分享
分享赚钱 收藏 举报 版权申诉 / 5

类型基于mea-bp的igbt寿命评估方法研究.doc

  • 上传人:无敌
  • 文档编号:172345
  • 上传时间:2018-03-23
  • 格式:DOC
  • 页数:5
  • 大小:84.50KB
  • 配套讲稿:

    如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。

    特殊限制:

    部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。

    关 键  词:
    基于mea-bp的igbt寿命评估方法研究.doc
    资源描述:

    1、基于 MEA-BP 的 IGBT 寿命评估方法研究 郑金艳 周利华 李琳 合肥财经职业学院 上海大学 安徽绿海商务职业学院 摘 要: 随着半导体技术的不断发展, 功率器件在许多领域都得到了广泛应用.在非平稳工况下, IGBT 因使用不当、工作周期长而加速器件的老化和失效, 降低其使用寿命.根据 IGBT 的失效机理和寿命评估方法分析, 特征参数选取 IGBT 的 c-e 极 (集电极-发射集) 关断电压尖峰值, 由 NASA PCo E 研究中心提供的 IGBT 加速老化数据, 对相应的数据进行平滑处理, 利用 MEA-BP 建立 IGBT 的寿命评估模型.结果显示, 数据经过一次指数平滑处理

    2、的效果一般, 对比之下此评估模型的二次指数平滑处理后的效果最好, 由此为 IGBT 寿命评估的进一步分析提供理论依据.关键词: IGBT; 寿命评估; 关断电压尖峰值; MEA-BP; 收稿日期:2017-09-03基金:安徽省教育厅自然科学基金 (KJ2016A306) Received: 2017-09-030 引言因大多数功率器件封装在集成模块当中, 当器件出现故障时, 其具体位置及失效方式难以监测与分析, 导致寿命评估问题不断出现.现阶段针对 IGBT 在加速老化实验条件下的失效问题, 主要采用 BP 神经网络、MEA-BP 神经网络以及 NAR动态神经网络建立 IGBT 的寿命评估模

    3、型.其中, BP 神经网络局部极小化问题严重, 预测输出与期望输出误差较大;NAR 动态神经网络易受 IGBT 失效问题的影响, 预测效果不好;MEA-BP 具有高度自学习和自适应的能力, 优化了数据的MEA-BP 寿命评估模型的预测结果.针对 IGBT 的失效机理和寿命评估, 本文将根据现有的方法理论, 找到 IGBT 寿命失效的能够进行特征提取的表征参数, 再用寿命评估的模型来对 IGBT 进行评估.1 IGBT 的 c 极-e 极关断尖峰电压本次通过 NASA 加速老化实验, 提取 IGBT 器件的尖峰电压数据.此次加速老化实验通过对其施加 PWM 方波信号采集数据, 共有 400 多组

    4、, 每组数据包括 16380个采样点, IGBT 加速老化实验环境的实验条件和参数设置如表 1 所示.表 1 IGBT 加速退化试验实验环境 下载原表 通过提取 IGBT 的 c-e 极关断尖峰电压数据时发现, 400 多组数据中, 每在第5000 个采样点附近都会产生相应的尖峰电压, 然后根据这些尖峰电压值绘制出关于 c-e 极的瞬态关断尖峰电压变化趋势曲线, 这些数据都是在 IGBT 寿命周期内的.观察图 2 可知, 此变化曲线上的关断尖峰电压值经过初期的振荡之后, 呈现出下降的趋势, 因此可以把 IGBT 的 c-e 极关断尖峰电压值作为表征其寿命评估的有效参数.图 2 IGBT 寿命周

    5、期内的集电极-发射极关断电压峰值变化曲线 下载原图2 思维进化算法优化 BP 神经网络2.1 MEA 算法MEA 算法是通过不断的迭代, 然后从每一次迭代过程产生的多个个体中获得最优的个体, 这些最有个体形成子群体, 进而组成群体.IGBT 的寿命评估主要是通过个体和子群体的优化来描述二者的位置, 进一步把样本 MSE (均方误差) 的倒数作为其得分函数, 由此得到 MEA 算法优化后的 BP 神经网络初始权值与阈值, 即 MEA-BP 神经网络.MEA 的系统结构图如图 3 所示.图 3 思维进化算法系统结构图2.2 MEA-BP 网络在 IGBT 寿命评估中的应用MEA-BP 网络对思维进

    6、化算法的一些参数进行设置, 初始种群和优胜子种群分别用函数 initpop_generate 和 subpop_generate 来生成:初始种群式中 popsize 表示原始种群的大小, S1, S2, S3 分别表示输入层、隐含层和输出层的节点个数, P 和 T 分别表示训练数据的输入矩阵和输出矩阵;优胜子种群式中 center 表示子种群的中心位置, SG 表示子种群的个数.临时子种群同样用函数 subpop_generate 来生成.种群是否成熟, 通过 matlab仿真软件调用函数 ismature 来判别.IGBT 寿命评估通过 MEA-BP 神经网络训练时, 要对相关参数进行设置

