基于PSO-BP神经网络模型的IGBT老化预测

IGBT(绝缘栅双极型晶体管)在使用过程中会产生热量,在其内部产生疲劳累积,最终老化失效。而在IGBT老化过程中,其输出电气参数会发生变化,可据此判断IGBT的老化状态。为此,基于NASA PCoE研究中心提供的IGBT加速老化数据,选取IGBT关断过程中集射极电压尖峰值为失效特征参数;采用卡尔曼滤波对该参数进行预处理后,应用BP神经网络建立IGBT老化预测模型;分别使用遗传算法和粒子群优化算法对BP神经网络初始权值及阈值进行寻优,解决其易陷入局部最优的缺陷;应用均方误差、平均绝对误差、相关系数作为评价指标,对网络性能进行评估。结果表明,经优化后的网络效果均优于BP神经网络,而其中以PSO-BP算法所构建的IGBT老化预测模型为最优模型,可以更准确地实现IGBT的老化预测。