[发明专利]基于FIG和IPSO算法的IGBT剩余寿命预测方法

权利要求书

1.一种基于FIG和IPSO算法的IGBT剩余寿命预测方法，其特征在于，包括以下步骤：

(1)、采集N组IGBT的集射极饱和压降时间序列样本；

(1.1)、通过加速IGBT寿命实验，获取N组IGBT的集射极饱和压降时间序列样本并作为IGBT失效过程的表征参数，其中，表示第n组样本中第m个集射极饱和压降数据，M表示第n组样本中采集数据的最大个数；

(1.2)、对集射极饱和压降时间序列进行归一化处理；

将每个按照单一映射函数：进行归一化，其中，

将集射极饱和压降时间序列中每个进行上述归一化后，每个分量均规范成[0_,1]上的数，得到数据集X_n＝(x_n1,x_n2,…,x_nm,…,x_nM)；

(2)、对数据集X_n进行模糊信息粒化处理FIG；

(2.1)、对数据集X_n＝(x_n1,x_n2,…,x_nm,…,x_nM)加窗：在数据集X_n中，每间隔J个元素划分为一个窗口，设f为窗口的数目编号，F表示窗口的总数目，则

(2.2)、对第f个窗口内的J个元素进行升序排列，排序后第f个窗口表示为表示第n组样本中第f个窗口中第j个元素；

(2.3)、以X_nf为论域构建一个模糊粒子g；

其中，G为模糊概念，包括Low,R和Up三类，Low表示模糊粒子g变化的最小值，R表示模糊粒子g变化的平均值，Up表示模糊粒子g变化的最大值；

(2.4)、以三角型模糊粒子形式作为隶属函数，通过隶属函数对模糊粒子g进行刻画；

其中，a为三角型模糊粒子的支撑下界，b为三角型模糊粒子的支撑上界，d为三角型模糊粒子的核参数；

(2.5)、采用Witold Pedrycz模糊粒化算法对刻画后的模糊粒子g进行粒化，并在粒化过程中得到a、b、d三个参数值；

；

(2.6)、重复步骤(2.2)-(2.5)，对每个窗口X_nf进行模糊信息粒化处理，处理完成后，得到和

(3)、对第n组样本中每个窗口下的三种水平Low、R、Up的数据进行高阶多项式拟合；

(3.1)、设第n组样本中第f个窗口下的拟合函数的系数矩阵为表示第n组样本中第f个窗口下的第α个系数；设第n组样本中第f个窗口下的拟合函数的参数矩阵为表示第n组样本中第f个窗口下的第个参数，表示拟合多项式的次数，上标T表示转置，G表示三种模糊集，包含

计算第n组样本中第f个窗口下的拟合值

；

(3.2)、采用最小二乘法对第n组样本中第f个窗口下的系数矩阵进行求解，使如下函数中的R取值最小，并记录对应的系数矩阵

其中，表示第n组样本中第f个窗口下进行模糊信息粒化处理的实际值；

(3.3)、按照步骤(2)-(3.2)所述方法对N组样本在三种水平Low、R、Up的数据进行高阶多项式拟合得到的数据矩阵(X^G)^*；

；

(4)、构建权重组合预测模型X^G；

X^G＝W^G(X^G)^*+E^G

其中，W^G为X^G的行权重矩阵，其形式为行权重满足：且E^G为实际值与拟合值之间的误差矩阵，其形式为

(5)、采用改进后的自适应粒子群算法对行权重矩阵W^G进行优化；

(5.1)、建立初始种群：将初始种群的每个粒子对应权重矩阵的每个元素；设置种群规模大小为sizepop；构建初始种群的惯性权重B、学习因子c₁与c₂，以及最大迭代次数为k_max，并初始化当前迭代次数k＝1；

(5.2)、利用最小二乘法中残差平方和RSS指标建立适应度函数ζ_RSS；

；

(5.3)、通过最小二乘法求解min(ζ_RSS)：

；

(5.4)、更新第n个粒子在第k次迭代后的速度和位置；

其中，分别表示第n个粒子在第k次迭代后的速度和位置，分别表示第n个粒子更新后的速度和位置，表示第n个粒子在第k代时个体极值位置和全局极值位置；r₁,r₂为0～1之间随机数；

同理，按照上述公式更新完所有粒子在第k次迭代后的速度和位置；

(5.5)、计算所有粒子更新后的适应度函数值将每个粒子更新后的适应度值与个体极值所对应的适应度值进行比较，如果某个粒子更新后的适应度值小于个体极值所对应的适应度值，则用该粒子替换个体极值，并记录对应的最佳位置；否则，保持个体极值不变；最后在所有个体极值中选出适应度值最小的个体极值及对应最佳位置，作为全局极值；

(5.6)、检查当前迭代次数k是否达到最大迭代次数k_max，若满足，则停止迭代，然后输出全局极值对应最佳位置并保存对应的预测模型；否则，将当前迭代次数k加1，然后返回步骤(5.4) ；

(6)、根据最佳位置对应的预测模型对待预测数据组进行超前预测；

(6.1)、给定IGBT的性能失效阈值x_threshold；

(6.2)、采集待预测的IGBT在前t个时刻的集射极饱和压降时间序列其中，表示采集的第p个集射极饱和压降数据，且满足：P表示前t个时刻采集的数据个数；

(6.3)、将按照步骤(1.2)-(3.3)所述方法，拟合得到的数据矩阵

(6.4)、将最佳权重矩阵及(X^G)^*输入预测模型得

(6.5)、判断是否等于或者超过性能失效阈值x_threshold，如果超过，则记当前时刻t为剩余使用寿命临界点；否则，返回步骤(6.2)继续采集第t+1时刻的数据，再将前t+1个时刻的集射极饱和压降时间序列按照步骤(6.3)-(6.5)进行处理。