基于LSTM-DHMM的MOSFET器件健康状态识别与故障时间预测

作者：张明宇; 王琦; 于洋

来源：电子学报, 2022, 50(03): 643-651.

• 故障预测与健康管理
• MOSFET(Metal-Oxide-Semiconductor Field-Effect Transistor)
• 长短时序列
• 离散隐马尔可夫模型
• 自回归模型
• 故障时间

针对MOSFET(Metal-Oxide-Semiconductor Field-Effect Transistor)器件故障预测与健康管理问题，提出了一种长短时记忆（Long Short-Term Memory, LSTM）算法与离散隐马尔可夫模型（Discrete Hidden Markov Model, DHMM）相结合的故障预测新方法.该方法利用LSTM算法预测器件状态发展趋势；用自回归（AutoRegressive, AR）模型提取故障信息特征；以DHMM建立特征向量和退化等级之间的映射关系；在LSTM-DHMM模型预测结果的基础上，结合失效阈值排除虚警并预测故障时间，预测误差小于10%，精度较高.与GRU-DHMM(Gated Recurrent Unit Discrete Hidden Markov Model)、GRU-SVM(Gated Recurrent Unit Support Vector Machine)、LSTM-SVM(Long Short-Term Memory Support Vector Machine)方法进行对比分析，结果表明，LSTM-DHMM的预测准确率高于其他三种方案，能有效识别实验器件健康状态、较好预测故障时间，具有有效性和优越性.

• 单位
  辽宁工业大学; 沈阳工业大学