基于機器學(xué)習(xí)算法的IGBT模塊故障預(yù)測技術(shù)研究.pdf

1、作為電力電子設(shè)備中重要的大功率開關(guān)器件，IGBT(Insulated Gate Bipolar Transistor，絕緣柵雙極晶體管)已經(jīng)被應(yīng)用到眾多領(lǐng)域，發(fā)展前景十分廣闊。然而長時間工作在高強度環(huán)境中的IGBT模塊會逐漸老化，甚至失效。因此能夠?qū)GBT模塊進行實時故障預(yù)測，不但可以減少日常維護成本，更能避免因器件失效而造成重大事故?；诖藛栴}，本文結(jié)合機器學(xué)習(xí)相關(guān)算法對IGBT故障預(yù)測技術(shù)進行研究。
　　本文主要工作如下:<

2、br>　　首先，對IGBT模塊的工作特性、失效原因以及退化參數(shù)進行研究，選取關(guān)斷狀態(tài)的瞬態(tài)尖峰電壓作為觀測參數(shù)，對NASA PCoE研究中心提供的老化數(shù)據(jù)進行處理，得到預(yù)測實驗所需要的尖峰電壓退化數(shù)據(jù)。
　　其次，深入研究機器學(xué)習(xí)領(lǐng)域中的回歸算法和神經(jīng)網(wǎng)絡(luò)算法，利用Google開源平臺TensorFlow搭建算法模型，對關(guān)斷尖峰電壓退化數(shù)據(jù)進行訓(xùn)練和預(yù)測。結(jié)果表明:使用RMSProp和批標(biāo)準(zhǔn)化優(yōu)化的長短期記憶循環(huán)神經(jīng)網(wǎng)絡(luò)具有較高的