基于機器學習算法的IGBT模塊故障預測技術研究.pdf_第1頁
已閱讀1頁，還剩98頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權，請進行舉報或認領

文檔簡介

1、作為電力電子設備中重要的大功率開關器件，IGBT(Insulated Gate Bipolar Transistor，絕緣柵雙極晶體管)已經(jīng)被應用到眾多領域，發(fā)展前景十分廣闊。然而長時間工作在高強度環(huán)境中的IGBT模塊會逐漸老化，甚至失效。因此能夠?qū)GBT模塊進行實時故障預測，不但可以減少日常維護成本，更能避免因器件失效而造成重大事故。基于此問題，本文結(jié)合機器學習相關算法對IGBT故障預測技術進行研究。
　　本文主要工作如下:<

2、br>　　首先，對IGBT模塊的工作特性、失效原因以及退化參數(shù)進行研究，選取關斷狀態(tài)的瞬態(tài)尖峰電壓作為觀測參數(shù)，對NASA PCoE研究中心提供的老化數(shù)據(jù)進行處理，得到預測實驗所需要的尖峰電壓退化數(shù)據(jù)。
　　其次，深入研究機器學習領域中的回歸算法和神經(jīng)網(wǎng)絡算法，利用Google開源平臺TensorFlow搭建算法模型，對關斷尖峰電壓退化數(shù)據(jù)進行訓練和預測。結(jié)果表明:使用RMSProp和批標準化優(yōu)化的長短期記憶循環(huán)神經(jīng)網(wǎng)絡具有較高的

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論