公开(公告)号：CN115186592A

公开(公告)日：2022-10-14

申请号：CN202210845323.5

申请日：2022-07-19

Applicant: 湖南大学 ,  长沙半导体技术与应用创新研究院

Inventor： 杨鑫 ,  张越 ,  武新龙 ,  欧阳晓平

IPC: G06F30/27 ,  G06K9/62 ,  G06N3/04 ,  G06Q10/04 ,  G06F119/04 ,  G06F119/14

Abstract: 本发明公开了一种功率半导体模块的寿命预测方法、终端设备及存储介质，确定在功率循环条件运行下的功率半导体器件的使用寿命影响因素；由所述影响因素构建训练数据集，并对训练数据集中的数据进行规范化处理，利用规范化处理后的训练数据集训练深度卷积神经网络，得到寿命预测模型。本发明考虑到特征参数对使用寿命的单独和相互影响，产生了更准确的预测结果。

公开(公告)号：CN116432543B

公开(公告)日：2023-09-05

申请号：CN202310693256.4

申请日：2023-06-13

Applicant: 湖南大学

Inventor： 杨鑫 ,  张越 ,  武新龙 ,  欧阳晓平

IPC: G06F30/27 ,  G06N3/0464 ,  G01R31/26 ,  G06F119/04

Abstract: 本发明公开了一种功率半导体模块剩余寿命预测方法、终端设备及存储介质，确定在加速老化测试过程中表征功率半导体模块老化过程的前驱参数；获取两组同类功率半导体模块在整个加速老化测试中前驱参数随时间变化的数据；对前驱参数随时间变化的数据进行相关处理，推导出所需要的训练数据和测试数据；选择用于训练的前驱参数随时间变化的数据和用于测试的前驱参数随时间变化的数据的部分数据；利用训练数据产生训练损失，利用选择的部分数据执行最大平均差异法完成迁移学习域适应，产生差异损失；设置综合损失函数对卷积神经网络进行迭代训练，得到训练完成的剩余寿命预测模型。本发明有效地解决了前驱参数数据“分布来源”不一致的问题。

公开(公告)号：CN116432543A

公开(公告)日：2023-07-14

申请号：CN202310693256.4

申请日：2023-06-13

Applicant: 湖南大学

Inventor： 杨鑫 ,  张越 ,  武新龙 ,  欧阳晓平

IPC: G06F30/27 ,  G06N3/0464 ,  G01R31/26 ,  G06F119/04

Abstract: 本发明公开了一种功率半导体模块剩余寿命预测方法、终端设备及存储介质，确定在加速老化测试过程中表征功率半导体模块老化过程的前驱参数；获取两组同类功率半导体模块在整个加速老化测试中前驱参数随时间变化的数据；对前驱参数随时间变化的数据进行相关处理，推导出所需要的训练数据和测试数据；选择用于训练的前驱参数随时间变化的数据和用于测试的前驱参数随时间变化的数据的部分数据；利用训练数据产生训练损失，利用选择的部分数据执行最大平均差异法完成迁移学习域适应，产生差异损失；设置综合损失函数对卷积神经网络进行迭代训练，得到训练完成的剩余寿命预测模型。本发明有效地解决了前驱参数数据“分布来源”不一致的问题。