CN116776747B - 一种igbt模块使用寿命计算方法及系统 - Google Patents
一种igbt模块使用寿命计算方法及系统 Download PDFInfo
- Publication number
- CN116776747B CN116776747B CN202311041751.3A CN202311041751A CN116776747B CN 116776747 B CN116776747 B CN 116776747B CN 202311041751 A CN202311041751 A CN 202311041751A CN 116776747 B CN116776747 B CN 116776747B
- Authority
- CN
- China
- Prior art keywords
- igbt module
- junction temperature
- service life
- calculating
- 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.)
- Active
Links
- 238000004364 calculation method Methods 0.000 title claims description 40
- 238000000034 method Methods 0.000 claims abstract description 31
- 230000008859 change Effects 0.000 claims abstract description 29
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 18
- 239000011159 matrix material Substances 0.000 claims description 46
- 239000013598 vector Substances 0.000 claims description 44
- 238000012545 processing Methods 0.000 claims description 31
- 230000006870 function Effects 0.000 claims description 15
- 230000004913 activation Effects 0.000 claims description 13
- 238000011176 pooling Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 9
- 230000009466 transformation Effects 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 6
- 238000012423 maintenance Methods 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 5
- 238000007619 statistical method Methods 0.000 claims description 5
- 238000013527 convolutional neural network Methods 0.000 description 38
- 230000008569 process Effects 0.000 description 5
- 230000001186 cumulative effect Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000008646 thermal stress Effects 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/26—Testing of individual semiconductor devices
- G01R31/2642—Testing semiconductor operation lifetime or reliability, e.g. by accelerated life tests
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/048—Activation functions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/04—Ageing analysis or optimisation against ageing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Medical Informatics (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Power Conversion In General (AREA)
Abstract
本发明提供了一种IGBT模块使用寿命计算方法及系统,该方法包括:实时获取IGBT模块产生的工作参数,并根据工作参数计算出与IGBT模块对应的电压变化率;基于预设算法根据电压变化率计算出与IGBT模块对应的功率损耗值、结温曲线图以及温度分布图,并将功率损耗值、结温曲线图以及温度分布图同时输入至预设驾驶循环工况模块中,以使预设驾驶循环工况模块输出对应的结温幅值以及结温平均值;获取与IGBT模块对应的功率循环寿命曲线,并根据功率循环寿命曲线、结温幅值以及结温平均值计算出与IGBT模块对应的理论损伤度,以根据理论损伤度计算出与IGBT模块对应的使用寿命。本发明能够准确的计算出IGBT模块的使用寿命,对应提升了电机控制器的品质。
Description
技术领域
本发明涉及新能源汽车技术领域,特别涉及一种IGBT模块使用寿命计算方法及系统。
背景技术
随着科技的进步以及生产力的快速发展,新能源汽车技术也日趋成熟,并且逐渐得到了人们的认可,已经在人们的日常生活中得到普及,极大的方便了人们的生活。
其中,电机控制器是新能源电动汽车的核心零部件之一,用于实时控制驱动电机,进一步的,IGBT(Insulated Gate Bipolar Transistor,绝缘栅双极型晶体管)是电机控制器的核心零部件之一,在新能源电动汽车运行的过程中,IGBT模块会受到汽车启停、频繁加减速等工况的影响,并产生结温变化,与此同时,温度变化产生的热应力会使IGBT模块内部焊层之间产生蠕变热失效或者疲劳,因此,IGBT模块的结温变化是影响电机控制器的工作寿命以及可靠性的主要因素。
