一种基于GA-Elman-LSTM组合模型的IGBT寿命预测方法技术

本发明专利技术公开了一种基于GA

【技术实现步骤摘要】
一种基于GA
‑
Elman
‑
LSTM组合模型的IGBT寿命预测方法


[0001]本专利技术属于IGBT维护技术，尤其涉及一种基于GA
‑
Elman
‑
LSTM组合模型的IGBT寿命预测方法。

技术介绍

[0002]牵引变流器作为城轨车辆的核心装备，其服役状态直接影响城轨交通的安全可靠运营。据工业调查，IGBT失效占变流器系统故障的31％，是变流器系统中最脆弱的器件，而城轨车辆运行工况复杂多变，IGBT失效率更高。准确预测IGBT寿命可有效避免计划外维修，降低运维成本，提升城轨交通系统运维智能化水平。目前，IGBT寿命预测技术主要包括基于模型的寿命预测和基于数据驱动的寿命预测两类。
[0003]基于模型的IGBT寿命预测是通过多物理场仿真获取器件热应力数据，经处理后代入寿命模型中实现IGBT寿命预测的方法。其中IGBT寿命模型主要有解析模型和物理模型两种，解析模型是根据加速试验数据构建的失效循环次数和失效物理量的经验关系模型，而物理模型则是利用模块内部结构老化失效的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于GA
‑
Elman
‑
LSTM组合模型的IGBT寿命预测方法，其特征在于，包括以下步骤：步骤1：IGBT老化数据获取；利用安装于轨道车辆牵引变流器的状态监测电路采集IGBT老化失效数据并将数据传输给上位机加以存储；步骤2：数据预处理；对IGBT老化数据进行平滑降噪处理，然后使用滑动时间窗法构建自相关性时间序列数据样本集，时间窗口设置为10，步长设置为1，最后按照70％训练集，15％验证集，15％预测集对数据样本集进行划分；步骤3：GA
‑
Elman初步预测模型训练，将步骤2的训练数据集导入GA
‑
Elman模型中进行训练，具体训练步骤为：S31、Elman模型初始化：确定Elman模型拓扑结构及基本网络参数，根据训练数据集可知，GA
‑
Elman模型输入层神经元个数应设置为10，输出层神经元个数设置为1，隐含层神经元个数设置为15，迭代周期设为10000次，训练精度设为0.01，最后随机获取一组初始权值与阈值，在k时刻的Elman神经网络数学模型为：y(k)＝g(ω3x(k)+b2)(1)x(k)＝f(ω1(u(k
‑
1))+ω2z(k)+b1)(2)z(k)＝x(k
‑
1)(3)式中：u为r维输入向量；y为p维输出向量；x为q维隐含层结点向量；z为q维反馈状态向量；g(
·
)和f(
·
)分别为输出层和隐含层的传递函数；ω1、ω2和ω3分别为输入层到隐含层、承接层到隐含层及隐含层到输出层的连接权值；b1和b2分别表示隐含层和输出层的阈值；S32、GA优化Elman权值与阈值：首先，GA获取网络初始权值阈值并对其进行编码，然后构建适应度函数并进行遗传操作，最后计算适应度值并判断是否满足结束条件，若满足则将最优权值阈值赋予Elman模型，否则继续进行遗传操作；S33、GA
‑
Elman模型训练预测：Elman利用GA搜索得到的最优初始权值与阈值进行训练，训练完成后将15％的验证集导入模型中进行验证，验证集预测精度满足设定的阈值后输出GA
‑
Elman初步预测模型；步骤4：误差修正训练集与验证集构建；用训练好的GA
‑
Elman初步预测模型分别拟合训练数据集与验证数据集并计算其预测误差，以原IGBT老化失效数据为LSTM模型输入，以对应的误差数据作为输出构建误差修正训练数据集与验证集；步骤5：LSTM误差修正预测模型训练；确定LSTM模型拓扑结构及基本网络参数，同样将LSTM输...

【专利技术属性】
技术研发人员：吴松荣，杨平，周懿，张浩然，邓鸿枥，张瀚文，刘齐，付聪，柳博，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：