摘要
本发明公开了一种IGBT开关损耗预测模型的建模方法及设备,建模方法包括:确定用于构建预测模型的神经网络结构;获取动态特性数据,动态特性数据划分为训练数据及测试数据;基于粒子群算法确定神经网络结构的最优权值和最优阈值;根据训练数据、最优权值和最优阈值,对采用神经网络结构的神经网络进行训练,得到预测模型;根据测试数据对预测模型的预测性能进行评估;根据预测性能,输出最优预测模型。本发明采用粒子群算法通过全局搜索和局部搜索相结合的方式来优化神经网络的初始权值和阈值,避免训练过程陷入局部最优,使预测模型的预测精度提高,且通过最优权值和最优阈值,可以减少神经网络训练过程中的迭代次数,从而提高收敛速度。
技术关键词
神经网络结构
测试点
预测误差
建模方法
动态测试系统
粒子群算法
构建预测模型
数据
变量
优化神经网络
位置更新
神经网络训练
二极管反向
计算机设备
节点数
储能
功率模块
高压
系统为您推荐了相关专利信息
预警监测方法
滑动平均滤波
卡尔曼滤波
预处理算法
预测误差
跟踪控制方法
移动机器人
时延系统
动力学建模方法
误差
粉末床
电子束选区熔化
难熔合金
参数优化模型
图像