一种基于LSTM-ARIMA的IGBT剩余使用寿命预测方法技术

本发明专利技术涉及一种基于LSTM

【技术实现步骤摘要】
一种基于LSTM
‑
ARIMA的IGBT剩余使用寿命预测方法


[0001]本专利技术属于IGBT剩余使用寿命预测
，具体涉及一种基于LSTM
‑
ARIMA的IGBT剩余使用寿命预测方法。

技术介绍

[0002]IGBT(Insulated Gate Bipolar Transistor)又称绝缘栅双极型晶体管，是由BJT(双极型三极管)和MOS(绝缘栅型场效应管)组成的复合全控型电压驱动式功率半导体器件,其输入极为MOSFET，输出极为PNP晶体管，因此，可以把其看作是MOS输入的达林顿管。它融合了MOSFET的高输入阻抗和GTR的低导通压降两方面的优点，具备易于驱动、峰值电流容量大、自关断、开关频率高(10
‑
40kHz)等特点，已逐步取代晶闸管和GTO(门极可关断晶闸管)，是目前发展最为迅速的新一代电力电子器件。广泛应用于小体积、高效率的变频电源、电机调速、UPS及逆变焊机当中。
[0003]然而，诸如高铁上的驱动马达，风力发电机、新能源车和混合动力汽车中的整流器、逆变器等实际应用场景中，IGBT在运行过程中往往要承受高温低温循环、功率循环、湿度、机械、电应力循环等严苛、变化的环境应力，这使得提高其可靠性的需求与日俱增。尽管通过制造工艺的改进和新材料的发现，IGBT的可靠性得到了巨大的提高，但相关故障仍然存在。根据最近的一项全行业调查[1]25％的答复显示，功率系统的故障/成本比率超过80％。且此类故障往往导致不可恢复的后果。由于IGBT的健康状况可能会在很短的时间内(～10μs)退化至失效，因此在故障后安排维护并不是一个可行的解决方案。准确的寿命预测对于防止其所在系统因IGBT失效而关闭是必要的。
[0004]目前主流的研究内容将寿命预测模型分为了三类。
[0005]一是根据产品说明书中相关参数以及加速老化实验的数据建立解析模型，从而直接得到寿命。然而已有解析模型的参数只适用于基板为氧化铝的模块，而不适用铝碳化硅和氮化铝。二是基于应力
‑
应变变形原理的损伤与断裂机理来预测应力、损伤及可靠性建立的物理模型。物理模型虽然在IGBT失效原理上非常清晰，但是其模型参数复杂，需要建立复杂的有限元模型，且不同环境下物理模型的系数也不同，对设计者来说是个难题。三是基于IGBT历史运行数据结合大数据的方法建立的数据驱动模型。但是已有的相关数据驱动模型往往采用一维的失效参数作为寿命表征，不足以表征其寿命，且单维的输入产生的最终输出在实际应用中受误差的影响较大。

