基于LSTM网络的IGBT寿命预测方法研究

作     者：史业照 郭斌 郑永军 SHI Yezhao;GUO Bin;ZHENG Yongjun

作者机构：中国计量大学计量测试工程学院浙江杭州310018 

出 版 物：《中国测试》 (China Measurement & Test)

年 卷 期：2024年第50卷第2期

页      面：54-58,65页

学科分类：080903[工学-微电子学与固体电子学] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 080501[工学-材料物理与化学] 080402[工学-测试计量技术及仪器] 0804[工学-仪器科学与技术] 0805[工学-材料科学与工程（可授工学、理学学位）] 080502[工学-材料学] 

基　　金：国家自然科学基金面上项目(51775530) 工信部2018年智能制造新模式应用项目(Z135060009002) 浙江省重点研发项目(2017C01G2080224) 

主　　题：绝缘栅双极型晶体管 长短期记忆网络 寿命预测 深度学习 

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0.0476,平均绝对误差为0.0322,平均绝对百分误差为0.4917%,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。