CN115756025A - 一种基于神经网络的igbt控温系统及方法 - Google Patents
一种基于神经网络的igbt控温系统及方法 Download PDFInfo
- Publication number
- CN115756025A CN115756025A CN202211519232.9A CN202211519232A CN115756025A CN 115756025 A CN115756025 A CN 115756025A CN 202211519232 A CN202211519232 A CN 202211519232A CN 115756025 A CN115756025 A CN 115756025A
- Authority
- CN
- China
- Prior art keywords
- igbt
- temperature
- neural network
- adjusting
- module
- 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.)
- Pending
Links
Images
Landscapes
- Control Of Temperature (AREA)
Abstract
本发明涉及一种基于神经网络的IGBT控温系统及方法,其中系统包括液冷模块、传感模块、控制模块和调节模块,通过传感模块实时检测液冷模块中的介质温度、IGBT温度等参数,并通过控制模块基于神经网络实时、精准地计算出合适的阀口开度数据,再通过控制模块执行控制动作调节所述调节阀,进而调节液冷模块中换热部内介质的流量流速,进而控制对流换热系数,改变整个系统的散热性能,达到调节IGBT温度的目的。相比于现有技术,本发明,具备结构简单、成本低廉、操作便捷、控温性好等优点,最重要的是,其达到了能够在IGBT工作时根据实际情况实时动态调节散热水平的效果,具备很好的实用性。
Description
技术领域
本发明涉及机电控制器散热技术领域,尤其涉及一种基于神经网络的IGBT控温系统及方法。
背景技术
IGBT(Insulated Gate Bipolar Transistor),绝缘栅双极型晶体管,是由(Bipolar Junction Transistor,BJT)双极型三极管和绝缘栅型场效应管(Metal OxideSemiconductor,MOS)组成的复合全控型电压驱动式功率半导体器件,兼有(Metal-Oxide-Semiconductor Field-Effect Transistor,MOSFET)金氧半场效晶体管的高输入阻抗和电力晶体管(Giant Transistor,GTR)的低导通压降两方面的优点,其驱动功率小并且饱和压降低。非常适合应用于大功率系统,如交流电机、变频器、开关电源、照明电路、牵引传动等领域。
IGBT芯片因其较大的功率损耗,会产生大量的热量,若散热不良则会极大地提高IGBT芯片的失效率。因此如何设计与IGBT芯片配合的散热系统,也是广大工程和科研工作者所关心的问题。目前对于IGBT的散热主要有空冷散热、相变散热、液冷散热几种,其中,液冷散热因其小巧的体积、紧凑的结构和较弱的噪声,成为了目前IGBT散热方式的主流选择。
但是,现有技术中的液冷散热装置不能实时监测散热的程度,无法实现在IGBT工作过程中,散热水平的动态调节,极大地限制了IGBT性能的发挥。因此,亟需一种能够在IGBT工作时,根据实际情况实时动态调节散热水平的解决方式。
发明内容
有鉴于此,有必要提供一种基于神经网络的IGBT控温系统及方法,用以解决现有技术中IGBT的散热装置不能够实时动态地调节的问题。
为达到上述技术目的,本发明采取了以下技术方案:
