一种基于深度学习神经网络的绝缘栅双极晶体管结温时序估计方法及系统

本发明公开了一种基于深度学习神经网络的绝缘栅双极晶体管结温时序估计方法及系统，本方法全面分析了结温对实验可测参数的依赖性，并通过实验对其进行了验证。鉴于卷积神经网络(CNN)在记忆时间信息方面的能力有限，采用长短期记忆(LSTM)网络进行训练，采用绝缘栅双极晶体管(IGBT)模块中最高结温与母线电压、负载电流、控制信号载波频率、输出频率和散热器相关参数等参数进行网络训练。利用基于LSTM网络的方法，可以获得不同工况下结温的准确时间序列信息。本发明方法具有预测数据全面的特点，同时具有较高的预测精度，相比传统方法预测结果更为准确。本发明可以为IGBT模块的生产设计、仿真估算、可靠性分析提供可靠数据基础。