基于基板壳温分布与神经网络模型的IGBT模块状态评估方法

本发明涉及功率器件老化状态评估技术领域，公开了基于基板壳温分布与神经网络模型的IGBT模块状态评估方法，包括：采集IGBT模块在不同工况下芯片损耗与结温、焊料老化水平、壳温分布以及环境温度数据，通过预处理剔除异常值；对预处理的壳温分布数据进行正态性检验与相关性分析，筛选壳温分布特征参量；以壳温分布特征参量和环境温度作为输入，以芯片损耗与结温、焊料老化水平为输出，进行人工神经网络模型训练，同时采用贝叶斯优化方法对人工神经网络模型进行超参数寻优，生成训练好的人工神经网络模型，以评估待测绝缘栅双极晶体管的健康状态；该方法不仅能够实现IGBT模块的健康状态评估，还提高了健康状态评估结果的准确率。