第一方面,本发明提供了一种基于神经网络的IGBT控温系统,包括液冷模块、传感模块、控制模块和调节模块,所述液冷模块包括换热部和调节阀,所述换热部用于连接IGBT芯片,所述调节阀连接于所述换热部的介质流通口;所述传感模块连接于所述液冷模块;所述控制模块电连接所述传感模块;所述调节模块电连接所述控制模块,并可活动地连接所述调节阀;其中:
所述传感模块,用于获取冷却介质温度、冷却介质流量和多个IGBT芯片温度;
所述控制模块,用于根据多个所述IGBT芯片温度,得到温度特征数据,并根据所述冷却介质温度、所述冷却介质流量和所述温度特征数据,基于神经网络得到阀口开度数据;
所述调节模块,用于根据所述阀口开度数据,调节所述调节阀。
进一步的,所述换热部的介质流通口包括介质进口,所述换热部包括热传导部;所述传感模块包括流量传感器、冷却介质温度传感器和多个IGBT芯片温度传感器,所述流量传感器和所述冷却介质温度传感器均设置于所述介质进口,多个所述IGBT芯片温度传感器均连接于所述热传导部。
进一步的,所述换热部的介质流通口还包括介质出口,所述调节阀均设置于所述介质出口,所述调节阀的数量和所述IGBT芯片温度传感器的数量相同,多个所述调节阀和多个所述IGBT芯片温度传感器的安装位置一一对应。
进一步的,所述调节模块包括依次相连的驱动控制部、位移驱动部和旋转调节部,所述驱动控制部电连接所述控制模块,用于根据所述阀口开度数据,调节所述位移驱动部和所述旋转调节部,所述位移驱动部连接于所述旋转调节部,所述旋转调节部包括固定端和旋转端,所述固定端连接于所述位移驱动部,所述旋转段可活动地连接所述调节阀,用于旋转所调节阀以调节开度。
进一步的,所述旋转端为六棱柱,所述调节阀包括调节端,所述调节端上开设有与所述旋转端配合的内六角螺孔。
进一步的,所述位移驱动部包括第一导轨、第一滑块、第二导轨和第二滑块,所述第一导轨连接于所述液冷模块,所述第一滑块滑动连接于所述第一导轨,所述第二导轨连接于所述第一滑块,所述第二导轨的延伸方向垂直于所述第一导轨的的延伸方向,所述第二导轨的延伸方向平行于所述旋转端的棱边,所述第二滑块滑动连接于所述第二导轨,所述第二滑块连接于所述固定端。
第二方面,本发明还提供一种基于神经网络的IGBT控温方法,使用如上述任一项所述的基于神经网络的IGBT控温系统,所述基于神经网络的IGBT控温方法包括:
获取冷却介质温度、冷却介质流量和IGBT芯片温度;
根据多个所述IGBT芯片温度,得到温度特征数据,并根据所述冷却介质温度、所述冷却介质流量和所述温度特征数据,基于神经网络得到阀口开度数据;
根据所述阀口开度数据,调节所述调节阀。
进一步的,所述根据多个所述IGBT芯片温度,得到温度特征数据,包括:
根据多个所述IGBT芯片温度的数值,得到IGBT芯片最高温度;
根据多个所述IGBT芯片温度的数值的大小关系,得到IGBT散热均温性值;
其中,所述IGBT芯片最高温度和所述IGBT散热均温性值,构成所述温度特征数据。
进一步的,所述根据所述冷却介质温度、所述冷却介质流量和所述温度特征数据,基于神经网络得到阀口开度数据,包括:
获取IGBT芯片发热功率;
归一化所述冷却介质温度、所述冷却介质流量、所述IGBT芯片发热功率、所述IGBT芯片最高温度和所述IGBT散热均温性值,得到五个输入参数;
向所述神经网络输入五个所述输入参数,得到所述神经网络输出的所述阀口开度数据。
进一步的,所述神经网络包括输入层、隐藏层和输出层,其中所述隐藏层和所述输出层的激活函数均为sigmoid函数,所述神经网络的误差函数为所述神经网络的输出值和真实值的均方差,所述神经网络的训练目标误差值为0.01,所述神经网络的学习率为0.5。
