基于BP神经网络的压接式IGBT开关损耗求解

摘要

准确获得压接式绝缘栅双极晶体管(IGBT)模块开关损耗值,是电力变换器性能研究中的关键问题之一.针对现有IGBT开关损耗模型难以同时考虑集射工作电压、集电极电流、驱动电压、驱动电阻、结温等5个因素的缺点,引入了误差反向传播(BP)前馈神经网络模型.将上述5个因素作为BP神经网络的输入向量,并采用粒子群算法对网络的初始权值与阀值进行优化,通过共轭梯度法的学习规则加速收敛,获得开关损耗的精确求解值.该模型实现了额定范围内在感性负载电路中对各种工况下的压接式IGBT模块开关损耗的可靠预测,其误差不超过3.85％.