基于退化数据和DBN算法的IGBT健康参数预测方法

被引：12

作者：

陈冰 ^{[1
]}

鲁刚 ^{[2
]}

房红征 ^{[3
,4
]}

张明敏 ^{[1
]}

董云帆 ^{[3
,4
]}

机构：

[1] 海军工程大学电子工程学院

[2] 海军装备部

[3] 北京航天测控技术有限公司

[4] 北京市高速交通工具智能诊断与健康管理重点实验室

来源：

计算机测量与控制 | 2017年 / 25卷 / 05期

关键词：

绝缘栅双极型晶体管; 深度信念网络; 失效特征; 预测;

D O I：

暂无

中图分类号：

TN322.8 [];

学科分类号：

摘要：

绝缘栅双极型晶体管(IGBT)等电子元器件被广泛用于运输和能源部门,其健康状态对于设备安全和有效至关重要;在对IGBT的结构和损伤机制分析基础上,结合NASA艾姆斯中心开展的IGBT加速退化试验,选择集电极-发射极关断峰值电压作为失效特征参数,提出了一种基于深度信念网络的预测模型对其进行分析和预测;以Levenberg-Marquardt(LM)算法模型作为对比,实验结果显示文章提出的三隐藏层DBN模型相比于LM模型有更好的预测性能和更高的预测精度。

引用

页码：71 / 75

页数：5

共 7 条

[1]

Justifying and Generalizing Contrastive Divergence [J].

Bengio, Yoshua ;

Delalleau, Olivier .

NEURAL COMPUTATION, 2009, 21 (06) :1601-1621

[2]

A fast learning algorithm for deep belief nets [J].

Hinton, Geoffrey E. ;

Osindero, Simon ;

Teh, Yee-Whye .

NEURAL COMPUTATION, 2006, 18 (07) :1527-1554

[3]

Present problems of power module packaging technology [J].

Shammas, NYA .

MICROELECTRONICS RELIABILITY, 2003, 43 (04) :519-527

[4]

High temperature reliability on automotive power modules verified by power cycling tests up to 150°C.[J].G. Coquery;G. Lefranc;T. Licht;R. Lallemand;N. Seliger;H. Berg.Microelectronics Reliability.2003, 9

[5]

基于LM-BP神经网络的气阀故障诊断方法 [J].