本发明提供一种基于神经网络的IGBT控温系统及方法,其中系统通过液冷模块对IGBT芯片进行散热,通过传感模块获取冷却介质温度、冷却介质流量和多个IGBT芯片温度,再通过控制模块根据多个IGBT芯片温度,得到温度特征数据,并根据冷却介质温度、冷却介质流量和温度特征数据,基于神经网络得到阀口开度数据,最后通过调节模块根据所述阀口开度数据,调节所述调节阀,进而调节液冷模块中换热部内介质的流量流速,进而控制对流换热系数,改变整个系统的散热性能,达到调节IGBT温度的目的。相比于现有技术,本发明通过传感模块实时检测液冷模块中的介质温度、IGBT温度等参数,并通过控制模块基于神经网络实时、精准地计算出合适的阀口开度数据,再通过控制模块执行控制动作,具备结构简单、成本低廉、操作便捷、控温性好等优点,最重要的是,其达到了能够在IGBT工作时根据实际情况实时动态调节散热水平的效果,具备很好的实用性。
附图说明
图1为本发明提供的基于神经网络的IGBT控温系统一实施例的系统架构图;
图2为本发明提供的基于神经网络的IGBT控温系统一实施例中液冷模块和调节模块的结构正视图;
图3为本发明提供的基于神经网络的IGBT控温系统一实施例中液冷模块的侧视图;
图4为本发明提供的基于神经网络的IGBT控温方法一实施例的方法流程图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例,其中,附图构成本申请一部分,并与本发明的实施例一起用于阐释本发明的原理,并非用于限定本发明的范围。
在本申请的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
本发明通过传感模块实时检测液冷模块中的介质温度、IGBT芯片上多个位置的温度等参数,并通过控制模块基于神经网络实时、精准地计算出合适的阀口开度数据,再通过控制模块执行控制动作,即调整调节阀进而调节液冷模块中的介质流量,达到温度调节的目的,是IGBT芯片始终工作在最适宜的温度,最大化地发挥其性能。
本发明提供了一种基于神经网络的IGBT控温系统及方法,以下分别进行说明。
结合图1~2所示,本发明的一个具体实施例,公开了一种基于神经网络的IGBT控温系统,该系统包括液冷模块1、传感模块2、控制模块3和调节模块4,所述液冷模块1又包括换热部11和调节阀12,所述换热部11用于连接IGBT芯片,所述调节阀12连接于所述换热部11的介质流通口;所述传感模块2连接于所述液冷模块1;所述控制模块3电连接所述传感模块2;所述调节模块4电连接所述控制模块3,并可活动地连接所述调节阀12。其中:
传感模块2,用于获取冷却介质温度、冷却介质流量和多个IGBT芯片温度;
控制模块3,用于根据多个所述IGBT芯片温度,得到温度特征数据,并根据所述冷却介质温度、所述冷却介质流量和所述温度特征数据,基于神经网络得到阀口开度数据;
调节模块4,用于根据所述阀口开度数据,调节所述调节阀12。
本发明提供一种基于神经网络的IGBT控温系统及方法,其中系统通过液冷模块1对IGBT芯片进行散热,通过传感模块2获取冷却介质温度、冷却介质流量和多个IGBT芯片温度,再通过控制模块3根据多个IGBT芯片温度,得到温度特征数据,并根据冷却介质温度、冷却介质流量和温度特征数据,基于神经网络得到阀口开度数据,最后通过调节模块4根据所述阀口开度数据,调节所述调节阀12,进而调节液冷模块1中换热部11内介质的流量流速,进而控制对流换热系数,改变整个系统的散热性能,达到调节IGBT温度的目的。相比于现有技术,本发明通过传感模块2实时检测液冷模块1中的介质温度、IGBT温度等参数,并通过控制模块3基于神经网络实时、精准地计算出合适的阀口开度数据,再通过控制模块3执行控制动作,具备结构简单、成本低廉、操作便捷、控温性好等优点,最重要的是,其达到了能够在IGBT工作时根据实际情况实时动态调节散热水平的效果,具备很好的实用性。
具体地,结合图2及图3所示,本实施例中的液冷模块1包括换热部11和调节阀12,其中换热部11包括一个中空的介质容器111,该介质容器111内部的空腔可供冷却介质流过,该空腔连通有多个介质流通口,多个介质流通口分别包括介质进口和介质出口。本实施例中的换热部11还包括热传导部112,热传导部112用于连接IGBT芯片,并伸入空腔中以向冷却介质传递热量进行换热。具体地,本实施例中的的热传导部112包括盖板和传热格栅,其中盖板为95mm×95mm×5mm的平板,盖板的上端面与IGBT芯片接触,盖板的下端面连接传热格栅,传热格栅为采用电火花线切割的方式加工出多道厚度为2~3mm的栅格,栅格上钻出多个呈矩形排列的通孔。热传导部112与介质容器111装配,传热栅格伸入介质容器111中的空腔中,并通过盖板及密封圈密封,传热格栅将IGBT的芯片热量传导至减冷却介质中进行换热,同时还可将空腔中的流体分割出多条流道,提高换热效果。
