IGBT的工作原理

发布时间:2010-10-12 阅读量:1370 来源: 发布人:

        IGBT 的开关作用是通过加正向栅极电压形成沟道,给 PNP 晶体管提供基极电流,使 IGBT 导通。反之,加反向门极电压消除沟道,流过反向基极电流,使 IGBT 关断。 IGBT 的驱动方法和 MOSFET 基本相同,只需控制输入极 N 一沟道 MOSFET ,所以具有高输入阻抗特性。  

        当 MOSFET 的沟道形成后,从 P+ 基极注入到 N 一层的空穴(少子),对 N 一层进行电导调制,减小 N 一层的电阻,使 IGBT 在高电压 时,也具有低的通态电压。 

IGBT 的工作特性包括静态和动态两类: 

1 .静态特性 IGBT 的静态特性主要有伏安特性、转移特性和 开关特性。  

        IGBT 的伏安特性是指以栅源电压 Ugs 为参变量时,漏极电流与 栅极电压之间的关系曲线。输出漏极电流比受栅源电压 Ugs 的控 制, Ugs 越高, Id 越大。它与 GTR 的输出特性相似.也可分为饱和 区 1 、放大区 2 和击穿特性 3 部分。在截止状态下的 IGBT ,正向电 压由 J2 结承担,反向电压由 J1 结承担。如果无 N+ 缓冲区,则正反 向阻断电压可以做到同样水平,加入 N+ 缓冲区后,反向关断电压只 能达到几十伏水平,因此限制了 IGBT 的某些应用范围。  

        IGBT 的转移特性是指输出漏极电流 Id 与栅源电压 Ugs 之间的 关系曲线。它与 MOSFET 的转移特性相同,当栅源电压小于开启电 压 Ugs(th) 时, IGBT 处于关断状态。在 IGBT 导通后的大部分漏极电 流范围内, Id 与 Ugs 呈线性关系。最高栅源电压受最大漏极电流限 制,其最佳值一般取为 15V 左右。  

        IGBT 的开关特性是指漏极电流与漏源电压之间的关系。 IGBT 处于导通态时,由于它的 PNP 晶体管为宽基区晶体管,所以其 B 值 极低。尽管等效电路为达林顿结构,但流过 MOSFET 的电流成为 IGBT 总电流的主要部分。此时,通态电压 Uds(on) 可用下式表示 

Uds(on) = Uj1 + Udr + IdRoh ( 2 - 14 ) 

式中 Uj1 —— JI 结的正向电压,其值为 0.7 ~ IV ; 

Udr ——扩展电阻 Rdr 上的压降; 

Roh ——沟道电阻。 

通态电流 Ids 可用下式表示: 

Ids=(1+Bpnp)Imos (2 - 15 ) 

式中 Imos ——流过 MOSFET 的电流。 

由于 N+ 区存在电导调制效应,所以 IGBT 的通态压降小,耐压 1000V 的 IGBT 通态压降为 2 ~ 3V 。 

IGBT 处于断态时,只有很小的泄漏电流存在。 

2 .动态特性 IGBT 在开通过程中,大部分时间是作为 MOSFET 来运行的,只是在漏源电压 Uds 下降过程后期, PNP 晶体 管由放大区至饱和,又增加了一段延迟时间。 td(on) 为开通延迟时间, tri 为电流上升时间。实际应用中常给出的漏极电流开通时间 ton 即为 td (on) tri 之和。漏源电压的下降时间由 tfe1 和 tfe2 组成,如图 2 - 58 所示 
 

此主题相关图片如下:
 

IGBT 在关断过程中,漏极电流的波形变为两段。因为 MOSFET 关断后, PNP 晶体管的存储电荷难以迅速消除,造成漏极电流较长的尾部时间, td(off) 为关断延迟时间, trv 为电压 Uds(f) 的上升时间。实际应用中常常给出的漏极电流的下降时间 Tf 由图 2 - 59 中的 t(f1) 和 t(f2) 两段组成,而漏极电流的关断时间 

t(off)=td(off)+trv 十 t(f) ( 2 - 16 ) 

式中, td(off) 与 trv 之和又称为存储时间
相关资讯
BLDC电机技术的未来发展趋势分析

BLDC电机技术演进正朝着更高性能、更智能化、更集成化和可持续的方向快速发展

BLDC直流无刷电机在智能家居场景中的应用解析

BLDC电机凭借其皆能、静音和智能化控制方面的优势广泛应用于各类家电产品中

BLDC无刷电机的技术优势与应用:驱动未来智能工业的核心动力

本文将系统性地剖析BLDC无刷电机的技术原理、核心优势,并深入探讨其在关键行业中的应用场景与未来发展趋势

盘点在高精度运动控制场景实现应用的国产MCU

高精度运动控制领域对MCU的要求极为严苛:需要高性能内核、高精度定时器/PWM、高速高分辨率ADC、丰富的通信接口以及强大的实时处理能力

国产MCU在其他机器人系统的应用场景盘点

国产高性能MCU在机器人技术中的应用已远不止关节控制,其凭借高集成度、低功耗、强实时性及不断攀升的算力,正全面渗透至机器人系统关键场景