一种SiCMOSFET寿命预测方法、系统、设备和存储介质

本申请涉及电力电子设备的可靠性预测，特别涉及一种sicmosfet寿命预测方法、系统、设备和存储介质。

背景技术：

1、随着电力电子技术的飞速发展，sicmosfet作为电力电子设备中的核心元件，其可靠性对系统整体性能具有重要影响。然而，由于sicmosfet的老化过程受多种因素影响，如电气、热、机械应力等，传统的寿命预测方法往往难以准确预测其剩余使用寿命。因此，开发一种基于数据驱动的sicmosfet寿命预测方法，对于提高电力电子设备的可靠性、降低维护成本具有重要意义。目前，已有一些基于数据驱动的寿命预测方法被提出，如基于神经网络、支持向量机等机器学习算法的预测方法。然而，这些方法在预测精度、泛化能力等方面仍有待提高。同时，由于sicmosfet的老化过程复杂多变，传统的预测方法往往难以适应不同运行条件下的寿命预测需求。

2、可见，在传统数据驱动模型对sicmosfet寿命进行预测时，往往存在数据质量依赖性强，以及容易陷入局部最优解，导致预测精度不高的问题。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种sicmosfet寿命预测方法、系统、设备和存储介质。

2、本说明书采用下述技术方案：

3、本说明书提供了一种sicmosfet寿命预测方法，包括：

4、实时采集sicmosfet在运行过程中的关键参数，包括电压；

5、对采集到的电压数据进行清洗、整合预处理，消除噪声、异常值，平滑数据；

6、确定bp神经网络的拓扑结构，初始化bp神经网络的参数和dbo算法参数，通过dbo算法在全局范围内搜寻最优参数组合以对bp神经网络的参数进行优化，构建dbo-bp预测模型；

7、通过训练和优化dbo-bp模型，建立sicmosfet寿命与运行参数之间的映射关系，实现对sicmosfet剩余寿命的预测。

8、优选地，所述确定bp神经网络的拓扑结构，具体包括输入层、隐含层、输出层，输入层接收预处理后的电压数据；隐含层使用s形激活函数，对输入数据进行非线性映射；输出层则输出预测的电压值。

9、优选地，所述初始化bp神经网络的参数和dbo算法参数，具体包括：

10、所述初始化bp神经网络的参数，包括神经元之间的权值、偏置，学习率以及迭代次数；

11、所述初始化dbo算法参数，包括蜣螂代理的数量、迭代次数、搜索空间。

12、优选地，所述通过训练和优化dbo-bp模型，具体包括：

13、将预处理后的电压数据划分为训练集和验证集，使用训练集数据对构建的dbo-bp预测模型进行训练，根据验证集上的性能指标，不断调整dbo算法的参数，以改进优化过程。

14、优选地，所述通过dbo算法在全局范围内搜寻最优参数组合以对bp神经网络的参数进行优化，具体包括：

15、在每次迭代中，使用dbo算法对bp神经网络的参数进行优化，每个蜣螂代理代表一组bp神经网络的参数配置，通过模拟蜣螂的寻优行为，在搜索空间中寻找最优的参数配置。重复以上步骤，直到达到预设的迭代次数或满足收敛条件为止。

16、优选地，所述实时采集sic mosfet在运行过程中的关键参数，具体包括：

17、基于sic mosfet的加速老化试验，根据sic mosfet的工作原理和失效机制，选择与其寿命密切相关的关键参数进行采集。

18、优选地，所述对采集到的电压数据进行清洗、整合预处理，具体包括：

19、对采集到的电压原始数据进行清洗，使用统计方法识别并剔除数据中的异常值，利用滤波器去除高频噪声，以及通过数据压缩技术减少冗余数据，将清洗后的数据进行整合，形成统一的数据格式和结构。

20、本说明书提供一种sic mosfet寿命预测系统，包括：

21、数据采集模块，用于实时采集sic mosfet在运行过程中的关键参数，包括电压；

22、数据预处理模块，用于对采集到的电压数据进行清洗、整合预处理，消除噪声、异常值，平滑数据；

23、dbo-bp预测模型构建模块，用于确定bp神经网络的拓扑结构，初始化bp神经网络的参数和dbo算法参数，通过dbo算法对bp神经网络的参数进行优化，构建dbo-bp预测模型；

24、sicmosfet剩余寿命的预测模块，用于通过训练和优化dbo-bp模型，建立sicmosfet寿命与运行参数之间的映射关系，实现对sicmosfet剩余寿命的预测。

25、本说明书提供一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述一种sic mosfet寿命预测方法。

26、本说明书提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述一种sic mosfet寿命预测方法。

27、在本说明书提供的一种sic mosfet寿命预测方法，对比现有技术，其有益效果如下：

28、本发明结合dbo算法和bp神经网络的优势，通过dbo算法对bp神经网络参数进行优化，构建dbo-bp预测模型，其能够在广泛的参数空间内寻找最优解，更全面地考虑各种因素对sic mosfet寿命的影响，提高bp神经网络的训练速度和预测精度，同时能够广泛应用于电力电子设备、新能源汽车、智能电网等领域，为设备的健康管理和维护提供有力支持。

技术特征：

1.一种sicmosfet寿命预测方法，其特征在于，包括：

2.如权利要求1所述的一种sicmosfet寿命预测方法，其特征在于，所述确定bp神经网络的拓扑结构，具体包括输入层、隐含层、输出层，输入层接收预处理后的电压数据；隐含层使用s形激活函数，对输入数据进行非线性映射；输出层则输出预测的电压值。

3.如权利要求1所述的一种sicmosfet寿命预测方法，其特征在于，所述初始化bp神经网络的参数和dbo算法参数，具体包括：

4.如权利要求1所述的一种sicmosfet寿命预测方法，其特征在于，所述通过训练和优化dbo-bp模型，具体包括：

5.如权利要求1所述的一种sicmosfet寿命预测方法，其特征在于，所述通过dbo算法在全局范围内搜寻最优参数组合以对bp神经网络的参数进行优化，具体包括：

6.如权利要求1所述的一种sicmosfet寿命预测方法，其特征在于，所述实时采集sicmosfet在运行过程中的关键参数，具体包括：

7.如权利要求1所述的一种sicmosfet寿命预测方法，其特征在于，所述对采集到的电压数据进行清洗、整合预处理，具体包括：

8.一种sicmosfet寿命预测系统，其特征在于，包括：

9.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述权利要求1～7任一项所述的方法。

10.一种计算机设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述权利要求1～7任一所述的方法。

技术总结本发明公开了一种SiC MOSFET寿命预测方法、系统、设备及存储介质，涉及电力电子设备的可靠性预测技术领域。所述方法包括：通过传感器实时采集SiC MOSFET在运行过程中的关键参数，包括电压；对采集到的电压数据进行清洗、整合预处理，消除噪声、异常值，平滑数据；结合蜣螂优化算法(DBO)和反向传播(BP)神经网络的优势，通过DBO算法对BP神经网络的参数进行优化，构建DBO‑BP预测模型；通过训练和优化DBO‑BP模型，建立SiCMOSFET寿命与运行参数之间的映射关系，实现对SiC MOSFET剩余寿命的预测。本发明的SiC MOSFET寿命预测模型具有数据驱动、实时性强、预测精度高等优点，能够广泛应用于电力电子设备、新能源汽车、智能电网等领域，为设备的健康管理和维护提供有力支持。技术研发人员：鲍君仪,王冠淇,方世琦,戴鹏,臧立博,饶彬,蔡婼冰,申震佳受保护的技术使用者：中国矿业大学技术研发日：技术公布日：2024/10/10