实际中,调节阀12可采用任意开度可调的阀门实现,而在一个优选的实施例中,该实施例中的调节阀12为一端呈圆锥形的圆柱体,圆柱体表面具有螺纹,其可以视为堵头,并拧入介质容器111中,其圆锥形的一端伸入介质出口中。通过旋转调节阀12可以使其在介质出口中伸缩,相当于改变阀门开度以控制介质出口通断,进而改变介质的流量。本实施例中调节阀12的另一端开设有内六角螺孔,用以配合调节模块4。本实施例中,将调节阀12设置于介质出口,可以在不改变介质进口的流量的情况下,调节冷却介质的流量,使本系统更加实用。
进一步的,作为优选的实施例,本实施例中的所述调节阀12的数量和所述IGBT芯片温度传感器的数量相同,均为多个,例如三个。多个所述调节阀12和多个所述IGBT芯片温度传感器的安装位置一一对应。多个调节阀12可以分别调整,进而改变换热部11中局部的位置温度,使本系统调节更加精确,同样地,IGBT芯片温度传感器则可以分别检测每个局部的温度。
可以理解的是,上述说明中液冷模块1的仅为一种优选的结构,实际中本发明的液冷模块1还可以通过其他的现有的液冷装置实现,液冷模块1中的其他部分为本领域技术人员能够获取的现有技术,本文将不做过多说明。
进一步的,作为优选的实施例,本实施例中的所述传感模块2包括流量传感器、冷却介质温度传感器和多个IGBT芯片温度传感器,所述流量传感器和所述冷却介质温度传感器均设置于所述介质进口,多个所述IGBT芯片温度传感器均连接于所述热传导部112,例如热传导部112中的盖板上,或传热格栅中最靠近每个调节阀12的位置。
本实施例中的控制模块3可以通过电脑、上位机等现有的具有计算及控制功能的设备实现。
进一步的,作为优选的实施例,本实施例中的所述调节模块4包括依次相连的驱动控制部(图中未示出)、位移驱动部41和旋转调节部42,所述驱动控制部电连接所述控制模块3,用于根据所述阀口开度数据,调节所述位移驱动部41和所述旋转调节部42,所述位移驱动部41连接于所述旋转调节部42,所述旋转调节部42包括固定端和旋转端,所述固定端连接于所述位移驱动部41,所述旋转段可活动地连接所述调节阀12,用于旋转所调节阀12以调节开度。
作为优选的实施例,本实施例中的驱动控制部为PLC控制器,其具体为西门子产的S7-200型号,与所述控制模块3通过modbus建立通讯协议。
作为优选的实施例,本实施例中的位移驱动部41包括第一导轨411、第一滑块412、第二导轨413和第二滑块414,所述第一导轨411连接于所述液冷模块1,所述第一滑块412滑动连接于所述第一导轨411,所述第二导轨413连接于所述第一滑块412,所述第二导轨413的延伸方向垂直于所述第一导轨411的的延伸方向,所述第二导轨413的延伸方向平行于所述旋转端的棱边,所述第二滑块414滑动连接于所述第二导轨413,所述第二滑块414连接于所述固定端。
上述第一导轨411和第一滑块412、第二导轨413和第二滑块414之间可以通过齿轮齿条、皮带、行走轮、丝杆螺母等任意现有的结构实现移动。本实施例中第一导轨411水平设置,第二导轨413竖直设置,本实施例中驱动控制部在收到来自控制模块3的信号后,便可以发出命令使第一滑块412沿第一导轨411移动,第二滑块414沿第二导轨413移动,进而带动旋转调节部42移动至需要调节的调节阀12上。
进一步的,作为优选的实施例,本实施例中的旋转调节部42为自动拧紧机,其输出端即为六棱柱型的旋转端,旋转端可以在第二导轨413的引导下与调节阀12一端的内六角螺孔配合并开始正转或反转,使调节阀12上升或下降,进而改变开度。
