CN107544008B - 车载igbt状态监测方法及装置 - Google Patents
车载igbt状态监测方法及装置 Download PDFInfo
- Publication number
- CN107544008B CN107544008B CN201610466975.2A CN201610466975A CN107544008B CN 107544008 B CN107544008 B CN 107544008B CN 201610466975 A CN201610466975 A CN 201610466975A CN 107544008 B CN107544008 B CN 107544008B
- Authority
- CN
- China
- Prior art keywords
- igbt
- degradation
- condition information
- working condition
- degradation factor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Testing And Monitoring For Control Systems (AREA)
- Testing Electric Properties And Detecting Electric Faults (AREA)
Abstract
本发明提供一种车载IGBT状态监测方法及装置,其中方法包括:采集IGBT的工况信息和端部特性参量数据,其中,工况信息包括IGBT的温度、湿度及运行负荷;端部特性参量数据包括IGBT的饱和压降、导通电压、导通等效电阻、门限电压、门极电流、开通时间和关断时间;根据工况信息和端部特性参量数据构建IGBT退化因子;根据IGBT退化因子对IGBT状态进行评估。上述方法结合了IGBT工况信息及端部特性参量数据,对于动态工况具有一定的适应性,能克服单一端部特性参量无法全面表征IGBT退化状态的缺陷。
Description
技术领域
本发明涉及半导体器件领域,尤其涉及一种车载IGBT状态监测方法及装置。
背景技术
在轨道交通领域,目前为列车中的各式子系统,关键设备及核心器件所配备的测试方案仅能完成对其基本功能和技术指标的测试和评估,地面监测站或车载管理系统仅能通过基本的状态监测信息判读实现状态监测分析和决策管理,而不能对其实际运行过程中受具体环境和工况影响的退化状态进行实时的评估。因此,如何有效地对列车退化状态进行实时评估,为列车的综合保障和维护提供有效支撑成为亟需解决的技术问题。
绝缘栅双极型晶体管(Insulated Gate Bipolar Transistor,简称IGBT)模块具有栅极电压控制能力以及低导通电阻特性,并以高开关速度与低开关损耗等优势被普遍用作轨道交通车辆中变流器的理想功率器件。由于工艺与技术的持续改进,IGBT所能达到的性能指标和可靠性也在不断提升。但是,在实际应用中,由于列车的变流器电能转换过程不稳定且具有剧烈波动性,IGBT往往会承受高电压、高电流及不平衡的电热应力,很容易导致IGBT失效等可靠性问题,若未能快速有效地实现其状态评估,可能造成严重的后果和巨额的经济损失。
发明内容
本发明提供一种车载IGBT状态监测方法及装置,用以解决现有技术中不能有效实现IGBT的状态评估的技术问题。
本发明一方面提供一种车载IGBT状态监测方法,包括:
步骤101,采集IGBT的工况信息和端部特性参量数据,其中,工况信息包括IGBT的温度、湿度及运行负荷;端部特性参量数据包括IGBT的饱和压降、导通电压、导通等效电阻、门限电压、门极电流、开通时间和关断时间;
步骤102,根据工况信息和端部特性参量数据构建IGBT退化因子;
步骤103,根据IGBT退化因子对IGBT状态进行评估。
进一步的,步骤102具体包括:
根据工况信息、端部特性参量和测量时间点,得到的三元组(Ci,Xi,ti),其中,ti为测量时间点,Ci为ti时获取的工况信息,Xi为ti时获取的端部特性参量,i为正整数;
对工况信息采用聚类或分类方法进行处理,以获得多组分类工况信息;
对端部特性参量和测量时间点按照多组分类工况信息进行划分,以获得多组中间数据;
分别对各组内的端部特性参量采用数据融合方法进行处理,以获得IGBT退化因子。
进一步的,在步骤103之后还包括:
步骤104,利用IGBT退化因子作为训练样本建立退化模型,
步骤105,根据退化模型预测IGBT的剩余使用寿命。
