基于小波神经网络的IGBT寿命研究

文章通过对IGBT失效机理进行分析,选取集电极-发射极电压作为IGBT寿命评估参数,结合NASA艾姆斯实验中心IGBT加速老化数据集,建立了小波神经网络预测模型,从而对IGBT寿命做一个简单的评估。     

基于电热耦合模型和寿命预测的IGBT可靠性评估

针对IGBT可靠性评估中结温与运行工况和工作特性紧密相关的问题,以及考虑寿命预测中受多因素的影响,基于IGBT结构及失效机理,提出基于电热耦合模型和Bayerer寿命预测模型的IGBT可靠性预测流程,并结合贵州大学城市配电网柔性互联关键设备及技术研究示范工程,以MMC和DAB换流器中IGBT模块为研究对象,建立其热网络...     

基于改进飞蛾扑火算法的BP神经网络蓄电池寿命预测

基于电网蓄电池充放电试验数据,建立基于改进飞蛾扑火算法的BP神经网络蓄电池寿命预测系统。针对神经网络算法缺陷,选择飞蛾扑火算法与其结合;引入立方混沌映射种群初始化策略,增加全局搜索多样性;引入Lévy飞行策略,增加种群的多样性;引入变尺度混沌变异策略,增加局部搜索性能;借助差分进化算法思想,提高算法求解大规模问题的能力。将基于改进飞蛾扑火算法的BP神经网络模型应用到蓄电池寿命预测中,仿真试验对比表明,该方法具有更高的准确率。     

基于GARCH模型的IGBT寿命预测

绝缘栅双极晶体管(insulated gate bipolar transistor,IGBT)在新能源并网、电力传输等领域中得到了广泛应用,其可靠性引起了人们关注和重视。针对IGBT模块的可靠性分析和剩余使用寿命问题,文中提出一种利用加速老化数据对IGBT模块老化模型建立方法,并利用建立的老化模型对IGBT模块的剩余使用寿命进行预测。首先介绍IGBT的失效机理,结合现有的加速老化数据,确定的以集电极-发射极通态压降作为剩余使用寿命预测依据。建立基于GARCH模型的IGBT老化寿命模型,通过3组IGBT模块加速老化数据对剩余寿命预测,验证所提方法的有效性。     

基于LPWAN和MEA-BP的港口起重机故障诊断

港口起重机是港口作业的重要组成部分,针对港口起重机安全运行问题,为了避免港口起重机出现故障难以及时判定故障类型,提出基于低功耗广域网(LPWAN)和思维进化算法(MEA)优化反向传播(BP)神经网络的港口起重机故障诊断方法。利用LPWAN的低功耗特点,实现远程实时监测港口起重机的各个参数数据,将数据输入到故障诊断模型中,该模型通过MEA寻找最优的初始权值和阈值。仿真实验结果表明,该方法可有效运用在港口起重机故障诊断,有利于及时排查故障,保障设备的安全运行。     

基于神经网络的IGBT模块剩余使用寿命预测模型

对IGBT模块使用寿命进行预测是评估其健康状态和可靠性的有效手段。基于IGBT老化实验测量,构建了包括饱和压降和结温的二维IGBT状态检测指标。对于归一化后的数据,提出了分段处理方法,去除了IGBT键合线断裂引起的较大指标波动。以饱和压降和结温数据为基础,提出了基于BP神经网络算法的IGBT剩余寿命预测模型。针对同样本不同通道、不同实验条件样本等情况,验证了本模型在剩余寿命预测中的准确性。     

基于MEA-BP神经网络的开关磁阻电机静态电磁特性建模

建立精确的开关磁阻电机（SRM）模型对于改善SRM的性能和控制效果有着重要的影响。针对SRM运行时磁路的高度饱和和严重非线性问题,提出了基于思维进化算法（MEA）优化的反向传播(BP)神经网络算法的SRM非线性模型。利用ANSYS Maxwell软件建立了四相8/6极SRM模型并进行有限元计算,通过仿真和试验值的对比验证了该模型的精度比未经MEA优化的BP神经网络模型更高,可以更好地反映SRM运行时的磁链特性和转矩特性,且具有较好的泛化能力。     