为了更好实施本发明实施例中的基于神经网络的IGBT控温系统,在基于神经网络的IGBT控温系统基础之上,对应的,请参阅图4,图4为本发明提供的基于神经网络的IGBT控温方法的一实施例的方法流程图,本发明实施例提供的一种基于神经网络的IGBT控温方法,应用与上述基于神经网络的IGBT控温系统,包括:
S401、获取冷却介质温度、冷却介质流量和IGBT芯片温度;
S402、根据多个所述IGBT芯片温度,得到温度特征数据,并根据所述冷却介质温度、所述冷却介质流量和所述温度特征数据,基于神经网络得到阀口开度数据;
S403、根据所述阀口开度数据,调节所述调节阀。
作为优选的实施例,本实施例中的步骤S401、获取冷却介质温度、冷却介质流量和IGBT芯片温度,通过上述传感模块进行。
在一个优选的实施例中,步骤S402中的所述根据多个所述IGBT芯片温度,得到温度特征数据,具体包括:
根据多个所述IGBT芯片温度的数值,得到IGBT芯片最高温度;
根据多个所述IGBT芯片温度的数值的大小关系,得到IGBT散热均温性值;
其中,所述IGBT芯片最高温度和所述IGBT散热均温性值,构成所述温度特征数据。
具体地,实际中上述基于神经网络的IGBT控温系统可以同时对多个IGBT芯片进行冷却,例如,本实施例中的基于神经网络的IGBT控温系统中包括三个热传导部,分别连接三个IGBT芯片为其进行散热,每个IGBT芯片对应有三个介质出口,因此每个IGBT芯片对应有三个调节阀以及三个IGBT芯片温度传感器,对应的,后续采用的神经网络也能够输出三个阀口开度数据,分别对应同一个芯片的三个IGBT芯片温度传感器以及三个调节阀。
本实施例中获取的每个IGBT芯片对应的IGBT芯片温度分别有三个,分别为T1、T2和T3。
上述过程中,所需要得到的所述IGBT芯片最高温度Tmax和所述IGBT散热均温性值Taver分别如下式所示:
Tmax=max(T1,T2,T3)
Taver=max(T1,T2,T3)-min(T1,T2,T3)
进一步的,作为优选的实施例,步骤S402中的所述根据所述冷却介质温度、所述冷却介质流量和所述温度特征数据,基于神经网络得到阀口开度数据,具体包括:
获取IGBT芯片发热功率;
归一化所述冷却介质温度、所述冷却介质流量、所述IGBT芯片发热功率、所述IGBT芯片最高温度和所述IGBT散热均温性值,得到五个输入参数;
向所述神经网络输入五个所述输入参数,得到所述神经网络输出的所述阀口开度数据。
需要说明的是,上述过程中获取IGBT芯片的发热功率,通过IGBT芯片本身的数据得到,例如通过其电流数据计算出来,也可以根据上述获得的IGBT芯片温度计算而得,获取IGBT芯片的的发热功率为本领域技术人员能够理解的现有技术,本文中不做过多说明。
具体的,上述过程中的神经网络包括输入层、隐藏层和输出层,其中所述隐藏层和所述输出层的激活函数均为sigmoid函数,所述神经网络的误差函数为所述神经网络的输出值和真实值的均方差,所述神经网络的训练目标误差值为0.01,所述神经网络的学习率为0.5。
本发明还提供一更加详细的实施例,用以更加清楚地说明上述步骤S402:
在通过步骤S401得到冷却介质温度X1’、冷却介质流量X2’和IGBT芯片温度后,获取IGBT芯片发热功率X3’,并通过IGBT芯片温度得到IGBT芯片最高温度X4’和IGBT散热均温性值X5’。
将上述参数初始化为0~1的参数(即归一化),分别得到X1、X2、X3、X4和X5。
本实施例中神经网络共有三层,分别为输入层、隐藏层和输出层,输入层为初始化的参数,即根据X1’~X5’得到X1~X5。
本实施例中的隐藏层有多个节点,输出层有3个节点(分别对应三个调节阀),输出的数据为阀口开度数据,隐藏层与输出层中第i个节点对于其第j个输入对应的权重为Wij,偏置为bk。
隐藏层输出Ynnet为:
