共查询到10条相似文献,搜索用时 31 毫秒
1.
2.
建立了Elman神经网络模型来实现绝缘栅双极型晶体管(IGBT)的寿命预测。分析了IGBT的结构及其失效原因,结合NASA埃姆斯中心的加速热老化试验数据,确定了以集电极-发射极关断电压尖峰峰值作为失效预测依据。利用高斯滤波的方法对试验数据进行预处理,构建了单、多隐层Elman神经网络寿命预测模型,并构建了广义回归神经网络(GRNN)寿命预测模型作为对比模型。采用均方误差、平均绝对误差、最大相对误差作为各模型预测性能的评估指标。结果表明,提出的Elman神经网络模型比GRNN模型有更好的预测效果。二隐层的Elman神经网络模型均方误差为0.202 0%,平均绝对误差为0.387 6%,最大相对误差为3.023 0%,可以更好地实现IGBT寿命的预测。 相似文献
3.
《现代电子技术》2017,(10):133-137
IGBT模块在退化过程中内部材料的物理属性会发生变化,进而引起模块结壳热阻的变化,因此通过研究结壳热阻的变化情况,可以对IGBT模块的退化程度进行评估。首先研究IGBT模块的结构及热扩散特性,并利用定义法计算出初始结壳热阻,指出模块在退化过程中各层封装材料、物理参数及导热面积的变化会导致结壳热阻的变化;然后,对IGBT模块进行了温度循环老化试验,并在老化过程中测量模块的结壳热阻,研究结壳热阻在老化过程中的变化情况,发现其按指数规律退化,进而建立热阻的指数退化模型;最后,提出一种IGBT模块的模糊状态评估方法,建立了基于热阻的模糊状态评估模型,采用均匀划分的方法以IGBT模块的结壳热阻作为评估参数将模块的退化状态分为7个评估等级,并对老化后的某IGBT模块进行了模糊状态评估。 相似文献
4.
基于dropout NN(dropout Neural Network)的设备剩余寿命(RUL)预测方法因使用具有固定分布形式的先验与近似后验的贝叶斯神经网络(BNN)导致预测精度较低.为解决该问题,提出基于高斯近似后验BNN的RUL预测方法和基于混合高斯-伯努利网络的设备RUL预测方法,前者引入混合高斯分布作为先验,通过对参数梯度进行无偏蒙特卡罗估计以优化BNN,后者引入一种离散化的高斯先验分布以正确地定义KL散度,进而可以优化BNN.在PHM 2012轴承数据集上的验证结果表明所构建的混合高斯-高斯网络效果好于dropout NN,证明了改变分布组合可以获得更好的预测效果. 相似文献
5.
倪维成 《信息技术与信息化》2021,(3):30-33
使用设备运行数据对设备进行状态评估,有利于尽早掌握设备退化信息,预测剩余使用寿命(Remaining Useful Life,RUL),保障运行安全.针对设备RUL的预测问题,研究了基于门控循环单元(Gated Recurrent Unit,GRU)的航空发动机RUL预测模型.该模型利用两个门控单元,对发动机整套退化数... 相似文献
6.
7.
8.
针对跨工况轴承剩余使用寿命(RUL)预测模型的决策边界不明显、特征可辨识性低的问题,该文提出一种正交约束的最大分类器差异方法(MCD_OC)。首先,将采集的轴承原始振动信号进行快速傅里叶变换,得到振动信号的频域信号作为模型的输入;然后,通过卷积神经网络(CNN)和门控循环神经网络(GRU)提取轴承信号的深层时空特征,利用最大分类器差异将源域和目标域特征对齐,并对目标域轴承深层特征进行正交约束,增大无标签目标域样本特征之间的可辨识性;最后,基于轴承寿命数据集开展了跨工况轴承寿命预测对比实验,对该文所提方法进行评估,并在多组实验中取得最优结果。 相似文献
9.
为了解决国内绝缘栅双极型晶体管(IGBT)生产和使用中热阻测试问题,采用电学法的测量原理并与嵌入式技术相结合的方式,设计了一种以现场可编程门阵列(FPGA)为控制核心的IGBT自动测试系统.该系统采用模块化的设计思想,各模块间进行隔离设计,其中14 bit隔离型高速数据采集卡可以快速采集IGBT温度敏感参数的变化,从而使系统可以快速可靠的工作.使用该测试系统对IGBT器件的热特性进行测试,将测试数据与美国生产的Phase1 1热特性分析仪进行对比,测试结果经过修正后误差约为1%.验证了该热阻测试系统可用于测试IGBT器件的热特性,并具有速度快、稳定性好等优点,对我国功率器件的可靠性技术研究具有重要意义. 相似文献