基于Transformer模型的IGBT剩余寿命预测

作者：葛建文; 黄亦翔^*; 陶智宇; 刘成良

来源：半导体技术, 2021, 46(04): 316-323.

DOI：10.13290/j.cnki.bdtjs.2021.04.011

• IGBT
• 剩余寿命(RUL)预测
• 热阻
• 神经网络
• Transformer模型

为了提前预测IGBT的剩余寿命(RUL),减小失效造成的损失并辅助维护,提出了一种基于Transformer模型的RUL预测方法,使用瞬态热阻曲线预测RUL。首先,使用不同的热循环参数进行老化试验,观察到IGBT模块结-壳瞬态热阻会随着老化而变化;然后,通过处理采集到的数据,计算出瞬态热阻并删除异常值;最后,训练一个Transformer神经网络来预测IGBT的寿命。试验结果表明,根据瞬态热阻的变化,神经网络能很好地预测IGBT剩余寿命。Transformer模型平均预测误差为0.188%,与长短时记忆网络模型进行对比,Transformer模型的预测准确度提高了0.126%。

• 单位
  上海交通大学