使用Sigmoid函数对隐藏层进行激活,得到输出Ynout,即输出层的输入:
输出层输出Zmnet为:
输出层同样采用Sigmoid函数进行激活,得到最终的输出Zmout为:
上述神经网路在训练及使用进化时,使用BP反向传播法对每层权重和偏置进行更新,训练过程具体包括:
以计算的输出层激活函数的输出与真实参数Z0(已有样本中,目标温度环境下阀口最合适的开度)的均方差E作为误差函数:
令神经网络的学习率为μ,根据导数的链式法则对输出层的权重和偏置更新,例如:
隐藏层的权重和偏置更新,例如:
结合式(1)~(13)即可计算隐藏层和输出层中每个节点的权重和偏置。
训练时通过样本数据循环计算(1)~(13),直至神经网路的误差足够小。
作为优选的实施例,上述过程中的神经网络算法中所选用的实验参数80%用作训练数据,20%用于验证数据,实验参数为所述传感器测量所得,训练的目标误差值为0.01,使用的学习率μ=0.5。
上述过程可以通过python语言进行编程,编程完成后进行调试打包可在普通PC机上进行安装。此时安装该神经网络的PC便可以作为控制模块。
通过上述过程计算出阀口开度数据后,便可以进行步骤S403、根据所述阀口开度数据,调节所述调节阀,具体地,本实施例中得到阀口开度数据后,便可以将指令通过modbus通讯协议传递给所述驱动控制部执行相关操作。
上述基于神经网络的IGBT控温系统及基于神经网络的IGBT控温方法,通过锥形堵头状的调节阀根据IGBT芯片散热量调整上下位置,改变介质出口的开度大小,进而改变所述换热部中各部位冷却介质流体的流速和对流换热系数,从而改变整个系统的均温性和散热性能。本发明结构紧凑,布局合理,很好地实现了大功率IGTB控制器的散热性和均温性要求,具有结构简单、成本低廉、操作便捷和控温性好的优点。
综上,本发明提供一种基于神经网络的IGBT控温系统及方法,其中系统通过液冷模块对IGBT芯片进行散热,通过传感模块获取冷却介质温度、冷却介质流量和多个IGBT芯片温度,再通过控制模块根据多个IGBT芯片温度,得到温度特征数据,并根据冷却介质温度、冷却介质流量和温度特征数据,基于神经网络得到阀口开度数据,最后通过调节模块根据所述阀口开度数据,调节所述调节阀,进而调节液冷模块中换热部内介质的流量流速,进而控制对流换热系数,改变整个系统的散热性能,达到调节IGBT温度的目的。相比于现有技术,本发明通过传感模块实时检测液冷模块中的介质温度、IGBT温度等参数,并通过控制模块基于神经网络实时、精准地计算出合适的阀口开度数据,再通过控制模块执行控制动作,具备结构简单、成本低廉、操作便捷、控温性好等优点,最重要的是,其达到了能够在IGBT工作时根据实际情况实时动态调节散热水平的效果,具备很好的实用性。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种基于神经网络的IGBT控温系统,其特征在于,包括液冷模块、传感模块、控制模块和调节模块,所述液冷模块包括换热部和调节阀,所述换热部用于连接IGBT芯片,所述调节阀连接于所述换热部的介质流通口;所述传感模块连接于所述液冷模块;所述控制模块电连接所述传感模块;所述调节模块电连接所述控制模块,并可活动地连接所述调节阀;其中:
所述传感模块,用于获取冷却介质温度、冷却介质流量和多个IGBT芯片温度;
所述控制模块,用于根据多个所述IGBT芯片温度,得到温度特征数据,并根据所述冷却介质温度、所述冷却介质流量和所述温度特征数据,基于神经网络得到阀口开度数据;
所述调节模块,用于根据所述阀口开度数据,调节所述调节阀。
2.根据权利要求1所述的基于神经网络的IGBT控温系统,其特征在于,所述换热部的介质流通口包括介质进口,所述换热部包括热传导部;所述传感模块包括流量传感器、冷却介质温度传感器和多个IGBT芯片温度传感器,所述流量传感器和所述冷却介质温度传感器均设置于所述介质进口,多个所述IGBT芯片温度传感器均连接于所述热传导部。