基于XGBoost-RFECV算法和LSTM神经网络的PEMFC剩余寿命预测

针对质子交换膜燃料电池（PEMFC）寿命预测方法中PEMFC特征对其寿命的影响程度未知和模型预测精度低的问题,提出一种基于XGBoost-RFECV算法和长短期记忆（LSTM）神经网络的PEMFC剩余寿命预测方法。首先通过等间隔采样和SG卷积平滑法对PEMFC原始数据进行重构和平滑处理,有效提取PEMFC退化趋势。然后利用XGBoost-RFECV算法计算PEMFC不同特征的重要度,并选择平均交叉验证均方误差最小的10个PEMFC特征组成最优特征子集。最后将最优特征子集输入构建的双层LSTM神经网络实现PEMFC的剩余寿命预测。实验结果表明,该方法的平均绝对误差和均方根误差分别为0.001 9和0.002 5,决定系数R²为0.974,与XGBoost-RNN、XGBoost-LSTM和XGBoost-RFECV-RNN方法相比预测精度更高,能够有效地预测PEMFC剩余寿命。     

基于Bo-BiLSTM网络的IGBT老化失效预测方法

针对绝缘栅双极型晶体管（IGBT）受热应力冲击后对其进行老化失效预测精度不高的情况,提出一种基于贝叶斯优化（Bo）-双向长短期记忆（BiLSTM）网络的IGBT老化失效预测方法。首先分析IGBT模块老化失效原理,然后基于NASA老化实验数据集建立失效特征数据库,最后利用Matlab软件构造Bo-BiLSTM网络预测失效特征参数数据。选取常用回归预测性能评估指标将长短期记忆（LSTM）网络模型、BiLSTM网络模型与Bo-BiLSTM网络模型的预测结果进行对比分析。结果表明,Bo-BiLSTM网络的模型拟合精度更高,基于Bo-BiLSTM网络的IGBT老化失效预测方法具有较好的预测效果,能够应用于IGBT的失效预测。     

基于XGBoost-RFECV算法和LSTM神经网络的PEMFC剩余寿命预测

针对质子交换膜燃料电池（PEMFC）寿命预测方法中PEMFC特征对其寿命的影响程度未知和模型预测精度低的问题,提出一种基于XGBoost-RFECV算法和长短期记忆（LSTM）神经网络的PEMFC剩余寿命预测方法。首先通过等间隔采样和SG卷积平滑法对PEMFC原始数据进行重构和平滑处理,有效提取PEMFC退化趋势。然后利用XGBoost-RFECV算法计算PEMFC不同特征的重要度,并选择平均交叉验证均方误差最小的10个PEMFC特征组成最优特征子集。最后将最优特征子集输入构建的双层LSTM神经网络实现PEMFC的剩余寿命预测。实验结果表明,该方法的平均绝对误差和均方根误差分别为0.001 9和0.002 5,决定系数R²为0.974,与XGBoost-RNN、XGBoost-LSTM和XGBoost-RFECV-RNN方法相比预测精度更高,能够有效地预测PEMFC剩余寿命。     

基于壳温的IGBT模块键合引线疲劳寿命预测

为了研究功率循环下键合引线的疲劳寿命,提高IGBT模块的可靠性,文中提出了一种基于壳温的键合引线寿命预测方法。首先对IGBT模块进行功率循环测试,探究了键合引线的疲劳失效机理;然后建立IGBT模块的电—热—结构强耦合模型,分析了模块在功率循环载荷下的电、热、结构特性。依据键合引线的应变情况和实验测得的疲劳曲线,评估键合引线的疲劳寿命,并在壳温基础上建立了其寿命预测模型,对比测试结果验证了该模型的准确性;最后提出了铜键合引线的改进方案。根据易测量的壳温来确定键合引线的使用寿命,提前更换器件,能降低IGBT模块的故障率。     

IGBT模块寿命预测模型综述

在风力发电、柔性交流输电以及电机牵引和航空中等应用的变流器系统失效中,IGBT的失效所占比重较大。因此,相继提出了一些IGBT寿命预测的模型以研究其可靠性。为给系统可靠性设计者以及终端用户提供更多变流器中IGBT模块的寿命信息,文中综述了IGBT寿命预测模型的发展与研究现状。根据建模方法的不同,寿命模型可分为解析模型和物理模型两大类。文中对不同模型的建模依据分别做出了说明,在分析IGBT常见失效机理的基础上,对比分析了各模型在实际应用中的精确度、通用性与局限性。同时,介绍了加速老化试验对寿命预测模型的影响。最后,讨论了IGBT模块寿命预测模型的挑战与发展趋势。     

