[发明专利]一种绝缘栅双极型晶体管IGBT结温在线预测方法

说明书

一种绝缘栅双极型晶体管IGBT结温在线预测方法，包括如下步骤：采集200组IGBT结温和相应结温条件下相关参数的数据，将IGBT结温和相应结温条件下相关参数作为训练样本和测试样本；用萤火虫算法寻找最小二乘支持向量回归机的最优参数组合；建立基于萤火虫算法优化的最小二乘支持向量回归机IGBT结温预测模型；对建立的基于萤火虫算法优化的最小二乘支持向量回归机IGBT结温预测模型，利用测试样本进行测试；测得实际待测IGBT的相应结温条件下相关参数，输入IGBT结温预测模型，IGBT结温预测模型的输出即为需求得的预测结温。本发明信号提取实现简单，结温预测误差较小。

技术领域

本发明涉及一种基于萤火虫算法优化最小二乘支持向量回归机的绝缘栅双极型晶体管IGBT结温在线预测方法。

背景技术

在各种功率半导体器件中，绝缘双极型晶体管是一种新型功率半导体器件，是第三代半导体器件的典型代表，广泛应用于现代工业领域。IGBT最常见的失效模式是结温过高，结温在线监测与控制是提高IGBT可靠性的重要方法。根据IGBT不同功率等级和使用工况，IGBT具有多种封装形式，本文所述IGBT均指焊接式封装的IGBT模块。

目前结温预测主要包括物理接触式测试法、光学非接触测试法、热阻抗模型预测法、热敏参数法。其中物理接触式测试法和光学非接触测试法不适用于实时监测。热阻抗模型预测法由于使用过程中因老化等原因形成未知的热阻网络，预测结果可信度往往较低。热敏参数法具有响应速度快，信号预测简便等优点，但受测量误差以及单一参数可信度低等负面影响。

支持向量机(SVM)是一种近年来发展迅速的机器学习技术，常用于回归分析和分类，其中应用于回归支持向量机的称为支持向量回归机(SVR)，应用于分类称为支持向量分类机(SVC)，目前SVR较少应用于IGBT结温预测领域。

发明内容

为了克服现有的热敏参数法预测结温受测量误差影响大，信噪比低的不足，本发明提供一种绝缘栅双极型晶体管IGBT结温在线预测方法，提出采集IGBT结温和相应结温条件下相关参数的数据，使用最小二乘支持向量机拟合多个相关参数，并由此输出IGBT结温预测值的方法，有效消除测量误差的影响，提高预测精度。

一种绝缘栅双极型晶体管IGBT结温在线预测方法，步骤如下：

1)、采集200组IGBT结温和相应结温条件下相关参数的数据，将IGBT结温和相应结温条件下相关参数作为训练样本和测试样本。

2)、以最小二乘支持向量回归机在优化过程中的惩罚参数和核函数宽度参数作为萤火虫算法的萤火虫位置信息，用萤火虫算法寻找最小二乘支持向量回归机的最优参数组合。

3)、根据最优参数组合，通过训练样本建立基于萤火虫算法优化的最小二乘支持向量回归机IGBT结温预测模型；对建立的基于萤火虫算法优化的最小二乘支持向量回归机IGBT结温预测模型，利用测试样本进行测试，得到准确度达到99％以上的基于萤火虫算法优化的最小二乘支持向量回归机IGBT结温预测模型。

4)、测得实际待测IGBT的相应结温条件下相关参数，输入准确度达到99％以上的基于萤火虫算法优化的最小二乘支持向量回归机IGBT结温预测模型，准确度达到99％以上的基于萤火虫算法优化的最小二乘支持向量回归机IGBT结温预测模型的输出即为需求得的预测结温。