找到 2 条结果 · IEEE Transactions on Power Electronics
基于物理信息深度学习与稀疏数据的电力电子器件剩余寿命预测
Remaining Useful Life Prediction of Power Electronic Devices With Physics-Informed Deep Learning and Sparse Data
Le Gao · Chaoming Liu · Yiping Xiao · Chunhua Qi 等5人 · IEEE Transactions on Power Electronics · 2025年4月
准确预测碳化硅金属氧化物半导体场效应晶体管（MOSFET）的剩余使用寿命（RUL）对于确保电力电子系统的可靠性至关重要，特别是在辐射环境下。然而，大多数现有的深度学习方法依赖于密集采样的退化数据，使其不适用于退化观测数据有限的稀疏数据条件。为解决这一局限性，我们提出了一种用于稀疏RUL预测的物理信息深度学习（PIDL）方法。该方法通过定制的物理信息损失函数，将总电离剂量引起的退化机制（具体为界面和氧化物陷阱电荷积累）融入基于Transformer的神经网络架构中。这种损失函数明确惩罚与导通状态电...
解读: 从阳光电源的业务视角来看，这项针对碳化硅MOSFET剩余寿命预测的物理信息深度学习技术具有重要的战略价值。作为光伏逆变器和储能系统的核心功率器件，碳化硅MOSFET的可靠性直接关系到我们产品在全生命周期内的性能表现和运维成本。 该技术的核心优势在于解决了稀疏数据条件下的寿命预测难题。在实际应用场景...
基于老化特征参数的功率模块剩余使用寿命预测方法
Remaining Useful Lifetime Prediction Method of Power Modules Based on the Aging Characteristic Parameters
Luhong Xie · Erping Deng · Dianjie Gu · Weijie Wang 等6人 · IEEE Transactions on Power Electronics · 2024年9月
功率模块剩余使用寿命（RUL）预测对于实施热管理和设计有效维护方案具有重要意义。由于裂纹是功率模块老化的根本失效机制，无论是键合线失效还是焊层退化，本文首先描述了裂纹扩展过程并得出了通用的裂纹扩展规律。然后，基于一个简单的焊层模型，将该通用裂纹扩展规律拓展至老化特征参数的通用增长模式。利用新老功率模块的功率循环测试结果验证了该通用增长模式的准确性后，基于老化特征参数的通用增长模式提出了一种新的剩余使用寿命预测方法。最后，在易封装（EasyPACK）模块上应用了所提出的剩余使用寿命预测方法，预测寿...
解读: 从阳光电源的业务视角来看，这项基于老化特征参数的功率模块剩余寿命预测技术具有重要的战略价值。功率模块是光伏逆变器和储能变流器的核心部件，其可靠性直接影响系统的长期稳定运行和全生命周期成本。 该研究通过揭示裂纹扩展这一根本失效机理，建立了从键合线失效到焊料层退化的统一老化规律模型，这为我们的产品设计...