一种基于神经网络的功率器件在线老化检测方法及系统技术方案

本发明专利技术公开一种基于神经网络的功率器件在线老化检测方法及系统，检测方法包括以下步骤:S1、确定待检测电力电子变换器的类型；S2、采集所述功率器件的健康工作参数，获取训练集；S3、构建功率器件老化识别模型，基于待检测电力电子变换器的类型，利用所述健康工作参数，训练所述功率器件老化识别模型；S4、基于训练好的所述功率器件老化识别模型构建功率器件在线状态分类器；S5、利用所述功率器件在线状态分类器在线进行所述功率器件老化检测。本发明专利技术摆脱传统检测时需要在恒温度或恒损耗下进行的限制，能够实时的识别出老化的功率器件，实现真正意义上的在线老化检测。实现真正意义上的在线老化检测。实现真正意义上的在线老化检测。

【技术实现步骤摘要】
一种基于神经网络的功率器件在线老化检测方法及系统


[0001]本专利技术涉及电力电子功率器件相关的老化检测
，特别是涉及一种基于神经网络的功率器件在线老化检测方法及系统。

技术介绍

[0002]长期以来，功率半导体器件的老化问题一直是电力电子变换器可靠性研究的重点，因为功率器件的老化失效是导致电力电子变换器失效的主要因素。目前，以IGBT、MOSFET为代表的主流功率半导体器件被广泛应用于各种电力电子设备，由于其内部芯片和封装材料的寿命限制，它们都存在着老化失效的问题，对电力电子变换器的正常运行产生隐患，进而造成相当大的经济损失。因此，对功率半导体器件进行实时的老化监测，可以对即将老化或失效的器件进行预警，避免不必要的经济损失。
[0003]针对功率半导体器件的老化检测，目前常用的方案是先提取与器件寿命相关的电参数，然后在某一特定条件下对比这些电参数的变化来评估老化。器件的电参数一般通过在器件旁边安装相关的传感器或状态检测电路(例如电流传感器、电压检测电路等)来获取。由于这些电参数和结温、电流之间都存在着耦合关系，例如IGBT的导本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的功率器件在线老化检测方法，其特征在于：包括以下步骤:S1、确定待检测电力电子变换器的类型，其中，所述待检测电力电子变换器包括功率器件；S2、采集所述功率器件的健康工作参数，获取训练集，其中，所述健康工作参数用于描述健康功率器件在所述电力电子变换器稳定工作状态下的数据指标；S3、构建功率器件老化识别模型，基于待检测电力电子变换器的类型，利用所述健康工作参数，训练所述功率器件老化识别模型；S4、基于训练好的所述功率器件老化识别模型构建功率器件在线状态分类器；S5、利用所述功率器件在线状态分类器在线进行所述功率器件老化检测。2.根据权利要求1所述的基于神经网络的功率器件在线老化检测方法，其特征在于：所述S2包括以下步骤：采集所述功率器件的工作参数，剔除所述工作参数中的非健康工作参数，获得所述功率器件的健康工作参数，其中所述非健康工作参数指所述电力电子变换器的输出电压和电流在非稳定期间产生的功率器件的工作参数。3.根据权利要求1或2所述的基于神经网络的功率器件在线老化检测方法，其特征在于：所述工作参数包括所述功率器件的电参数、温度、输出电流数据，其中，所述电参数在不同电流和温度下是变化的。4.根据权利要求1所述的基于神经网络的功率器件在线老化检测方法，其特征在于：所述S3包括以下步骤：S3.1、构建所述功率器件老化识别模型的结构；S3.2、基于所述电力电子变换器的类型选择所述功率器件老化识别模型的训练方式，设置所述功率器件老化识别模型的训练参数，基于所述训练集对所述功率器件老化识别模型进行训练及优化。5.根据权利要求1或4所述的基于神经网络的功率器件在线老化检测方法，其特征在于：构建所述功率器件老化识别模型采用神经网络。6.根据权利要求5所述的基于神经网络的功率器件在线老化检测方法，其特征在于：所述功率器件老...

【专利技术属性】
技术研发人员：汪飞，王振业，沈超越，
申请(专利权)人：上海大学，
类型：发明
国别省市：