申请/专利权人：北京信息科技大学

申请日：2021-08-11

公开（公告）日：2024-06-25

公开（公告）号：CN113625144B

主分类号：G01R31/26

分类号：G01R31/26;G01R19/165

优先权：

专利状态码：有效-授权

法律状态：2024.06.25#授权;2021.11.26#实质审查的生效;2021.11.09#公开

摘要：本发明涉及一种IGBT故障预测方法和系统，方法包括：对集电极‑发射极电压、集电极‑发射极电流、门极‑发射极电压和门极电压进行数据分析筛选，并将得到的待预测参数输入到利用LSTM网络、Attention网络、CNN网络和GRU网络创建的故障预测模型中，得到目标预测结果；对比目标预测结果与IGBT实际运行过程中产生的实际数据，确定差异值；若差异值大于最大误差值，将当前误差超出次数加一；若当前误差超出次数大于次数阈值，生成故障报警信息，以使工作人员根据故障报警信息对IGBT进行检修。本方案利用多个参数预测，避免了预测参数的单一性，利用LSTM网络、Attention网络、CNN网络和GRU网络创建的故障预测模型精度高，提高了IGBT故障预测的准确度。

主权项：1.一种IGBT故障预测方法，其特征在于，包括：获取预先采集的集电极-发射极电压、集电极-发射极电流、门极-发射极电压和门极电压；对所述集电极-发射极电压、所述集电极-发射极电流、所述门极-发射极电压和所述门极电压进行数据分析筛选，得到IGBT的待预测参数；将所述待预测参数输入到利用LSTM网络、Attention网络、CNN网络和GRU网络预先创建的故障预测模型中，得到输出的目标预测结果；获取所述IGBT实际运行过程中产生的与所述待预测参数对应的实际数据；对所述目标预测结果与所述实际数据进行对比，确定所述目标预测结果与所述实际数据的差异值；判断所述差异值是否大于预先设置的最大误差值；若所述差异值大于所述最大误差值，则将预先记录的当前误差超出次数加一，并判断所述当前误差超出次数是否超出预先设置的次数阈值；若所述当前误差超出次数超出所述次数阈值，则生成故障报警信息，并将所述故障报警信息发送到管理终端，以使工作人员根据所述故障报警信息对所述IGBT进行检修；其中，所述故障预测模型的创建过程包括：从预先存储的历史数据中获取训练参数集；所述训练参数集中包括：若干组模型训练参数和每组模型训练参数对应训练实际输出数据；利用LSTM网络、Attention网络、CNN网络和GRU网络建立包含LSTM层、Attention层、CNN层、Concatenate层和GRU层的LACNN模型；将从训练参数集中提取的模型训练参数输入到所述LACNN模型中，利用所述LACNN模型对所述模型训练参数进行处理，得到所述LACNN模型输出的训练预测结果，并对预先记录的当前训练迭代次数加一；计算所述训练预测结果和所述模型训练参数对应的训练实际输出数据之间的训练误差；根据所述训练误差对所述LACNN模型进行调整更新，得到更新后的LACNN模型；判断所述当前训练迭代次数是否达到预设训练次数以及所述训练误差是否满足预设训练误差范围；若所述当前训练迭代次数达到所述预设训练次数或者所述训练误差满足预设训练误差范围，则将更新后的LACNN模型作为所述故障预测模型；若所述当前训练迭代次数未达到所述预设训练次数且所述训练误差未满足预设训练误差范围，则继续从所述训练参数集中提取的模型训练参数，对更新后的LACNN模型进行训练；所述将从训练参数集中提取的模型训练参数输入到所述LACNN模型中，利用所述LACNN模型对所述模型训练参数进行处理，得到所述LACNN模型输出的训练预测结果，包括：将从所述训练参数集中提取的所述模型训练参数输入到所述LACNN模型中的LSTM层，以使所述LSTM层对所述模型训练参数进行学习，输出第一输出特征信息；将所述第一输出特征信息输入到所述LACNN模型中的Attention层，以使所述Attention层利用注意力机制对所述第一输出特征信息处理，输出第二输出特征信息；将所述第二输出特征信息输入到所述LACNN模型中的CNN层，以使所述CNN层对所述第二输出特征信息进行卷积操作，输出第三输出特征信息；将所述第二输出特征信息和所述第三输出特征信息输入到所述LACNN模型中的Concatenate层，以使所述Concatenate层整合所述第二输出特征信息和所述第三输出特征信息，输出第四输出特征信息；将所述第四输出特征信息输入到所述LACNN模型中的GRU层，以使所述GRU层对所述第四输出特征信息进行处理，输出训练预测结果。

全文数据：

权利要求：

百度查询： 北京信息科技大学 IGBT故障预测方法和系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD