基于循环神经网络的IGBT退化特性参数研究

摘要

绝缘栅双极型晶体管(IGBT)在应用中存在器件退化问题,分析了采用数据驱动技术实现退化特性参数识别的合理性,并提出了一种基于循环神经网络的分析方法.该方法通过选择集电极-发射极关断峰值电压作为退化特性参数,采用循环神经网络建模,实现退化特征参数的预测.采用了NASA PCoE研究中心提供的IGBT加速老化数据集,进行数据预处理,得到IGBT关断尖峰电压序列,并划分出训练集和测试集,其中训练集用于训练循环神经网络,测试集用于评估方法的准确性,实验结果表明循环网络相比于经典机器学习算法具有更高的预测精度.