进一步的,在步骤103之后,步骤104之前,还包括:
步骤106,判断IGBT退化因子是否小于预设阈值,若小于,转步骤104执行,若不小于,转步骤101执行。
进一步的,步骤105具体包括:
通过退化模型和当前实时IGBT退化因子,获取当前实时IGBT退化因子与IGBT状态之间的递推关系;
根据所述递推关系,预测IGBT的剩余使用寿命。
本发明另一方面提供一种车载IGBT状态监测装置,包括:
数据采集模块,用于采集IGBT的工况信息和端部特性参量数据,其中,工况信息包括IGBT的温度、湿度及运行负荷;端部特性参量数据包括IGBT的饱和压降、导通电压、导通等效电阻、门限电压、门极电流、开通时间和关断时间;
退化因子获取模块,用于根据工况信息和端部特性参量数据构建IGBT退化因子;
退化状态监测模块,用于根据IGBT退化因子对IGBT状态进行评估。
进一步的,退化因子获取模块具体包括:
参数设置子模块,用于根据工况信息、端部特性参量和测量时间点,得到的三元组(Ci,Xi,ti),其中,ti为测量时间点,Ci为ti时获取的工况信息,Xi为ti时获取的端部特性参量,i为正整数;
分类工况信息获取子模块,用于对工况信息采用聚类或分类方法进行处理,以获得多组分类工况信息;
中间数据获取子模块,用于对端部特性参量和测量时间点按照多组分类工况信息进行划分,以获得多组中间数据;
退化因子获取子模块,用于分别对各组内的端部特性参量采用数据融合方法进行处理,以获得IGBT退化因子。
进一步的,还包括:
退化模型建立模块,用于利用IGBT退化因子作为训练样本建立退化模型;
预测模块,用于根据退化模型预测IGBT的剩余使用寿命。
进一步的,还包括:
判断模块206,用于判断IGBT退化因子是否小于预设阈值,若小于,触发退化模型建立模块,若不小于,触发数据采集模块。
进一步的,预测模块具体用于:
通过退化模型和当前实时IGBT退化因子,获取当前实时IGBT退化因子与IGBT状态之间的递推关系;
根据所述递推关系,预测IGBT的剩余使用寿命。
本实施例提供的车载IGBT状态监测方法及装置,通过采集IGBT的工况信息和端部特性参量数据来构建IGBT退化因子,并根据IGBT退化因子对IGBT状态进行评估,上述方法结合了IGBT工况信息及端部特性参量数据,对于动态工况具有一定的适应性,其由可表征不同失效机理的不同的端部特性参量经数据融合构造而成,能克服单一端部特性参量无法全面表征IGBT退化状态的缺陷。
附图说明
在下文中将基于实施例并参考附图来对本发明进行更详细的描述。其中:
图1为本发明实施例一提供的车载IGBT状态监测方法的流程示意图;
图2为本发明实施例二提供的车载IGBT状态监测方法的流程示意图;
图3为本发明实施例三提供的车载IGBT状态监测装置的结构示意图;
图4为本发明实施例四提供的车载IGBT状态监测装置的结构示意图。
在附图中,相同的部件使用相同的附图标记。附图并未按照实际的比例绘制。
具体实施方式
下面将结合附图对本发明作进一步说明。
实施例一
图1为本发明实施例一提供的车载IGBT状态监测方法的流程示意图;如图1所示,本实施例提供一种车载IGBT状态监测方法,包括:
步骤101,采集IGBT的工况信息和端部特性参量数据,其中,工况信息包括IGBT的温度、湿度及运行负荷;端部特性参量数据包括IGBT的饱和压降、导通电压、导通等效电阻、门限电压、门极电流、开通时间和关断时间。
步骤102,根据工况信息和端部特性参量数据构建IGBT退化因子。
具体的,IGBT工况信息的数值组成集合Ci=(C1i,C2i,C3i)T;Ci表示在时刻ti对应的温度C1i、湿度C2i和运行负荷值C3i;端部特性参量的数值组成集合Xi=(X1i,X2i,X3i,X4i,X5i,X6i,X7i)T;Xi表示在时刻ti对应的端部特性参量值,X1i为饱和压降t,X2i为导通电压,X3i为导通等效电阻,X4i为门限电压,X5i为门极电流IGE,X6i为开通时间,X7i关断时间,其中,i为正整数。
步骤103,根据IGBT退化因子对IGBT状态进行评估,确定IGBT的退化状态。
本实施例提供的车载IGBT状态监测方法,通过采集IGBT的工况信息和端部特性参量数据来构建IGBT退化因子,并根据IGBT退化因子对IGBT状态进行评估,上述方法结合了IGBT工况信息及端部特性参量数据,对于动态工况具有一定的适应性,其由可表征不同失效机理的不同的端部特性参量经数据融合构造而成,能克服单一端部特性参量无法全面表征IGBT退化状态的缺陷。
实施例二
