IGBT老化状态下基于BAS-SVM模型的结温预测方法

为进一步研究IGBT老化对其结温的影响,提出了一种新型的结温预测方法。通过功率循环加速老化实验,模拟模块实际运行老化状态,获取了不同老化程度下的饱和压降、集电极电流和结温数据,并进行分析。采用数据驱动的方法,建立了基于天牛须搜索算法优化支持向量机(BAS-SVM)的结温预测模型。结果表明,与粒子群算法-支持向量机(PSO-SVM)模型和天牛须搜索-BP神经网络(BAS-BP)模型相比,BAS-SVM模型更能有效缩短训练时间,收敛速度更快,且对IGBT结温的预测精度更高,是一种更有效的预测模型。