基于高斯过程回归与LSTM神经网络的IGBT寿命预测方法

本发明涉及电子元器件寿命预测技术领域，具体为一种基于高斯过程回归与LSTM神经网络的IGBT寿命预测方法。收集IGBT器件的集射尖峰电压数据，并对其进行预处理，再其分解为若干个反映测量噪声的IMFs和一个反映整体退化趋势的残差；使用LSTM模型对残差进行训练，拟合残差序列；使用GPR模型对各个IMF进行训练，拟合IMFs序列；使用训练完成的LSTM模型预测残差值；使用训练完成的GPR型预测各个IMF的值；将预测的残差值和IMF的值进行合成，得到最终的集射尖峰电压预测值及其不确定性量化；利用预测的集射尖峰电压作为下一步预测的输入，继续进行预测，直至达到IGBT的退役点。本发明通过将LSTM神经网络和GPR模型的优势相结合，得到了优秀的电压退化评估性能。