[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

本發明公開了一種基于神經網絡的IGBT結溫預測方法，基于BP神經網絡構建IGBT結溫預測模型，該模型具有較強的非線性映射能力，且本發明的結溫特征包括相電流峰值、開關頻率和環境溫度，能夠精確的表征結溫特征。IGBT結溫預測模型可精確反映結溫特征與結溫之間的關系，將采集到的IGBT的結溫特征輸入到IGBT結溫預測模型中，即可預測得到IGBT結溫，實現復雜度低，實時性強，預測精度較高。并且，在訓練IGBT結溫預測模型時，通過采用ANSYS Icepak軟件構建逆變器的3D熱仿真模型，并基于所得3D熱仿真模型，可以獲得不同工況下的IGBT結溫數據，采用該IGBT結溫數據所構成的訓練樣本訓練IGBT結溫預測模型，可廣泛用于多種不同的功率器件以及不同的工況，工業實用性較強。

技術領域

本發明屬于電力電子技術領域，更具體地，涉及一種基于神經網絡的IGBT結溫預測方法。

背景技術

IGBT是用在逆變器中的功率器件，用于將直流電能轉變成交流電。在交直電流轉換過程中，由于高頻切換，功率半導體器件長期處于功率循環和熱循環引起的熱脈沖之下，因此由結溫變化引起的熱機械應力的不斷變化對IGBT的內部結構損害很大，從而導致器件失效。研究表明，器件工作結溫越高，安全裕度越小；結溫波動越大，熱循環壽命越短。通過監測IGBT結溫，采用適當的控制方法可以減小器件的熱應力沖擊從而增加IGBT模塊使用壽命、降低故障率，故研究IGBT結溫預測方法具有重要的意義。

現有的IGBT結溫預測方法主要包括：光學方法、物理接觸方法和電氣方法。其中，光學方法簡單易于操作，但由于熱成像器材價格昂貴不易安裝，因此難以在工程上應用；物理接觸方法可以較為準確的測量溫度，但是無法直接觸封裝內的芯片，所測溫度有一定的偏差，預測精度較低；電氣方法測量速度快、精度高，但是需要復雜的測量電路，在一定程度上還會影響器件的正常工作。

發明內容

針對現有技術的以上缺陷或改進需求，本發明提供了一種基于神經網絡的IGBT結溫預測方法，其目的在于，解決在滿足實現復雜度較低的前提下，由于現有技術無法直接接觸封裝內的芯片而導致的預測精度較低的技術問題。

為實現上述目的，第一方面，本發明提供了一種基于神經網絡的IGBT結溫預測方法，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；

其中，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。

進一步優選地，上述隱含層的個數為1，包括四個神經元。

進一步優選地，上述IGBT結溫預測模型的激活函數為Relu，優化算法為擬牛頓法。

進一步優選地，上述IGBT結溫預測模型的訓練方法，包括以下步驟：

S01、采用ANSYS Icepak軟件構建逆變器的3D熱仿真模型；

S02、基于所得3D熱仿真模型，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；其中，結溫特征包括：相電流峰值、開關頻率和環境溫度；

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。

進一步優選地，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，并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；其中，數據參數包括輸出電壓、輸出頻率、功率因數。