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！

申请/专利权人：西南交通大学

摘要：本发明公开了一种基于BPNN的IGBT键合线老化监测方法，具体为：通过双脉冲实验获取不同实验条件下的IGBT键合线老化状态的特征信息，即导通压降OVD；接着，将不同工作条件下的特征信息按照一定比例拆分为训练集与测试集，作为键合线老化监测模型的输入；在此基础上，选择合适的学习率并使用L‑M方法来实现BPNN的参考和输出之间误差的最小化，以排除温度和负载电流的影响，最终获取键合线状态监测的最优模型，以期实现对IGBT键合线老化状态的准确监测。本发明在键合线监测方面表现出令人满意的性能，并在避免结温波动和负载电流依赖性的影响方面具有一定优势，可以在实际的工业应用中对键合线老化状态实现监测。

主权项：1.一种基于BPNN的IGBT键合线老化监测方法，其特征在于，利用导通压降电压OVD作为监测参数，结合反向传播神经网络BPNN排除结温波动和负载电流的影响，为IGBT模块在不同操作条件下提供键合线老化程度的准确信息；具体包括以下步骤：步骤1：数据采集：基于双脉冲实验平台，设置不同实验条件，并开展实验以获得不同条件下的OVD数据；实验条件设置包括：负载电流、键合线剥离根数、IGBT芯片温度；其中键合线剥离根数由少至多依次模拟键合线老化程度由小至大；步骤2：预处理：对双脉冲实验的收集的OVD数据进行滤波以减轻噪声的影响，并从这些过滤后的数据中提取OVD的特征；同时，对提取的OVD特征进行归一化，以消除维数影响并消除奇异样本；使用最大-最小归一化方法使提取的特征在[0,1]的范围内归一化，其描述为： 其中，xi，xmin和xmax分别是训练样本的归一化特征、训练样本的i维特征、训练样例的最小值和最大值；步骤3：样本划分：以训练集的数量与测试集的数量的适当比例，将OVD的处理特征进一步划分为训练集和测试集，这里OVD的80％的样本用于训练集，而测试集包括OVD的20％的样本；步骤4：模型训练：首先执行BPNN的架构和BPNN的初始化；输入层神经元的数量是样本特征的维度，而隐藏层神经元的数目是根据BPNN的测试结果确定的；激活函数在BPNN中显示出高度的重要性，并且在BPNN中将使用不同类型的激活函数，如2-4所示；也就是说，在输入层和隐藏层中分别采用sigmod函数和tansig函数；而输出层使用purelin函数作为激活函数； purelinx＝x4BPNN的初始化主要关注训练次数和训练目标分别设置为300和0.01；学习率被设置为0.02；在训练集中，使用Levenberg-Marquardt方法来实现最小化BPNN的参考和输出之间的误差的任务，采用高斯-牛顿算法对BPNN的参数进行迭代优化，同时，在BPNN中引入衰减系数以实现快速收敛；步骤5：模型验证：将模型测试集用于验证模型效果，模型输出的结果与测试集结果进行对比，如对比结果误差在可接受范围之内，则认为模型有较好的监测效果。

全文数据：

权利要求：

百度查询： 西南交通大学 一种基于BPNN的IGBT键合线老化监测方法