本实施例是在上述实施例的基础上进行的补充说明。
图2为本发明实施例二提供的车载IGBT状态监测方法的流程示意图;如图2所示,本实施例提供一种车载IGBT状态监测方法,包括:
步骤101,采集IGBT的工况信息和端部特性参量数据。
步骤1021,根据工况信息、端部特性参量和测量时间点,得到的三元组(Ci,Xi,ti),其中,ti为测量时间点,Ci为ti时获取的工况信息,Xi为ti时获取的端部特性参量,i为正整数;
步骤1022,对工况信息采用聚类或分类方法进行处理,以获得多组分类工况信息。
具体的,采用硬聚类算法和K最邻近结点算法,对运行工况信息Ci进行聚类,获得多组分类工况信息,该多组分类工况信息为离散运行工况。
步骤1023,对端部特性参量和测量时间点按照多组分类工况信息进行划分,以获得多组中间数据。
具体的,对IGBT端部特性参量Xi按照运行工况信息Ci聚类后得到的离散运行工况进行划分,得到端部特性参量数据集合X=(X1,X2,...,XN),N为分类工况信息的分组数。
步骤1024,分别对各组内的端部特性参量采用数据融合方法进行处理,以获得IGBT退化因子。
具体的,采用数据融合方法,如加权法和线性回归法,分别对不同分组的端部特性参量集合Xn,1≤n≤N进行融合,得到IGBT退化因子时间序列。具体实施步骤如下所示:
步骤二:将步骤一计算得到的N组一维退化因子时间序列Zn,1≤n≤N按工况信息划分前的时间排序后,还原成完整的一组IGBT退化因子时间序列Z=(Z1,Z2,...,ZI),其中Zi,1≤i≤I为IGBT在时刻ti对应的退化因子值。步骤103,根据IGBT退化因子对IGBT状态进行评估。
步骤103,根据IGBT退化因子对IGBT状态进行评估,确定IGBT的退化状态。
进一步的,计算获得IGBT最早时刻的退化因子值,并将该最早时刻的退化因子值与当前时刻的退化因子值进行比较,即可对IGBT状态进行评估,判断IGBT的退化程度。
步骤104,利用IGBT退化因子作为训练样本建立退化模型。
具体的,退化模型采用分段曲线拟合方法建立,通过已有IGBT退化因子数据与不断更新的实时IGBT退化因子数据相结合作为退化模型输入,来对退化模型进行训练。
步骤1051,通过退化模型和当前实时IGBT退化因子,获取当前实时IGBT退化因子与IGBT状态之间的递推关系。
步骤1052,根据所述递推关系,预测IGBT的剩余使用寿命。
进一步的,在步骤103之后,步骤104之前,上述方法还包括步骤106,判断IGBT退化因子是否小于预设阈值,若小于,转步骤104执行,若不小于,转步骤101执行。
具体的,为了节省计算资源,在初期并不对IGBT进行剩余使用寿命预测,而是设置进行剩余使用寿命预测的阈值,若退化因子数值降低到初始值(可以将IGBT最早时刻的退化因子值作为初始值)的80%,此时启动剩余使用寿命预测功能。预设阈值可根据实际情况进行设置,在此不做限定。判断IGBT退化因子是否小于预设阈值,若小于,转步骤104执行,若不小于,转步骤101执行。
本实施例提供的车载IGBT状态监测方法,通过采集IGBT的工况信息和端部特性参量数据来构建IGBT退化因子,并根据IGBT退化因子对IGBT状态进行评估,上述方法结合了IGBT退化工况信息及端部特性参量数据,对于动态工况具有一定的适应性,其由可表征不同失效机理的不同的端部特性参量经数据融合构造而成,能克服单一端部特性参量无法全面表征IGBT退化状态的缺陷,并且通过对IGBT进行剩余使用寿命预测,可提前对IGBT的使用情况进行预测,及时更换,以免影响使用。
实施例三
本实施例为装置实施例,用于执行上述实施例一中的方法。
图3为本发明实施例三提供的车载IGBT状态监测装置的结构示意图;如图3所示,本实施例提供一种车载IGBT状态监测装置,包括数据采集模块201、退化因子获取模块202和退化状态监测模块203。
其中,数据采集模块201,用于采集IGBT的工况信息和端部特性参量数据,其中,工况信息包括IGBT的温度、湿度及运行负荷;端部特性参量数据包括IGBT的饱和压降、导通电压、导通等效电阻、门限电压、门极电流、开通时间和关断时间;
退化因子获取模块202,用于根据工况信息和端部特性参量数据构建IGBT退化因子;
退化状态监测模块203,用于根据IGBT退化因子对IGBT状态进行评估。
本实施例是与方法实施例一对应的装置实施例,具体可参见实施例一中的描述,在此不再赘述。
实施例四
本实施例是在实施例三的基础上进行的补充说明,用于执行上述实施例二中的方法。
