[发明专利]一种IGBT模块老化程度评估方法

权利要求书

1.一种IGBT模块老化程度评估方法，其特征在于：包括以下步骤：

步骤1、选定IGBT模块型号，测量该IGBT模块在不同老化程度下的电热特性数据，并依该电热特性数据完成老化程度标定；

步骤2、将步骤1获取的电热特性数据作为训练数据，初始化极限学习机的网络结构；

步骤3、根据步骤2得到极限学习机的网络结构和训练数据，获取极限学习机中的最优输入权值和隐含层阈值，求得极限学习机的最优输出权值；

步骤4、根据步骤3获取的极限学习机的最优权值和阈值对极限学习机进行赋值，使用训练数据对极限学习机进行训练，得到极限学习机的IGBT模块老化程度评估模型；

步骤5、测定待测IGBT模块的电热特性数据，并将该电热特性数据输入到步骤4已训练好的IGBT模块老化程度评估模型中，从而得到其老化程度评估结果；

所述步骤3的具体实现方法包括以下步骤：

⑴初始化鲸鱼优化算法参数：种群数量N＝35，最大迭代次数T_max＝100，初始迭代次数t＝1，种群初始化最大迭代次数T_{map_max}＝300；

⑵采用基于Tent映射的混沌序列法和准反向学习法结合的混合方法来初始化鲸鱼算法种群，得到最优初始种群；

⑶选取均方根误差作为适应度函数，以适应度值最小为迭代目标，计算每个搜索个体的适应度值，记录最优适应度和对应的位置向量；该适应度值的计算公式如下

其中y_pre为预测输出值，y_act为实际测量值，n为训练样本个数；

⑷更新参数a,A,C,l,p：l是随机数，在(-1,1)之间；p是随机数，在(0,1)之间；a值随着迭代次数的增加而从2到0收敛，收敛公式为

式中，t为当前迭代次数，t_max为所设定最大迭代次数，a_max为初始化最大值，a_min为初始化最小值；A,C均为系数，其计算公式如下

A＝2at₁-a

C＝2t₂

其中，t₁和t₂是[0,1]的随机数；

⑸若|A|≥1，则采用如下公式更新下一代种群个体位置；

X_t+1＝X_rand-A|CX_rand-X_t|

若|A|＜1，则采用如下公式更新下一代种群个体位置；

其中，X_rand为随机选取的鲸鱼位置，b是定义螺旋形状的常数，X^*(t)为当前迭代次数下的最优个体，k₂为常数，λ为服从高斯分布的随机变量，其生成公式为

其中，v为(0,1)的随机数，u为与迭代次数相关的(0,1)的随机变量；

⑹迭代次数t＝t+1，判定迭代次数是否达到设定最大值T_max：当迭代次数达到最大值时，结束算法，输出最优个体位置，得到极限学习机的最优输入权值和隐含层阈值；否则，返回步骤⑴。

2.根据权利要求1所述的一种IGBT模块老化程度评估方法，其特征在于：所述步骤1的具体实现方法为：采用壳温波动功率循环加速老化试验模拟IGBT模块的实际工作过程，使IGBT模块发生不同程度的全面老化直至失效；同时测定不同加速老化循环次数下IGBT模块的电热特性数据，并将其作为评估IGBT模块老化程度的标准参数。

3.根据权利要求2所述的一种IGBT模块老化程度评估方法，其特征在于：所述电热特性数据包括IGBT模块的集电极电流、结温、饱和压降以及功率循环老化试验的循环次数。

4.根据权利要求1所述的一种IGBT模块老化程度评估方法，其特征在于：所述步骤2的具体实现方法为：极限学习机的网络的输入数据为IGBT模块的集电极电流、结温、饱和压降，输出数据为老化循环次数；输入层节点数为3，输出层节点数为1，隐含层神经元个数为180。

5.根据权利要求1所述的一种IGBT模块老化程度评估方法，其特征在于：所述步骤⑵的具体实现方法为：

①随机产生行向量x₀，该行向量x₀在小周期点外，i＝k＝1，i∈[1,N]；N为种群数量，k为种群初始化迭代次数；

②如果i≤N，根据式x_k+1＝f(x_k)＝(2x_k)mod1.进行映射；否则转入步骤④；

③令k＝k+1，如果k≤T_{map_max}，直接返回步骤②；否则，本轮迭代结束，令返回步骤②；

④运行结束，保存序列x；

⑤根据公式求得种群个体的反向位置

⑥根据公式求得种群的准反向位置

⑦将原始种群和准反向种群合并为一个大的种群，然后根据适应度函数，找出N个适应度最好的个体，组成最终的初始种群。