    7、.包括种群大小、优胜子种群数、临时子种群数以及迭代次数, 分别设置为 100、5、5 和10 次循环迭代.对迭代过程中产生的最优解进行解码, 最终得到 MEA 算法优化后的 BP 神经网络初始权值与阈值, 从而实现 MEA-BP 神经网络的有效预测.3 IGBT 的 NASA 加速老化实验数据分析与评价指标3.1 评价指标本文主要采用均方误差 MSE 和决定系数 R 两个衡量指标, 根据 NASA PCo E 研究中心的加速热老化实验数据, 这两个指标对 IGBT 的寿命评估分析结果的准确性和有效性较高.1.MSEMSE 是指预测目标参数估计值与参数真值之差平方的期望值, 即均方误差.可表示为

    8、:MSE 用来衡量平均误差和评价预测数据的变化程度, MSE 值越小, 则表明预测模型的训练效果好, 描述实验数据具有更好的精确度.2.决定系数 RR 是指在 Y 的总平方和中, 由 X 引起的平方和所占的比例, 即决定系数, 也称拟合优度.可表示为:R 的大小决定了关系的密切程度, 当 R 越接近于 1 时, 相关方程式参考价值越高, 关系越密切, 它能够对模型的拟合效果进行直接的分析.3.2 基于 MEA-BP 的 IGBT 寿命评估结果MEA-BP 神经网络在通过多次实验反复训练后, 得到了 MEA-BP 对 IGBT 寿命评估的最佳效果.通过实验可以看出, IGBT 的 c-e 极关断

    9、尖峰电压值通过实验显示, MEA-BP 模型的原始数据回归分析是 0.93132, 对数据进行一次指数平滑处理后的回归分析是 0.94376、经过二次指数平滑处理后的回归分析是 0.99891, 因此, MEA-BP 模型训练的效果较好.由 IGBT 的 c-e 极关断尖峰电压 MEA-BP 原始数据的预测输出曲线与期望输出曲线之间重合度较低, 存在一定的误差.对数据进行 MEA-BP 一次指数平滑处理后, 输出曲线之间重合度明显提高, 误差减小.特别是在经过 MEA-BP 二次指数平滑处理后的输出曲线之间重合度又进一步提高, 误差进一步减小, 预测效果最好.3 结论表 4 BP 与 MEA-

    10、BP 的 IGBT 寿命评估模型预测结果对比 下载原表 BP 神经网络与 MEA-BP 神经网络的 IGBT 寿命评估模型预测结果对比如上表 4 所示, MEA-BP 神经网络整体上比 BP 神经网络的预测结果要好.两个神经网络原始数据的均方误差 MSE 和决定系数大小相近, MEA-BP 神经网络经过一次指数平滑处理后的均方误差比 BP 神经网络的小, 决定系数比 BP 神经网络的要高, 其预测效果较好.但是数据经过二次指数平滑后, MEA-BP 神经网络的均方误差比 BP神经网络有明显降低, 对应的决定系数又比 BP 神经网络的明显提升很多, 其回归分析最接近于 1.由此可见, MEA-B

    11、P 神经网络的 IGBT 寿命评估模型改善效果明显, 网络的预测能力效果最好.参考文献1方鑫, 周雒维, 姚丹, 等.IGBT 模块寿命预测模型综述J.电源学报, 2014 (03) :14-21. 2Song Y, Wang B.Survey on Reliability of Power Electronic SystemsJ.IEEE Transactions on Power Electronics, 2013, 28 (1) :591-604. 3王瑞.IGBT 功率模块寿命预测的研究与设计J.电子测试, 2013 (21) :5-7. 4Wu J, Zhou L, Du X, et

    12、 al.Junction Temperature Prediction of IGBT Power Module Based on BP Neural NetworkJ.Journal of Electrical Engineering and Technology, 2014, 9 (3) :970-977. 5Barnes, M.J., et al., Analysis of high-power IGBT short circuit failuresJ.IEEE Transactions on Plasma Science, 2005.33 (4) :1252-1261. 6杜晓.基于 MEA-BP 模型的股票预测研究D.兰州:兰州大学, 2015. 7王小川.TATLAB 神经网络 43 个案例分析M.北京:北京航天航空大学出版社, 2013:269. 8岳新征, 李磊民, 孙飞.基于 NAR 动态神经网络的石英挠性加速度表参数建模与预测J.西南科技大学学报, 2016 (01) :88-92. 9张颖.新型 IGBT 引线键合故障诊断与预测方法J.半导体技术, 2013, 38 (12) :942-945. 10杨磊, 张志峰, 敬小勇.IGBT 关断尖峰电压抑制方法的研究J.船电技术, 2009 (04) :5-8.

    展开阅读全文
    提示  道客多多所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    关于本文
    本文标题:基于mea-bp的igbt寿命评估方法研究.doc
    链接地址:https://www.docduoduo.com/p-172345.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服 - 联系我们

    道客多多用户QQ群:832276834  微博官方号:道客多多官方   知乎号:道客多多

    Copyright© 2025 道客多多 docduoduo.com 网站版权所有世界地图

    经营许可证编号:粤ICP备2021046453号    营业执照商标

    1.png 2.png 3.png 4.png 5.png 6.png 7.png 8.png 9.png 10.png



    收起
    展开