[發明專利]基于GRU神經網絡的IGBT模塊壽命預測模型的構建方法

在審

• 申請號: 202211380833.6
• 申請日: 2022-11-04
• 公開（公告）號: CN115600502A
• 公開（公告）日: 2023-01-13
• 發明（設計）人: 李新宇;孟子民
• 申請（專利權）人: 合肥工業大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/04;G06N3/08;G06F119/04
• 代理公司: 合肥市澤信專利代理事務所(普通合伙) 34144
• 代理人: 江楠竹

本發明涉及功率半導體器件中IGBT模塊的可靠性分析技術領域，公開了涉及基于GRU神經網絡的IGBT模塊壽命預測模型的構建方法、使用該構建方法構建出的最優參數的IGBT模塊壽命預測模型、以及使用該預測模型對IGBT模塊壽命進行預測的方法。本發明從IGBT模塊的老化特征量出發，提出一種基于GRU神經網絡的壽命預測模型的構建方法。本發明設計合理，在進行模型構建時，對GRU神經網絡壽命預測模型采用網格搜索法進行參數調優，改善了對循環神經網絡超參數選取過于隨機，或僅對已有參考神經網絡參數進行微調的問題，所提出的最優參數的GRU神經網絡壽命預測模型預測精度更高，在IGBT模塊的壽命預測問題上有更好的適配性。

技術領域

本發明涉及功率半導體器件中IGBT模塊的可靠性分析技術領域，更具體的，涉及基于GRU神經網絡的IGBT模塊壽命預測模型的構建方法、使用該構建方法構建出的最優參數的IGBT模塊壽命預測模型、以及使用該預測模型對IGBT模塊壽命進行預測的方法。

背景技術

隨著電力電子技術和半導體制造技術的不斷發展，功率半導體器件在如風力、太陽能等可再生能源并網發電、電動汽車、電力系統以及航空航天動力系統等領域的應用進行著不斷地拓展。受益于新能源汽車、軌道交通、智能電網的蓬勃發展帶來的海量需求，同時，受到新冠疫情對于全球半導體產業鏈的沖擊，功率半導體器件產能嚴重不足，舊功率半導體器件的回收再利用迎來新的發展機遇。

絕緣柵雙極型晶體管(IGBT)是一種綜合了功率金屬氧化物半導體場效應晶體管(MOSFET)和雙極結型晶體管(BJT)結構的復合型功率半導體器件，具有開關速度快、驅動功率小、控制電路簡單，通斷速度快等優點，廣泛應用在電動汽車、電動汽車AC/DC充電模塊等電子元器件需長時間處于使用狀態或經常存在電力循環的使用場景下。例如在電動汽車及其充電設備中，IGBT器件通過電流量很大，同時伴隨著較大的溫度波動，承受周期變化的熱應力沖擊，很容易形成長期的失效累積，從而降低了器件乃至整個系統的可靠性。由于IGBT器件的高失效率，其被認為是機電系統中最薄弱的環節。因此，預測IGBT的剩余使用壽命對電力系統的穩定運行具有重要意義。

目前，IGBT壽命預測主要是通過基于數學模型與物理模型的壽命預測方法，但其建模過程過于復雜、預測模型泛化能力不足、模型參數多且精確獲取難度較大。因此需要用其他方法提高模塊壽命預測精度與速度。

發明內容

基于此，有必要針對現有IGBT壽命預測模型預測精度不高的問題，提供基于最優參數的循環神經網絡的IGBT模塊壽命預測模型的構建方法、使用該構建方法構建出的IGBT模塊壽命預測模型、以及使用該預測模型對IGBT模塊壽命進行預測的方法。

本發明采用以下技術方案實現：

第一方面，本發明公開了基于GRU神經網絡的IGBT模塊壽命預測模型的構建方法，其用于對IGBT模塊構建最優參數的GRU神經網絡IGBT模塊壽命預測模型。

基于GRU神經網絡的IGBT模塊壽命預測模型的構建方法包括以下步驟：

步驟一，對IGBT模塊進行的功率循環老化試驗，獲取IGBT模塊老化特征量數據，得到實驗組數據集與驗證組數據集；

步驟二，對IGBT模塊老化特征量數據進行預處理，得到處理后的實驗組數據集和處理后的測試組數據集；其中，以特定比例將處理后的實驗組數據集分割為訓練集與驗證集；

步驟三，確定GRU神經網絡框架，初步搭建GRU神經網絡模型；

步驟四，使用訓練集和驗證集對GRU神經網絡模型進行訓練，以神經網絡的訓練損失函數及驗證損失函數為驗證指標，先確定GRU網絡的最優隱藏層層數，再確定最優隱藏層節點數、最優訓練循環次數，形成基于最優參數的GRU神經網絡IGBT模塊壽命預測模型；

其中，最優隱藏層層數的確定方法為：