买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西安邮电大学申请的专利一种功率场效应管健康状态评估与剩余使用寿命预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118503739B 。

龙图腾网通过国家知识产权局官网在2025-10-31发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410380328.4，技术领域涉及：G06F18/23213；该发明授权一种功率场效应管健康状态评估与剩余使用寿命预测方法是由陈改革;张玉哲;王先芝;刘尧;程涵;杨胜康;孔宪光设计研发完成，并于2024-03-30向国家知识产权局提交的专利申请。

本一种功率场效应管健康状态评估与剩余使用寿命预测方法在说明书摘要公布了：本发明属于功率器件退化监测技术领域，公开了一种功率场效应管健康状态评估与剩余使用寿命预测方法，通过老化机理选择合适的老化信号计算其特征；对提取的特征使用皮尔逊算法筛选出和寿命强相关的有效特征信息；使用KPCA算法对筛选出的特征进行降维融合，通过降维后的结果构建健康指标；使用k‑means++算法对所构建出的健康指标进行状态评估，通过BILSTM神经网络对筛选出和寿命强相关的有效特征参数预测器件的剩余使用寿命。本发明实现了通过多源信息的融合来表征功率器件的退化状态和预测寿命。

本发明授权一种功率场效应管健康状态评估与剩余使用寿命预测方法在权利要求书中公布了：1.一种功率场效应管健康状态评估与剩余使用寿命预测方法，其特征在于，包括以下步骤： 第一步，获取具有明显老化趋势的训练数据和待测试数据，对传感器采集得到的MOSFET漏源导通电压、电流和由电压与电流计算得出的电阻进行分割和降噪处理，得到能较好表征MOSFET退化的数据； 第二步，对上述处理过的数据分别提取14个时域特征，将提取的特征形成一个42维的特征合集，通过皮尔逊算法计算每一个特征与寿命之间的相关性，筛选出与寿命有强相关性的特征，对所筛选出的特征通过KPCA算法进行降维，用贡献占比达到88%的一阶主成分作为MOSFET的健康指标，将训练集所筛选的特征和构建的健康指标通过聚类算法进行状态划分同时用筛选出的特征数据训练BILSTM神经网络，其中所述聚类算法的初始聚类中心为同类MOSFET训练集的聚类中心均值； 所述将训练集所筛选的特征和构建的健康指标通过聚类算法进行状态划分同时用筛选出的特征数据训练BILSTM神经网络包括： 1建立BILSTM神经网络模型，包括输入层、隐藏层和输出层的三层BILSTM神经网络，在此模型中，输入层为通过皮尔逊算法筛选出与寿命强相关的特征参数，输出层单元数为1，输入层单元为表征器件退化状态的特征，输出层单元是器件的寿命值； 2训练BILSTM神经网络，BILSTM神经网络隐藏层神经元的传递函数为sigmoid函数，输出层神经元的传递函数为relu函数，用于输出网络的预测结果，训练函数采用Adam梯度下降算法，初始权值选为[0,1]之间的随机数；已建立的BILSTM神经网络通过不断改善BILSTM神经网络模型中的权值和阈值，直到收敛完成训练； 第三步，将测试集筛选出的特征和构建的健康指标输入到训练好的BILSTM神经网络和聚类算法模型中，进一步评估器件的状态和预测器件的剩余使用寿命； 所述第二步中利用核主成分分析法对所筛选得到具有明显趋势的特征构成的矩阵Q进行数据融合包括以下步骤： 1将具有明显趋势的特征组合成矩阵Q； 2中心化数据矩阵Q得到矩阵Q*，再对矩阵Q*进行转置得到矩阵Q*T； 3根据矩阵Q*和矩阵Q*T计算核矩阵K，令矩阵K的特征值从大到小排列为λ1，λ2，…，λn，其特征值对应的特征向量为； 4根据前3个最大特征值对应的特征向量构成投影矩阵W；通常情况下，特征值和特征向量按降序排列，选择前3个最大特征值对应的特征向量； 5将中心化后的数据矩阵Q*投影到选定的前3个特征向量上，得到降维后的数据矩阵Y； 6选择第一阶主成分归一化值作为健康指标来表征MOSFET的退化状态； 所述第三步将训练集数据构建出的健康指标输入到k-means++算法中得到每个训练数据的聚类中心，再将各聚类中心取平均值作为测试集的初始化聚类中心进行k-means聚类。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西安邮电大学，其通讯地址为：710061 陕西省西安市雁塔区长安南路563号西安邮电大学；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。