10.11857/j.issn.1674-5124.2021120111
基于时域特征与LSTM-Attention的IGBT退化预测方法
绝缘栅双极晶体管(IGBT)在可靠性分析任务中时间信息难以充分利用,导致预测精度不高.文中提出一种基于多维时域特征和注意力机制的深度学习方法,该方法结合主成分分析(PCA)技术、长短时记忆网络(LSTM)和注意力(Attention)机制.首先,采用时域分析来手动提取原始数据中的多维时间特征,并利用PCA技术对其进行特征融合处理;然后,利用LSTM网络从样本数据中自动学习序列特征,引入的Attention机制能够对更重要的特征和时间步长赋予更大的权值.最后,使用NASA Ames实验室加速老化数据库进行实验,结果表明所提方法优于最新方法.手动提取的时间特征在经过特征融合后,可以作为序列数据预测任务中的有效退化特征,并结合Attention机制大大提高预测精度.
绝缘栅双极晶体管、长短时记忆网络、注意力机制、主成分分析、退化预测
49
TP181;TB9(自动化基础理论)
国家自然科学基金;北京市自然科学基金资助项目
2023-09-15（万方平台首次上网日期，不代表论文的发表时间）
共7页
8-14