图4为本发明实施例四提供的车载IGBT状态监测装置的结构示意图;如图4所示,退化因子获取模块202包括参数设置子模块2021、分类工况信息获取子模块2022、中间数据获取子模块2023和退化因子获取子模块2024。
其中,参数设置子模块2021,用于根据工况信息、端部特性参量和测量时间点,得到的三元组(Ci,Xi,ti),其中,ti为测量时间点,Ci为ti时获取的工况信息,Xi为ti时获取的端部特性参量,i为正整数;
分类工况信息获取子模块2022,用于对工况信息采用聚类或分类方法进行处理,以获得多组分类工况信息;
中间数据获取子模块2023,用于对端部特性参量和测量时间点按照多组分类工况信息进行划分,以获得多组中间数据;
退化因子获取子模块2024,用于分别对各组内的端部特性参量采用数据融合方法进行处理,以获得IGBT退化因子。
进一步的,上述装置还包括:
退化模型建立模块204,用于利用IGBT退化因子作为训练样本建立退化模型;
预测模块205,用于根据退化模型预测IGBT的剩余使用寿命。
进一步的,上述装置还包括:
判断模块206,用于判断IGBT退化因子是否小于预设阈值,若小于,触发退化模型建立模块204,若不小于,触发数据采集模块201。
进一步的,预测模块205具体用于:
通过退化模型和当前实时IGBT退化因子,获取当前实时IGBT退化因子与IGBT状态之间的递推关系;
根据所述递推关系,预测IGBT的剩余使用寿命。
本实施例是与方法实施例二对应的装置实施例,具体可参见实施例二中的描述,在此不再赘述。
虽然已经参考优选实施例对本发明进行了描述,但在不脱离本发明的范围的情况下,可以对其进行各种改进并且可以用等效物替换其中的部件。尤其是,只要不存在结构冲突,各个实施例中所提到的各项技术特征均可以任意方式组合起来。本发明并不局限于文中公开的特定实施例,而是包括落入权利要求的范围内的所有技术方案。
Claims (10)
1.一种车载IGBT状态监测方法,其特征在于,包括:
步骤101,采集IGBT的工况信息和端部特性参量数据,其中,工况信息包括IGBT的温度、湿度及运行负荷;端部特性参量数据包括IGBT的饱和压降、导通电压、导通等效电阻、门限电压、门极电流、开通时间和关断时间;
步骤102,根据工况信息和端部特性参量数据构建IGBT退化因子;
步骤103,根据IGBT退化因子对IGBT状态进行评估,
其中,步骤103具体包括:计算获得IGBT最早时刻的退化因子值,并将该最早时刻的退化因子值与IGBT当前时刻的退化因子值进行比较,以对IGBT状态进行评估。
2.根据权利要求1所述的车载IGBT状态监测方法,其特征在于,步骤102具体包括:
根据工况信息、端部特性参量和测量时间点,得到的三元组(Ci,Xi,ti),其中,ti为测量时间点,Ci为ti时获取的工况信息,Xi为ti时获取的端部特性参量,i为正整数;
对工况信息采用聚类或分类方法进行处理,以获得多组分类工况信息;
对端部特性参量和测量时间点按照多组分类工况信息进行划分,以获得多组中间数据;
分别对各组内的端部特性参量采用数据融合方法进行处理,以获得IGBT退化因子。
3.根据权利要求1所述的车载IGBT状态监测方法,其特征在于,在步骤103之后还包括:
步骤104,利用IGBT退化因子作为训练样本建立退化模型,
步骤105,根据退化模型预测IGBT的剩余使用寿命。
4.根据权利要求3所述的车载IGBT状态监测方法,其特征在于,在步骤103之后,步骤104之前,还包括:
步骤106,判断IGBT退化因子是否小于预设阈值,若小于,转步骤104执行,若不小于,转步骤101执行。
5.根据权利要求3所述的车载IGBT状态监测方法,其特征在于,步骤105具体包括:
通过退化模型和当前实时IGBT退化因子,获取当前实时IGBT退化因子与IGBT状态之间的递推关系;
根据所述递推关系,预测IGBT的剩余使用寿命。
6.一种车载IGBT状态监测装置,其特征在于,包括:
数据采集模块,用于采集IGBT的工况信息和端部特性参量数据,其中,工况信息包括IGBT的温度、湿度及运行负荷;端部特性参量数据包括IGBT的饱和压降、导通电压、导通等效电阻、门限电压、门极电流、开通时间和关断时间;
退化因子获取模块,用于根据工况信息和端部特性参量数据构建IGBT退化因子;
退化状态监测模块,用于根据IGBT退化因子对IGBT状态进行评估,
其中,所述退化状态监测模块具体用于计算获得IGBT最早时刻的退化因子值,并将该最早时刻的退化因子值与IGBT当前时刻的退化因子值进行比较,以对IGBT状态进行评估。