技术实现思路

[0006]为了解决
技术介绍
中存在的问题(即上面的缺点)，本专利技术提供一种基于LSTM
‑
ARIMA的IGBT剩余使用寿命预测方法，结合IGBT的失效机理，采用多维的IGBT失效参数用数据驱动的方法去预测其剩余使用寿命，提高IGBT剩余使用寿命预测的准确性，包括：
[0007]S1：获取IGBT加速老化数据，并对IGBT加速老化数据进行预处理生成IGBT加速老化训练样本数据；其中，所述IGBT加速老化数据包括：在老化实验中IGBT的失效参数，失效
参数包括：集射极电压、栅射极电压、集电极电流、关断峰值电压、壳温和结温随时间变化的序列；
[0008]S2：利用IGBT加速老化训练样本数据对IGBT寿命预测模型进行训练，所述IGBT寿命预测模型包括：HP滤波器模块、LSTM
‑
Attentiion神经网络模块、ARIMA模块和PCA主成分分析模块；
[0009]S3：获取IGBT的历史运行数据，并对IGBT的历史运行数据进行预处理，将预处理后的IGBT历史运行数据输入训练好的IGBT寿命预测模型预测IGBT的剩余使用寿命。
[0010]本专利技术至少具有以下有益效果
[0011]本专利技术通过实时获取历史运行数据，搭建IGBT寿命预测模型对IGBT进行寿命预测降低了寿命预测的复杂度；通过采集IGBT的集射极电压、栅射极电压、集电极电流、关断峰值电压、壳温和结温历史运行数据作为预测输入，通过多维的数据输入极大程度上避免了单个数据的误差导致，提高了寿命预测结果的准确性，此外本模型所用的参数均易采集，可适用于非产品生产阶段的IGBT寿命评估；相比其他的神经网络模型，以MSE和MAE为评判尺度本模型在最终的预测精度效果上提升约6％
‑
20％。
附图说明
[0012][0013]图1为本专利技术的方法流程图；
[0014]图2为本专利技术移动平均法的滑动窗口示意图。
具体实施方式
[0015]以下通过特定的具体实例说明本专利技术的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本专利技术的其他优点与功效。本专利技术还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本专利技术的精神下进行各种修饰或改变。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本专利技术的基本构想，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
[0016]其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本专利技术的限制；为了更好地说明本专利技术的实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
[0017]本专利技术实施例的附图中相同或相似的标号对应相同或相似的部件；在本专利技术的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利技术的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
[0018]请参阅图1，本专利技术提供一种基于LSTM
‑
ARIMA的IGBT剩余使用寿命预测方法，包括：
[0019]S1：获取IGBT加速老化数据，并对IGBT加速老化数据进行预处理生成IGBT加速老化训练样本数据；其中，所述IGBT加速老化数据包括：在老化实验中IGBT的失效参数，失效参数包括：集射极电压、栅射极电压、集电极电流、关断峰值电压、壳温和结温随时间变化的序列；
[0020]本实施例对IGBT的失效机理进行调研，对NASA PCoE提供的IGBT加速老化实验数据集进行分析，结合IGBT模块的应用场景确定模型可用的失效参数为集射极电压、栅射极电压、集电极电流、关断峰值电压、IGBT的壳温、IGBT的结温。
[0021]S11：分别对IGBT加速老化数据中的时间序列进行均值标准化处理得到IGBT标准加速老化数据；
[0022][0023]其中，x
′
表示标准化后的样本数据，x表示样本数据，μ表本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于LSTM
‑
ARIMA的IGBT剩余使用寿命预测方法，其特征在于，包括：S1：获取IGBT加速老化数据，并对IGBT加速老化数据进行预处理生成IGBT加速老化训练样本数据；其中，所述IGBT加速老化数据包括：在老化实验中IGBT的失效参数，失效参数包括：集射极电压、栅射极电压、集电极电流、关断峰值电压、壳温和结温随时间变化的序列；S2：利用IGBT加速老化训练样本数据对IGBT寿命预测模型进行训练，所述IGBT寿命预测模型包括：HP滤波器模块、LSTM
‑
Attentiion神经网络模块、ARIMA模块和PCA主成分分析模块；S3：获取IGBT的历史运行数据，并对IGBT的历史运行数据进行预处理，将预处理后的IGBT历史运行数据输入训练好的IGBT寿命预测模型预测IGBT的剩余使用寿命。2.根据权利要求1所述的一种基于LSTM
‑
ARIMA的IGBT剩余使用寿命预测方法，其特征在于，所述对IGBT加速老化数据进行预处理包括：S11：分别对IGBT加速老化数据中的时间序列进行均值标准化处理得到IGBT标准加速老化数据；S12：采用高斯滤波分别对IGBT标准加速老化数据中的时间序列进行滤波生成IGBT加速老化滤波样本数据；S13：采用移动平均法对IGBT加速老化滤波样本数据进行移动平均处理生成IGBT加速老化训练样本数据；移动平均法滑动窗口的大小随着时间步长的增加而减小。3.根据权利要求2所述的一种基于LSTM
‑
ARIMA的IGBT剩余使用寿命预测方法，其特征在于，所述IGBT加速老化训练样本数据包括：B＝{NX1,NX2,
…
,NX
t
,
…
,NX
T
}}其中，X
t
表示IGBT加速老化滤波样本数据中第t个时刻对应的数据，X
t+j
表示IGBT加速老化滤波样本数据中第t+j个时刻对应的数据，B表示IGBT加速老化训练样本数据，n表示滑动窗口的大小，T表示IGBT加速老化滤波样本数据的时长。4.根据权利要求1所述的一种基于LSTM
‑
ARIMA的IGBT剩余使用寿命预测方法，其特征在于，所述对IGBT寿命预测模型进行训练包括：S2...

【专利技术属性】
技术研发人员：徐国皓，曾潇，李泽宏，李红波，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：