神经网络与随机过程结合的MOSFET器件剩余使用寿命预测方法

本发明属于电子元器件剩余使用寿命预测技术领域，涉及一种神经网络与随机过程结合的MOSFET器件剩余使用寿命预测方法。本发明采用样本交互卷积网络有效地学习历史数据的退化趋势，并预测目标设备的长期退化趋势。采用具有测量误差和长期依赖特性的非线性分形布朗运动随机退化模型对退化状态进行更新。将退化实测值与预测值相结合，基于非线性分形布朗运动构建状态空间模型；采用基于卡尔曼滤波算法、期望最大化算法和最大似然估计算法同步更新参数的状态参数联合估计方法。本发明还可以推广到锂电池等不同设备的RUL预测，为电子产品的智能运维与维修决策提供理论依据和技术支撑。本发明的技术应对降低能源消耗与运行成本，具有重要价值。