7.根据权利要求6所述的车载IGBT状态监测装置,其特征在于,退化因子获取模块具体包括:
参数设置子模块,用于根据工况信息、端部特性参量和测量时间点,得到的三元组(Ci,Xi,ti),其中,ti为测量时间点,Ci为ti时获取的工况信息,Xi为ti时获取的端部特性参量,i为正整数;
分类工况信息获取子模块,用于对工况信息采用聚类或分类方法进行处理,以获得多组分类工况信息;
中间数据获取子模块,用于对端部特性参量和测量时间点按照多组分类工况信息进行划分,以获得多组中间数据;
退化因子获取子模块,用于分别对各组内的端部特性参量采用数据融合方法进行处理,以获得IGBT退化因子。
8.根据权利要求6所述的车载IGBT状态监测装置,其特征在于,还包括:
退化模型建立模块,用于利用IGBT退化因子作为训练样本建立退化模型;
预测模块,用于根据退化模型预测IGBT的剩余使用寿命。
9.根据权利要求8所述的车载IGBT状态监测装置,其特征在于,还包括:
判断模块206,用于判断IGBT退化因子是否小于预设阈值,若小于,触发退化模型建立模块,若不小于,触发数据采集模块。
10.根据权利要求8所述的车载IGBT状态监测装置,其特征在于,预测模块具体用于:
通过退化模型和当前实时IGBT退化因子,获取当前实时IGBT退化因子与IGBT状态之间的递推关系;
根据所述递推关系,预测IGBT的剩余使用寿命。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610466975.2A CN107544008B (zh) | 2016-06-24 | 2016-06-24 | 车载igbt状态监测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610466975.2A CN107544008B (zh) | 2016-06-24 | 2016-06-24 | 车载igbt状态监测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107544008A CN107544008A (zh) | 2018-01-05 |
CN107544008B true CN107544008B (zh) | 2020-04-21 |
Family
ID=60960554
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610466975.2A Active CN107544008B (zh) | 2016-06-24 | 2016-06-24 | 车载igbt状态监测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107544008B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110850258B (zh) * | 2018-07-26 | 2022-03-22 | 台达电子工业股份有限公司 | 功率元件失效判断方法及其电子装置 |
CN111273149B (zh) * | 2020-02-20 | 2021-01-26 | 浙江大学 | 一种用于电磁兼容仿真的igbt模块建模方法 |
CN112632843A (zh) * | 2020-12-30 | 2021-04-09 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | 电子元器件故障管理方法以及装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102567560A (zh) * | 2010-12-27 | 2012-07-11 | 北京圣涛平试验工程技术研究院有限责任公司 | Mos器件寿命预计方法及系统 |
CN102789545B (zh) * | 2012-07-12 | 2015-08-19 | 哈尔滨工业大学 | 基于退化模型匹配的涡轮发动机剩余寿命的预测方法 |
CN102968573A (zh) * | 2012-12-14 | 2013-03-13 | 哈尔滨工业大学 | 基于相关向量回归的在线预测锂离子电池剩余寿命的方法 |
CN103955750B (zh) * | 2014-04-04 | 2017-02-15 | 西安交通大学 | 基于特征融合和粒子滤波的滚动轴承剩余寿命预测方法 |