3.根据权利要求2所述的基于神经网络的IGBT控温系统,其特征在于,所述换热部的介质流通口还包括介质出口,所述调节阀均设置于所述介质出口,所述调节阀的数量和所述IGBT芯片温度传感器的数量相同,多个所述调节阀和多个所述IGBT芯片温度传感器的安装位置一一对应。
4.根据权利要求3所述的基于神经网络的IGBT控温系统,其特征在于,所述调节模块包括依次相连的驱动控制部、位移驱动部和旋转调节部,所述驱动控制部电连接所述控制模块,用于根据所述阀口开度数据,调节所述位移驱动部和所述旋转调节部,所述位移驱动部连接于所述旋转调节部,所述旋转调节部包括固定端和旋转端,所述固定端连接于所述位移驱动部,所述旋转段可活动地连接所述调节阀,用于旋转所调节阀以调节开度。
5.根据权利要求4所述的基于神经网络的IGBT控温系统,其特征在于,所述旋转端为六棱柱,所述调节阀包括调节端,所述调节端上开设有与所述旋转端配合的内六角螺孔。
6.根据权利要求4所述的基于神经网络的IGBT控温系统,其特征在于,所述位移驱动部包括第一导轨、第一滑块、第二导轨和第二滑块,所述第一导轨连接于所述液冷模块,所述第一滑块滑动连接于所述第一导轨,所述第二导轨连接于所述第一滑块,所述第二导轨的延伸方向垂直于所述第一导轨的的延伸方向,所述第二导轨的延伸方向平行于所述旋转端的棱边,所述第二滑块滑动连接于所述第二导轨,所述第二滑块连接于所述固定端。
7.一种基于神经网络的IGBT控温方法,使用如权利要求1~6任一项所述的基于神经网络的IGBT控温系统,其特征在于,所述基于神经网络的IGBT控温方法包括:
获取冷却介质温度、冷却介质流量和IGBT芯片温度;
根据多个所述IGBT芯片温度,得到温度特征数据,并根据所述冷却介质温度、所述冷却介质流量和所述温度特征数据,基于神经网络得到阀口开度数据;
根据所述阀口开度数据,调节所述调节阀。
8.根据权利要求7所述的基于神经网络的IGBT控温方法,其特征在于,所述根据多个所述IGBT芯片温度,得到温度特征数据,包括:
根据多个所述IGBT芯片温度的数值,得到IGBT芯片最高温度;
根据多个所述IGBT芯片温度的数值的大小关系,得到IGBT散热均温性值;
其中,所述IGBT芯片最高温度和所述IGBT散热均温性值,构成所述温度特征数据。
9.根据权利要求8所述的基于神经网络的IGBT控温方法,其特征在于,所述根据所述冷却介质温度、所述冷却介质流量和所述温度特征数据,基于神经网络得到阀口开度数据,包括:
获取IGBT芯片发热功率;
归一化所述冷却介质温度、所述冷却介质流量、所述IGBT芯片发热功率、所述IGBT芯片最高温度和所述IGBT散热均温性值,得到五个输入参数;
向所述神经网络输入五个所述输入参数,得到所述神经网络输出的所述阀口开度数据。
10.根据权利要求9所述的基于神经网络的IGBT控温方法,其特征在于,所述神经网络包括输入层、隐藏层和输出层,其中所述隐藏层和所述输出层的激活函数均为sigmoid函数,所述神经网络的误差函数为所述神经网络的输出值和真实值的均方差,所述神经网络的训练目标误差值为0.01,所述神经网络的学习率为0.5。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211519232.9A CN115756025A (zh) | 2022-11-30 | 2022-11-30 | 一种基于神经网络的igbt控温系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211519232.9A CN115756025A (zh) | 2022-11-30 | 2022-11-30 | 一种基于神经网络的igbt控温系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115756025A true CN115756025A (zh) | 2023-03-07 |
