基于改进DBO优化BiLSTM的IGBT老化预测模型

被引：10

作者：

韩素敏 ^{[1
,2
]}

赵国帅 ^{[1
,2
]}

尚志豪 ^{[1
,2
]}

余悦伟 ^{[1
,2
]}

郭宇 ^{[1
]}

机构：

[1] 河南理工大学电气工程与自动化学院

[2] 河南省煤矿装备智能检测与控制重点实验室

来源：

电子测量技术 | 2024年 / 01期

基金：

国家重点研发计划;

关键词：

蜣螂搜索算法; BiLSTM神经网络; Levy飞行策略; IGBT; 老化预测;

D O I：

暂无

中图分类号：

TN322.8 []; TM464 [逆变器]; TP18 [人工智能理论];

学科分类号：

080508 [光电信息材料与器件]; 140502 [人工智能];

摘要：

为了表征逆变器故障中IGBT模块的老化趋势，提高老化过程的预测精度，本文提出一种基于改进蜣螂搜索算法（IDBO）优化双向长短期神经网络（BiLSTM）超参数的IGBT老化预测模型。首先提取老化过程中Vce.on的时频域特征，利用核主成分分析进行降维构建归一化综合指标。其次，针对蜣螂搜索算法（DBO）的不足，通过引入改进Circle混沌映射、Levy飞行和自适应权重因子提升了DBO寻优能力和收敛性能，利用IDBO对BiLSTM预测模型超参数实现全局寻优。最后，通过实际IGBT退化数据验证了基于IDBO优化BiLSTM老化预测模型的有效性和优越性。结果表明，所构建的IDBO-BiLSTM模型与BiLSTM模型相比RMSE平均下降36.42%、MAE平均下降31.77%、MAPE平均下降41.03%。

引用

页码：46 / 54

页数：9

共 20 条

[1]

基于优化长短期记忆神经网络的IGBT寿命预测模型 [J].