[發明專利]一種基于神經網絡的IGBT結溫預測方法

有效

• 申請號: 202010142434.0
• 申請日: 2020-03-03
• 公開（公告）號: CN111460617B
• 公開（公告）日: 2022-10-14
• 發明（設計）人: 王浩;劉洋
• 申請（專利權）人: 華中科技大學
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06T17/00;G06N3/08;G06F119/08
• 代理公司: 華中科技大學專利中心 42201
• 代理人: 李智

1.一種基于神經網絡的IGBT結溫預測方法，其特征在于，包括以下步驟：

S1、采集待測IGBT的結溫特征，其中，結溫特征為IGBT模塊實時運行時的實時參數，包括IGBT模塊所在逆變器的相電流峰值、開關頻率和環境溫度；

S2、將所得結溫特征輸入到預訓練好的IGBT結溫預測模型，得到待測IGBT的結溫；

所述IGBT結溫預測模型為BP神經網絡模型，其中，輸入層的個數為1，包括三個神經元，分別用于輸入相電流峰值、開關頻率和環境溫度；輸出層的個數為1，包括一個神經元，用于輸出IGBT結溫；

所述IGBT結溫預測模型的訓練方法，包括以下步驟：

S01、基于逆變器的物理結構以及數據參數，采用ANSYS Icepak軟件構建逆變器的3D熱仿真模型；其中，所述數據參數包括輸出電壓、輸出頻率和功率因數；

S02、基于所得3D熱仿真模型，結合逆變器的實際運行工況和環境進行流固耦合仿真，獲得逆變器中IGBT的結溫；采集多組IGBT結溫以及相應的結溫特征，預處理后作為訓練樣本；

S03、建立BP神經網絡，將上述訓練樣本輸入到該BP神經網絡中進行訓練，得到預訓練好的IGBT結溫預測模型。

2.根據權利要求1所述的基于神經網絡的IGBT結溫預測方法，其特征在于，所述BP神經網絡模型中隱含層的個數為1，包括四個神經元。

3.根據權利要求1所述的基于神經網絡的IGBT結溫預測方法，其特征在于，所述IGBT結溫預測模型的激活函數為Relu，優化算法為擬牛頓法。

4.根據權利要求1所述的基于神經網絡的IGBT結溫預測方法，其特征在于，所述IGBT的結溫T_j＝P×(Rth_j-c+Rth_c-hs+Rth_hs-a)+T_a，其中，P為逆變器中IGBT的功率損耗，Rth_j-c為逆變器的結殼熱阻，Rth_c-hs為逆變器的殼到散熱器的熱阻，Rth_hs-a為逆變器的散熱器到環境的熱阻，T_a為環境溫度，Rth_j-c、Rth_c-hs和Rth_hs-a通過3D熱仿真模型求得。

5.一種存儲介質，其特征在于，當計算機讀取所述存儲介質中存儲的指令時，使所述計算機執行權利要求1-4任意一項所述的基于神經網絡的IGBT結溫預測方法。