US9588170B2 (en) * | 2014-07-25 | 2017-03-07 | Nxp Usa, Inc. | Systems and methods for test circuitry for insulated-gate bipolar transistors |
CN105486992B (zh) * | 2015-11-05 | 2019-03-12 | 中车株洲电力机车研究所有限公司 | 一种绝缘栅双极型晶体管的在线健康管理装置和方法 |
-
2016
- 2016-06-24 CN CN201610466975.2A patent/CN107544008B/zh active Active
Non-Patent Citations (2)
Title |
---|
"Transient device simulation of neutron-induced failure in IGBT: A first step for developing a compact predictive model";K. Guetarni et al.;《Microelectronics Reliability》;20130615;第5293-5300页 * |
"老化试验条件下的IGBT失效机理分析";赖伟 等;《中国电机工程学报》;20151012;第1293-1299页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107544008A (zh) | 2018-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107315138B (zh) | 功率mosfet的故障预测和健康处理方法及测试系统 | |
CN110502777A (zh) | 基于神经网络预测的igbt模块状态检测系统及方法 | |
CN113759225B (zh) | Igbt剩余寿命预测和状态评估实现方法 | |
CN110488164B (zh) | 一种高压电缆绝缘老化状态综合评估预警方法及系统 | |
CN107544008B (zh) | 车载igbt状态监测方法及装置 | |
CN108518804A (zh) | 一种机房温湿度环境预测方法及系统 | |
CN111046564A (zh) | 两阶段退化产品的剩余寿命预测方法 | |
CN109871975B (zh) | 基于数据挖掘的故障抢修处理时长预测方法 | |
CN109936113B (zh) | 一种基于随机森林算法的保护动作智能诊断方法及系统 | |
CN112036581B (zh) | 交通工具空调系统的性能检测方法及装置、存储介质、终端 | |
CN103106813A (zh) | 一种基于指标体系的交通态势复杂度评估方法 | |
CN106295240A (zh) | 一种基于模糊数学的电力变压器状态评估方法 | |
CN101841155A (zh) | 用于电力系统暂态稳定分析的典型故障集识别方法 | |
CN105488572A (zh) | 一种配电设备健康状态评价方法 | |
CN110807516A (zh) | 一种驱动器用igbt模块的结温预测方法 | |
CN117031182B (zh) | 配电站所终端遥测值异常检测方法及系统 | |
CN113379005A (zh) | 一种电网电力设备能源智能管理系统及方法 | |
CN117590268A (zh) | 电池储能系统状态评估方法 | |
CN105868544A (zh) | 三参数韦伯分布处理闪络电压分析绝缘材料性能的方法 | |
CN111950822B (zh) | 交通工具牵引变压器冷却系统的性能检测方法及装置、存储介质、终端 | |
CN104361259A (zh) | 一种变压器越限运行特征分析方法 | |
CN112307652B (zh) | 基于平均剩余寿命重要度的复杂装备系统快速维修方法 | |
CN112946369B (zh) | 使用电力线通信设备的电缆老化识别方法 | |
CN110197012A (zh) | 考虑牵引传动系统故障影响的支撑电容寿命评估方法 | |
CN113919116A (zh) | 基于garch模型的igbt剩余使用寿命预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |