科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对热应力下绝缘栅双极型晶体管(insulated gate bipolar transistor, IGBT)的性能随时间逐步退化的特性，将深度学习中的时间序列预测算法应用到IGBT故障预测中，提出了基于门控循环单元(gated recurrent unit, GRU)与主成分分析-迁移学习(principal components analysis-transfer learning, PCA-TL)的故障预测新方法。该方法以电参数集电极-发射极电压VCE作为衰退参数，采用GRU模型构建衰退参数与故障时间的映射关系；利用PCA技术综合相异分布特征的IGBT故障指标，引入TL方法，通过微调GRU预测模型的参数完成从源域到目标域的迁移，实现目标域样本的故障预测。实验结果表明，基于GRU的故障预测模型具有较高的预测精度，与长短期记忆(long short-term memory, LSTM)算法相比，训练速度更快；PCA-TL方法可实现同类器件不同工况下的故障监测任务。验证了所提方法的可行性和正确性。
- 出版日期2023
- 单位沈阳工业大学; 辽宁工业大学
