[發明專利]一種IGBT結溫預測的方法

有效

• 申請號: 202010882768.1
• 申請日: 2020-08-28
• 公開（公告）號: CN112001127B
• 公開（公告）日: 2022-03-25
• 發明（設計）人: 劉伯穎;陳國龍;李玲玲;常云彪;張冠英
• 申請（專利權）人: 河北工業大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/00;G06N3/04;G06N3/08;G06F119/02;G06F119/04;G06F119/08;G06F111/10
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明涉及一種IGBT結溫預測的方法，是基于混沌化布谷鳥算法優化極限學習機的IGBT結溫預測的方法，步驟是：獲取IGBT老化實驗數據，包括結溫數據，老化循環次數，飽和壓降數據和集電極電流數據；歸一化和分配實驗數據，并初始化極限學習機；利用混沌算法混沌化布谷鳥算法，并設置混沌化布谷鳥算法參數；計算鳥巢初始適應度；在循環中以極限學習機為載體，以混沌化布谷鳥算法為依托，以非線性收斂公式為調節，對鳥巢進行位置更新以及適應度計算，直至結束；輸出結溫預測的結果。本發明前期對算法進行全局搜索，后期加速全局收斂，預測結溫精度高且預測速度快，尤其以極限學習機為載體，輸入變量可根據需要進行補充，兼容性大并且彌補了現有方法的不足。

技術領域

本發明的技術方案屬于電力電子器件IGBT可靠性技術領域，具體的說是一種IGBT的結溫預測的方法。

背景技術

進入新世紀以來，電力電子變流設備逐漸滲透到各個領域。電能轉換系統中最重要部分電力電子變流器，它的可靠性對于系統的整體性能起著重要的作用。若電力電子變流器發生故障，那么會影響系統的正常運行，嚴重的會造成生命安全危險，因此電力電子變流器設備的可靠性問題顯得尤為重要。而IGBT作為電力電子變流設備中的核心元件，其可靠性對于設備的整體運行起著關鍵性的作用。只有對IGBT使用之前和之中評估IGBT的老化狀態才能有效的提高電力電子設備的可靠性，進而減少故障的發生。

IGBT模塊的老化失效是內部疲勞累積和外部環境綜合影響的結果。IGBT在不斷老化失效的過程中，表征IGBT老化量的狀態參數有結殼熱阻，集-射極飽和壓降(V_ce(sat))，結溫，關斷時間和門極導通閾值電壓等。而結溫是電力設備中半導體器件的實際溫度，當IGBT芯片產生的功率不能及時消散時，使得結溫不斷升高導致電力電子器件失效。研究表明，IGBT作為功率器件其安全裕度與結溫的關系呈現負相關，其循環壽命與結溫波動呈現負相關關系，而且其鍵合線失效和焊料層疲勞都與結溫存在一定關系，因此對IGBT的結溫預測的重要性日益突出。如果能在IGBT失效前，對IGBT結溫提前作出預測，以便有足夠的時間對失效的IGBT模塊進行更換，做到防患于未然，這樣就可以避免故障的發生。近年來一些學者對IGBT的結溫進行預測并取得了一定的成績。

目前預測結溫的方法大致分為兩種：物理模型預測和智能算法預測。物理模型預測其預測的準確性和精度較高，如熱阻網絡模型，其預測精度較高，但是與實際運行中的IGBT 的狀態有一定的偏差，從而與實際的結溫有所偏差，其模型較復雜且考慮的老化因素較少；而智能算法在預測精度和預測速度等方面有提高，有的學者使用BP神經網絡對結溫進行預測，也取得不錯的成效，但是BP神經網絡本身的算法是一種局部的搜索算法，因此并不能對全局進行最優解的搜索，即陷入局部最優，其另一個缺點是收斂速度慢，因此不利于全局的搜索。

因此，根據現有的測量方法的預測精度不高和無法進行全局搜索最優解等問題。本發明以極限學習機為載體，以混沌化布谷鳥算法和非線性收斂公式為依托，以集電極電流，飽和壓降，老化循環次數為輸入，以結溫為輸出建立循環老化狀態下IGBT結溫預測的數學模型。本發明充分考慮影響結溫的三個因素，老化循環次數，飽和壓降V_ce(sat)，集電極電流，并結合機器學習方法，不僅提高了預測精度而且減小了預測時間，早期不易陷入局部最優，后期加速局部收斂，因此本發明具有一定的實用價值。

發明內容

本發明所要解決的技術問題是：提供一種IGBT結溫預測的方法，在通過IGBT功率循環老化實驗獲得的結溫數據，老化循環次數，飽和壓降V_ce(sat)數據，集電極電流數據的情況下，建立基于混沌化布谷鳥算法-極限學習機的預測模型(CCS-ELM)對IGBT的結溫進行預測；與現有的方法相比，混沌算法使得算法不易陷入局部最優解，并能及時跳出局部最優解，優化布谷鳥算法得到混沌化布谷鳥算法；而混沌化布谷鳥算法則依靠levy飛行使得算法對全局的搜索性更強；非線性收斂公式的引入使得混沌化布谷鳥算法趨于全局收斂，CCS-ELM彌補了現有算法預測結溫時精度的不足，從而更好通過預測結溫來評估IGBT的老化狀態。