Family
ID=85341051
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211519232.9A Pending CN115756025A (zh) | 2022-11-30 | 2022-11-30 | 一种基于神经网络的igbt控温系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115756025A (zh) |
-
2022
- 2022-11-30 CN CN202211519232.9A patent/CN115756025A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102259258B1 (ko) | 플라즈마 프로세싱 챔버 내의 웨이퍼 캐리어에 대한 진보된 온도 제어 | |
RU2678888C2 (ru) | Способ регулирования для системы отопления и/или охлаждения с по меньшей мере одним нагрузочным контуром, а также распределительное устройство для системы отопления и/или охлаждения | |
KR100436657B1 (ko) | 반도체 소자 테스트 핸들러의 소자 가열 및 냉각장치 | |
CN104617013B (zh) | 高效率高准确度加热器驱动器 | |
CN108666856A (zh) | 功率稳定型固体激光器及控制方法 | |
CN102306903B (zh) | 一种数字式大功率半导体激光电源 | |
CN104571197B (zh) | 具贴设式均温器及热传导流体的温控系统 | |
RU2646034C2 (ru) | Способ диагностики правильной работы нагревательной и/или охлаждающей системы | |
CN103575401A (zh) | 一种功率半导体模块的温度分布特性测试系统 | |
JP2022525107A (ja) | 温度調整可能なマルチゾーン静電チャック | |
CN112923599B (zh) | 一种可调式保温及降温装置 | |
CN115756025A (zh) | 一种基于神经网络的igbt控温系统及方法 | |
CN107065997A (zh) | 修调功率器件输入电阻的控制方法 | |
CN108458519B (zh) | 冷却调整系统、功率模块和用于自动冷却调整的方法 | |
CN109458311B (zh) | 一种水冷系统及其水温控制方法、三通阀及其控制方法 | |
CN116867221A (zh) | 一种机房冷却系统的控制方法 | |
CN217389283U (zh) | 功率模块的散热装置和变频器的散热系统 | |
CN214307348U (zh) | 一种基于冷源与热源的恒温室温度调节系统 | |
CN203357842U (zh) | 一种多路pid温度控制装置 | |
CN205335702U (zh) | 一种智能温控监测高压配电系统 | |
CN110147152B (zh) | 一种集成液冷散热系统智能调节的机箱 | |
CN103677013A (zh) | 温度自动调节装置 | |
CN210649670U (zh) | 一种均温冷冻夹持装置 | |
CN115484800B (zh) | 一种数据中心的液冷散热系统及其控制方法 | |
CN101528017B (zh) | 散热组件以及散热方法 |
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 |