【技术实现步骤摘要】
本申请涉及电力电子设备的可靠性预测，特别涉及一种sicmosfet寿命预测方法、系统、设备和存储介质。
技术介绍
1、随着电力电子技术的飞速发展，sicmosfet作为电力电子设备中的核心元件，其可靠性对系统整体性能具有重要影响。然而，由于sicmosfet的老化过程受多种因素影响，如电气、热、机械应力等，传统的寿命预测方法往往难以准确预测其剩余使用寿命。因此，开发一种基于数据驱动的sicmosfet寿命预测方法，对于提高电力电子设备的可靠性、降低维护成本具有重要意义。目前，已有一些基于数据驱动的寿命预测方法被提出，如基于神经网络、支持向量机等机器学习算法的预测方法。然而，这些方法在预测精度、泛化能力等方面仍有待提高。同时，由于sicmosfet的老化过程复杂多变，传统的预测方法往往难以适应不同运行条件下的寿命预测需求。
2、可见，在传统数据驱动模型对sicmosfet寿命进行预测时，往往存在数据质量依赖性强，以及容易陷入局部最优解，导致预测精度不高的问题。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种sicmosfet寿命预测方法、系统、设备和存储介质。
2、本说明书采用下述技术方案：
3、本说明书提供了一种sicmosfet寿命预测方法，包括：
4、实时采集sicmosfet在运行过程中的关键参数，包括电压；
5、对采集到的电压数据进行清洗、整合预处理，消除噪声、异常值，平滑数据；
6、确定b
7、通过训练和优化dbo-bp模型，建立sicmosfet寿命与运行参数之间的映射关系，实现对sicmosfet剩余寿命的预测。
8、优选地，所述确定bp神经网络的拓扑结构，具体包括输入层、隐含层、输出层，输入层接收预处理后的电压数据；隐含层使用s形激活函数，对输入数据进行非线性映射；输出层则输出预测的电压值。
9、优选地，所述初始化bp神经网络的参数和dbo算法参数，具体包括：
10、所述初始化bp神经网络的参数，包括神经元之间的权值、偏置，学习率以及迭代次数；
11、所述初始化dbo算法参数，包括蜣螂代理的数量、迭代次数、搜索空间。
12、优选地，所述通过训练和优化dbo-bp模型，具体包括：
13、将预处理后的电压数据划分为训练集和验证集，使用训练集数据对构建的dbo-bp预测模型进行训练，根据验证集上的性能指标，不断调整dbo算法的参数，以改进优化过程。
14、优选地，所述通过dbo算法在全局范围内搜寻最优参数组合以对bp神经网络的参数进行优化，具体包括：
15、在每次迭代中，使用dbo算法对bp神经网络的参数进行优化，每个蜣螂代理代表一组bp神经网络的参数配置，通过模拟蜣螂的寻优行为，在搜索空间中寻找最优的参数配置。重复以上步骤，直到达到预设的迭代次数或满足收敛条件为止。
16、优选地，所述实时采集sic mosfet在运行过程中的关键参数，具体包括：
17、基于sic mosfet的加速老化试验，根据sic mosfet的工作原理和失效机制，选择与其寿命密切相关的关键参数进行采集。
18、优选地，所述对采集到的电压数据进行清洗、整合预处理，具体包括：
19、对采集到的电压原始数据进行清洗，使用统计方法识别并剔除数据中的异常值，利用滤波器去除高频噪声，以及通过数据压缩技术减少冗余数据，将清洗后的数据进行整合，形成统一的数据格式和结构。
20、本说明书提供一种sic mosfet寿命预测系统，包括：
21、数据采集模块，用于实时采集sic mosfet在运行过程中的关键参数，包括电压；
22、数据预处理模块，用于对采集到的电压数据进行清洗、整合预处理，消除噪声、异常值，平滑数据；
23、dbo-bp预测模型构建模块，用于确定bp神经网络的拓扑结构，初始化bp神经网络的参数和dbo算法参数，通过dbo算法对bp神经网络的参数进行优化，构建dbo-bp预测模型；
24、sicmosfet剩余寿命的预测模块，用于通过训练和优化dbo-bp模型，建立sicmosfet寿命与运行参数之间的映射关系，实现对sicmosfet剩余寿命的预测。
25、本说明书提供一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述一种sic mosfet寿命预测方法。
26、本说明书提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述一种sic mosfet寿命预测方法。
27、在本说明书提供的一种sic mosfet寿命预测方法，对比现有技术，其有益效果如下：
28、本专利技术结合dbo算法和bp神经网络的优势，通过dbo算法对bp神经网络参数进行优化，构建dbo-bp预测模型，其能够在广泛的参数空间内寻找最优解，更全面地考虑各种因素对sic mosfet寿命的影响，提高bp神经网络的训练速度和预测精度，同时能够广泛应用于电力电子设备、新能源汽车、智能电网等领域，为设备的健康管理和维护提供有力支持。
本文档来自技高网...【技术保护点】
1.一种SiCMOSFET寿命预测方法，其特征在于，包括：
2.如权利要求1所述的一种SiCMOSFET寿命预测方法，其特征在于，所述确定BP神经网络的拓扑结构，具体包括输入层、隐含层、输出层，输入层接收预处理后的电压数据；隐含层使用S形激活函数，对输入数据进行非线性映射；输出层则输出预测的电压值。
3.如权利要求1所述的一种SiCMOSFET寿命预测方法，其特征在于，所述初始化BP神经网络的参数和DBO算法参数，具体包括：
4.如权利要求1所述的一种SiCMOSFET寿命预测方法，其特征在于，所述通过训练和优化DBO-BP模型，具体包括：
5.如权利要求1所述的一种SiCMOSFET寿命预测方法，其特征在于，所述通过DBO算法在全局范围内搜寻最优参数组合以对BP神经网络的参数进行优化，具体包括：
6.如权利要求1所述的一种SiCMOSFET寿命预测方法，其特征在于，所述实时采集SiCMOSFET在运行过程中的关键参数，具体包括：
7.如权利要求1所述的一种SiCMOSFET寿命预测方法，其特征在于，所述对采
8.一种SiCMOSFET寿命预测系统，其特征在于，包括：
9.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述权利要求1～7任一项所述的方法。
10.一种计算机设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述权利要求1～7任一所述的方法。
...【技术特征摘要】
1.一种sicmosfet寿命预测方法，其特征在于，包括：
2.如权利要求1所述的一种sicmosfet寿命预测方法，其特征在于，所述确定bp神经网络的拓扑结构，具体包括输入层、隐含层、输出层，输入层接收预处理后的电压数据；隐含层使用s形激活函数，对输入数据进行非线性映射；输出层则输出预测的电压值。
3.如权利要求1所述的一种sicmosfet寿命预测方法，其特征在于，所述初始化bp神经网络的参数和dbo算法参数，具体包括：
4.如权利要求1所述的一种sicmosfet寿命预测方法，其特征在于，所述通过训练和优化dbo-bp模型，具体包括：
5.如权利要求1所述的一种sicmosfet寿命预测方法，其特征在于，所述通过dbo算法在全局范围内搜寻最优参数组合以对bp...
【专利技术属性】
技术研发人员：鲍君仪，王冠淇，方世琦，戴鹏，臧立博，饶彬，蔡婼冰，申震佳，
申请(专利权)人：中国矿业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。