基于改进支持向量回归的IGBT老化预测

为了准确预测绝缘栅双极型晶体管（IGBT）的老化状态,提出了一种基于改进鲸鱼优化算法（IWOA）优化支持向量回归（SVR）的IGBT老化预测方法。该方法提取IGBT集电极-发射极电压信号的时频域特征,通过核主成分分析（KPCA）降维将时频域特征融合成一个综合指标来表征IGBT的老化状态;针对鲸鱼优化算法（WOA）不足,在WOA的基础上引入Sobol序列种群初始化、惯性权重和反向学习策略,增强WOA的局部搜索能力和收敛速度;利用IWOA优化SVR的惩罚因子和核参数,并构建一种基于综合指标的IGBT预测模型。利用NASA Ames实验室的IGBT老化数据集对IWOA-SVR方法进行验证,结果表明,所构建IWOA-SVR预测模型可以更准确实现对IGBT的老化预测。     

基于集总参数法的IGBT模块温度预测模型

从IGBT模块的内部结构和故障机理分析,得到影响IGBT模块可靠性的主要因素是温度的结论,而IGBT模块各层的温度是很难用实验的方法测取的。为了解决这一问题,在分析IGBT模块内部导热机理的基础上,利用瞬时非稳态导热的集总参数法建立热网络模型,并给出热损耗值、等效热阻、等效热容的提取方法。通过与制造商提供的IGBT模块结温实验数据、实测的底板温度和有限元模型相比较,热网络模型温度预测误差小于5%。     

基于SSA-LSTM的锂离子电池寿命预测

由于锂离子电池经循环使用、环境变化易出现材料老化和缩短使用寿命等问题,很大程度上影响电池健康状态,因此研究其掌握电池老化规律,从而预测其使用寿命有着积极的意义.为提高电池健康状态的预测精度,使用能够更好预测长序列的长短期记忆神经网络(LSTM),并针对其模型超参数调整困难、收敛速度慢等问题,提出将LSTM和麻雀搜索算法...     

基于传热动力学作用特征的IGBT结温预测数学模型

提出一种基于传热动力学作用特征建立绝缘栅双极型晶体管(IGBT)结温预测模型的建模方法。针对目前IGBT结温预测模型无法灵活应用于多时间尺度仿真与快速计算模式的问题,通过将简单(阶跃)信号下得到的动力学作用分量应用于复杂(PWM)信号下,建立IGBT结温预测数学模型。基于经典Cauer传热RC网络结构,建立针对阶跃功率输入信号的IGBT结温预测数学模型。提出采用自然解耦的方法,对IGBT传热动力学特性进行研究,建立传热动力学作用分量的准确表征。在此基础上,采用自然解耦与精确补偿的方法,建立针对PWM脉冲功率输入信号的IGBT瞬态结温预测数学模型。仿真与实验结果验证了模型的正确性与准确性。所建IGBT结温预测数学模型对于查明IGBT器件的传热动力学作用机理,实现结温的快速有效仿真与计算,建立IGBT传热多时间尺度数学模型具有重要的理论意义和应用价值。     

基于Mycielski算法的风电场风速预测

对已有的风速预测方法进行了总结归类,并使用一种新颖的基于Mycielski算法进行风电场风速预测,建立了基于该算法的预测模型,并且同持续法风速预测进行对比,同时对二者的误差进行了分析.实验结果表明,基于Mycielski风速预测模型在风速平滑段有着非常高的预测精度,其均方根误差与误差方差均小于持续法,误差为零的概率高于...     

基于DAHP算法及非等间隔GM(1,1)模型的电力变压器技术寿命预测研究

为减少电网提前或延迟退役电力变压器带来的巨大损失,提出了一种基于DAHP算法及非等间隔GM(1,1)模型的电力变压器技术寿命预测新方法。笔者首先从电力变压器特性出发,结合DAHP(改进的层次分析法)算法,构建电力变压器健康状况评估指标体系,并计算得到电力变压器的健康指数(health index)值。然后在电力变压器历年健康指数值基础上,结合灰色理论非等间隔GM(1,1)模型,建立了电力变压器技术寿命预测模型。最后,应用该模型分别对110、220、500 k V等级的在运电力变压器进行了技术寿命预测研究,验证了该方法的可行性,为电网退役电力变压器提供了参考依据。