理と性能を改善するための貴重なツールである。
  論文  参考訳（メタデータ） (2025-03-06T03:05:54Z)
• Improved YOLOv7 model for insulator defect detection [24.775038970508078]
  本稿では,多型絶縁体欠陥検出のための改良型YOLOv7モデルを提案する。 提案したモデルでは,さまざまなパフォーマンス指標が拡張されている。
  論文  参考訳（メタデータ） (2025-02-11T02:09:30Z)
• Deployment of ARX Models for Thermal Forecasting in Power Electronics Boards Using WBG Semiconductors [37.69303106863453]
  ARXパラメトリックモデルは、成分の厚さの相違や物質物性の詳細な理解なしに正確な温度予測を提供する。 これらのモデルは、FEMシミュレーションや従来の熱モデルに代わる信頼性の高い代替品として出現する。
  論文  参考訳（メタデータ） (2024-11-25T14:01:17Z)
• Prion-ViT: Prions-Inspired Vision Transformers for Temperature prediction with Specklegrams [0.0]
  本研究では,プリオンインスパイアされたビジョントランスモデルであるPrion-ViTを導入し,FSSデータを用いた長期依存性モデリングと温度予測精度を向上させる。 Prion-ViTは永続的なメモリ状態を利用して、レイヤ間のキー機能の保持と伝搬を行い、平均絶対誤差(MAE)を0.71$circ$Cに削減し、ResNet、Inception Net V2、Standard Vision Transformersなどのモデルよりも優れたパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2024-11-06T12:28:26Z)
• Site-Controlled Purcell-Induced Bright Single Photon Emitters in Hexagonal Boron Nitride [62.170141783047974]
  六方晶窒化ホウ素(hBN)でホストされる単一光子エミッタは、室温で動作する量子フォトニクス技術にとって必須の構成要素である。 我々はPurcellにより誘導されるサイト制御SPEのためのプラズモンナノ共振器の大規模アレイを実験的に実証した。 我々の結果は、明るく、均一に統合された量子光源の配列を提供し、堅牢でスケーラブルな量子情報システムへの道を開いた。
  論文  参考訳（メタデータ） (2024-05-03T23:02:30Z)
• Machine Learning-based Layer-wise Detection of Overheating Anomaly in LPBF using Photodiode Data [0.0]
  本研究は,光ダイオードセンサデータを用いた過熱異常の検出に焦点を当てた。 光ダイオードセンサーは、プロセスのダイナミクスと熱履歴を反映して、溶融プールから高周波データを収集することができる。 提案手法は,フォトダイオードセンサデータを用いて過熱異常を階層的に検出する機械学習フレームワークを提供する。
  論文  参考訳（メタデータ） (2024-03-20T01:12:44Z)
• Segment Anything in Defect Detection [38.85728242930962]
  DefectSAMは、ノイズの多い熱画像に欠陥を分割するための新しいアプローチである。 既存の最先端セグメンテーションアルゴリズムを超え、欠陥検出率を大幅に改善する。
  論文  参考訳（メタデータ） (2023-11-17T00:28:19Z)
• Autonomous Payload Thermal Control [55.2480439325792]
  小さな衛星では、熱制御装置、科学機器、電子部品のスペースは少ない。 深部強化学習を用いた自律型熱制御ツールを提案する。 提案するフレームワークは,運用範囲の温度を維持するためにペイロード処理能力の制御を学べる。
  論文  参考訳（メタデータ） (2023-07-28T09:40:19Z)
• Measurement of the Low-temperature Loss Tangent of High-resistivity Silicon with a High Q-factor Superconducting Resonator [58.720142291102135]
  温度70mKから1Kの範囲で高比抵抗(100)シリコンウェハの直接損失タンジェント測定を行った。 この測定は, 高温超伝導ニオブ共振器を利用した技術を用いて行った。
  論文  参考訳（メタデータ） (2021-08-19T20:13:07Z)
• Real-time detection of uncalibrated sensors using Neural Networks [62.997667081978825]
  オンライン学習に基づく温度・湿度・圧力センサの非校正検出装置を開発した。 このソリューションはニューラルネットワークをメインコンポーネントとして統合し、校正条件下でのセンサーの動作から学習する。 その結果, 提案手法は, 偏差値0.25度, 1% RH, 1.5Paの偏差をそれぞれ検出できることがわかった。
  論文  参考訳（メタデータ） (2021-02-02T15:44:39Z)
• Thermal vulnerability detection in integrated electronic and photonic circuits using IR thermography [1.8809094132625916]
  本研究は、フォトニックおよび電子部品に適した赤外線支援熱脆弱性検出技術を提案する。 信頼性試験は、従来の赤外線サーモグラフィーを用いて、完全に機能するマイクロ波フォトニクスシステムに初めて拡張される。
  論文  参考訳（メタデータ） (2020-05-01T09:25:55Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。