基于LSTM网络的IGBT寿命预测方法研究.pdfVIP

第

50

卷

第

2

期中国测试Vol.50

No.2

2024

年

2

月CHINA

MEASUREMENT

TESTFebruary,

2024

引用格式：史业照,

郭斌,

郑永军.

基于LSTM网络的IGBT寿命预测方法研究[J].

中国测试，2024,

50(2):

54-58.

SHI

Yezhao,

GUO

Bin,

ZHENG

Yongjun.

Research

on

IGBT

life

prediction

based

on

LSTM

network[J].

China

Measurement

Test,

2024,

50(2):

54-58.

DOI:

10.11857/j.issn.1674-5124.2020040009

基于LSTM网络的IGBT寿命预测方法研究

史业照，

郭

斌，

郑永军

(中国计量大学计量测试工程学院，浙江

杭州

310018)

摘要:针对IGBT工作时承受热应力与电应力循环冲击导致疲劳失效的问题，提出一种基于长短期记忆（LSTM）

网络的寿命预测方法。利用NASA预测中心提供的加速老化数据集，分析并选取集电极－发射极的瞬态尖峰电压

作为失效特征参数，通过Matlab构建LSTM网络，采用Adam优化算法来训练网络，实现对失效特征参数数据的预

测，并选取三项性能评估指标与ARIMA模型及ELMAN神经网络模型的预测进行对比分析。结果显示，LSTM网

络模型预测的均方根误差为0.047

6，平均绝对误差为0.032

2，平均绝对百分误差为0.491

7%，LSTM网络模型的预

测精度更高，能够更好地实现IGBT的寿命预测，也对其他电力电子器件的寿命预测有一定的参考价值。

关键词:绝缘栅双极型晶体管;

长短期记忆网络;

寿命预测;

深度学习

中图分类号:TN322.8;TB9文献标志码:A文章编号:1674–5124(2024)02–0054–05

ResearchonIGBTlifepredictionbasedonLSTMnetwork

SHI

Yezhao,

GUO

Bin,

ZHENG

Yongjun

(College

of

Metrology

Measurement

Engineeing,

China

Jiliang

University,

Hangzhou

310018,

China)

Abstract:

To

solve

the

problem

of

fatigue

failure

caused

by

cyclic

impact

of

thermal

stress

and

electrical

stress

during

IGBT

operation,

a

life

prediction

method

based

on

long

and

short

term

memory

(LSTM)

network

is

proposed.Using

NASAs

fore