基于LSTM网络的牵引变流器IGBT故障预测方法研究

摘要

绝缘栅双极型晶体管(Insulated Gate Bipolar Transistor,IGBT)作为牵引变流器失效率较高且最易损器件,对其进行状态监测和故障预测,可以有效减少日常维护成本,提高列车安全性和可靠性.首先,对IGBT失效原因和性能退化参数进行研究,选择集电极-发射极关断峰值电压作为性能退化参数,研究了一种基于三层长短记忆(Long Short-Term Memory,LSTM)网络的IGBT故障预测方法,并给出IGBT维护决策理论依据.最终在NASA PCoE研究中心提供的IGBT加速老化数据集上开展验证实验,实验结果表明多层LSTM网络相比于传统浅层模型具有更高的预测精度.