[发明专利]一种IGBT剩余寿命预测方法

权利要求书

1.一种IGBT剩余寿命预测方法，其特征在于，包括以下步骤：

(1)、通过加速寿命试验，获得IGBT集射极饱和压降老化数据时间序列，得到数据集DS＝{x(1),x(2),…,x(D)}，其中D为得到的数据个数；

(2)、首先，针对数据集DS，根据微分熵率的方法确定最佳的嵌入维数d和延迟时间τ；然后，对数据集DS进行分帧重构，并将各帧数据分别映射到d维特征空间，从而得到n个数据帧{(X_t,Y_t)}，其中，n＝D-dτ，t＝1,2,…,n，以作为训练模型的输入数据和目标输出，其中：

X_t＝{1,x(t),x(t+τ),…,x(t+(d-1)τ),

x²(t),x(t)x(t+τ),…x(t)x(t+(d-1)τ),

x²(t+τ),x(t+τ)x(t+2τ),…,x(t+τ)x(t+(d-1)τ),

x²(t+2τ),x(t+2τ)x(t+3τ),…,x(t+2τ)x(t+(d-1)τ)

，…，

x²(t+(d-2)τ),x(t+(d-2)x(t+(d-1)τ)

x²(t+(d-1)τ)}；

Y_t＝x(t+dτ)

(3)、利用前向-后向算法或最小角回归算法对步骤(2)得到的每帧输入数据X_t作最佳选择，选出与对应目标输出Y_t相关性较高的m个输入数据，记选择后的每帧输入数据为：

X′_t＝{1,x(t+c₁τ),x(t+c₂τ),…,x(t+c_bτ),…,x(t+c_eτ)x(t+c_fτ)}；c_b,c_e,c_f∈{0,1,...,d-1},且c_e≤c_f；

则每帧输入数据X′_t的维数大小即元素个数为m，可重新表示为：

X′_t＝[x_t,1,x_t,2,…,x_t,m]^T，其中，t＝1,2,…,n；

(4)、初始化一个含有N个隐含层节点的极限学习机模型，其中，N＜D；输入层的数据为步骤(3)得到的输入数据X′_t，其中，t＝1,2,…,n；

在区间[-1,1]内随机初始化极限学习机的输入权值系数矩阵和阈值系数矩阵其中s＝1,2,…,N；i＝1,2,…,m；

根据初始化的输入权值系数矩阵和阈值系数矩阵计算隐含层输出矩阵其中网络隐含层输出向量为：

g表示激励函数；

(5)、根据步骤(4)得到的向量以及步骤(2)中得到的对应目标输出Y_t，利用多响应稀疏回归算法对向量的元素即隐含层节点进行重新排列，记排序后的隐含层节点为：

其中，下标1≤j_k≤N为排序前的隐含层节点序号,上标1≤k≤N为排序后的隐含层节点位次序号；根据排好的顺序，抽取前l 个隐含层节点，其中l ＜N；

(6)、根据步骤(5)抽取隐含层节点对应的输入权值系数和阈值系数，输入权值系数和阈值系数矩阵分别更新为w＝(w_s,i)_l×m和θ＝θ_s s＝1,2,…,l ；i＝1,2,…,m，以及对抽取即剪枝后，重新计算隐含层输出矩阵H＝[h₁,h₂,…,h_j,…,h_n]，其中向量

(7)、求解剪枝后的网络输出权值以及预测结果，其过程如下：

7.1)、预测第D+1个数据，即预测数据x(D+1)时，根据步骤(2)和(3)可知预测模型的初始输入数据帧为X_t，此时，t＝D+1-dτ；当输入选择后，记选择后输入数据帧为X′_t,t＝D+1-dτ，则可计算得到该时刻即t＝D+1-dτ时刻的网络隐含层输出向量

7.2)、计算网络隐含层输出向量h_t与步骤(6)得到的隐含层输出矩阵H＝[h₁,h₂,…,h_j,…,h_n]中的每个向量h_j，j＝1,2,…,n的欧式距离S；

7.3)、对欧式距离S中网络隐含层输出向量h_t与隐含层输出矩阵H的各个向量h_j,j＝1,2,…,n的距离值进行排序，从隐含层输出矩阵H中找出最接近网络隐含层输出向量h_t的z，z≥l个向量组成新的矩阵以及对应的目标输出从而计算相应的输出权值

由该输出权值得到t＝D+1-dτ时刻，预测模型的预测值：

(8)、判断步骤(7)得到的预测值是否达到IGBT的性能失效阈值，如果达到，则该预测值位置为D+1作为临界点记录，停止预测，如果没有达到，则将预测值加入到IGBT集射极饱和压降老化数据时间序列，得到数据集DS＝{x(2),x(3),…,x(D+1)}，然后按照步骤(1)～(7)的方法得到预测值并判断是否达到IGBT的性能失效阈值，如果没有，则继续加入到IGBT集射极饱和压降老化数据时间序列，得到数据集DS＝{x(3),x(4),…,x(D+2)}，这样重复，直到达到为止，并将该预测值位置D+W作为临界点记录，其中，W为预测值达到IGBT的性能失效阈值的预测次数。