基于此,现有技术为了能够计算出IGBT模块的使用寿命,大部分通过对电机控制器进行功率循环试验或者进行热仿真建模的方式来获取到对应的结温参数,并根据结温参数计算出对应的使用寿命,然而,在此过程中会产生大量的试验数据,同时需要耗费较长的时间,同时没有考虑不同驾驶工况对IGBT模块使用寿命的影响,导致计算结果会产生一定的偏差,对应降低了电机控制器的品质。
发明内容
基于此,本发明的目的是提供一种IGBT模块使用寿命计算方法及系统,以解决现有技术的计算结果会产生一定的偏差,导致降低了电机控制器品质的问题。
本发明实施例第一方面提出了:
一种IGBT模块使用寿命计算方法,其中,所述方法包括:
实时获取IGBT模块产生的工作参数,并根据所述工作参数计算出与所述IGBT模块对应的电压变化率;
基于预设算法根据所述电压变化率计算出与所述IGBT模块对应的功率损耗值、结温曲线图以及温度分布图,并将所述功率损耗值、所述结温曲线图以及所述温度分布图同时输入至预设驾驶循环工况模块中,以使所述预设驾驶循环工况模块输出对应的结温幅值以及结温平均值;
获取与所述IGBT模块对应的功率循环寿命曲线,并根据所述功率循环寿命曲线、所述结温幅值以及所述结温平均值计算出与所述IGBT模块对应的理论损伤度,以根据所述理论损伤度计算出与所述IGBT模块对应的使用寿命。
本发明的有益效果是:通过实时获取IGBT模块的工作参数能够实时了解对应的工作状态,进一步的,计算出当前IGBT模块的电压变化率,具体的,该电压变化率与结温之间存在着良好的线性关系,并且不会受到外界的干扰和噪声的影响,基于此,进一步计算出当前IGBT模块的结温幅值以及结温平均值,在此基础之上,结合获取到的功率循环寿命曲线就能够对应计算出当前IGBT模块的理论损伤度,与此同时,该理论损伤度就能够对应反映出当前IGBT模块的使用寿命,从而计算出的使用寿命不会产生较大的偏差,对应提升了电机控制器的品质,同时提升了用户的使用体验。
进一步的,所述将所述功率损耗值、所述结温曲线图以及所述温度分布图同时输入至预设驾驶循环工况模块中的步骤包括:
当获取到所述功率损耗值、所述结温曲线图以及所述温度分布图时,对所述功率损耗值、所述结温曲线图以及所述温度分布图进行转换处理,以转换成对应的一维向量;
对所述一维向量进行归一化处理,以生成对应的目标向量,并将所述目标向量输入至所述预设驾驶循环工况模块中的CNN模型中,以使所述CNN模型输出所述结温幅值以及所述结温平均值。
进一步的,所述将所述目标向量输入至所述预设驾驶循环工况模块中的CNN模型中,以使所述CNN模型输出所述结温幅值以及所述结温平均值的步骤包括:
将所述目标向量输入至所述CNN模型中的卷积层中,并通过所述卷积层中的卷积核对所述目标向量进行局部特征提取,以输出若干对应的特征因子;
将若干所述特征因子输入至所述CNN模型中的池化层中,并通过所述池化层对若干所述特征因子进行降维和抽象化处理,以输出若干对应的特征值;
将若干所述特征值输入至所述CNN模型中的全连接层中,并通过所述全连接层对若干所述特征值进行整合以及映射处理,以生成对应的特征矩阵。
进一步的,所述IGBT模块使用寿命计算方法还包括:
当获取到所述特征矩阵时,将所述特征矩阵输入至所述CNN模型的激活函数中,并通过所述激活函数对所述特征矩阵进行非线性变换处理,以输出若干对应的目标矩阵;
将所述目标矩阵输入至所述预设驾驶循环工况模块中的驾驶循环工况网络中,并通过所述驾驶循环工况网络对所述目标矩阵进行采样分析,以输出所述结温幅值以及所述结温平均值。
进一步的,所述根据所述功率循环寿命曲线、所述结温幅值以及所述结温平均值计算出与所述IGBT模块对应的理论损伤度的步骤包括:
基于雨流计数法根据所述目标矩阵对所述IGBT模块的结温变化进行统计分析,以计算出与所述IGBT模块对应的功率循环次数;
基于所述功率循环寿命曲线根据所述结温幅值以及所述结温平均值在预设数据库中查找出与所述IGBT模块对应的功率循环寿命,并根据所述功率循环次数以及所述功率循环寿命计算出所述理论损伤度。
进一步的,所述根据所述功率循环次数以及所述功率循环寿命计算出所述理论损伤度的步骤包括:
根据所述功率循环寿命分别计算出每一所述结温幅值以及每一所述结温平均值分别对应的单次损伤度,所述单次损伤度为具体的数值;
基于累计损伤算法根据所述单次损伤度以及所述功率循环次数计算出所述理论损伤度。
进一步的,所述IGBT模块使用寿命计算方法还包括:
实时检测出所述使用寿命中包含的已使用寿命以及未使用寿命,并设定与所述IGBT模块对应的预警阈值;
实时判断所述已使用寿命是否在所述预警阈值内;
若实时判断到所述已使用寿命在所述预警阈值内,则立即发出对应的告警信息以及保养建议,所述告警信息包括声音提示以及文字提示。
本发明实施例第二方面提出了:
一种IGBT模块使用寿命计算系统,其中,所述系统包括:
获取模块,用于实时获取IGBT模块产生的工作参数,并根据所述工作参数计算出与所述IGBT模块对应的电压变化率;
处理模块,用于基于预设算法根据所述电压变化率计算出与所述IGBT模块对应的功率损耗值、结温曲线图以及温度分布图,并将所述功率损耗值、所述结温曲线图以及所述温度分布图同时输入至预设驾驶循环工况模块中,以使所述预设驾驶循环工况模块输出对应的结温幅值以及结温平均值;
计算模块,用于获取与所述IGBT模块对应的功率循环寿命曲线,并根据所述功率循环寿命曲线、所述结温幅值以及所述结温平均值计算出与所述IGBT模块对应的理论损伤度,以根据所述理论损伤度计算出与所述IGBT模块对应的使用寿命。
进一步的,所述计算模块具体用于:
当获取到所述功率损耗值、所述结温曲线图以及所述温度分布图时,对所述功率损耗值、所述结温曲线图以及所述温度分布图进行转换处理,以转换成对应的一维向量;
对所述一维向量进行归一化处理,以生成对应的目标向量,并将所述目标向量输入至所述预设驾驶循环工况模块中的CNN模型中,以使所述CNN模型输出所述结温幅值以及所述结温平均值。
进一步的,所述计算模块还具体用于:
将所述目标向量输入至所述CNN模型中的卷积层中,并通过所述卷积层中的卷积核对所述目标向量进行局部特征提取,以输出若干对应的特征因子;
将若干所述特征因子输入至所述CNN模型中的池化层中,并通过所述池化层对若干所述特征因子进行降维和抽象化处理,以输出若干对应的特征值;
将若干所述特征值输入至所述CNN模型中的全连接层中,并通过所述全连接层对若干所述特征值进行整合以及映射处理,以生成对应的特征矩阵。
进一步的,所述IGBT模块使用寿命计算系统还包括处理模块,所述处理模块具体用于:
当获取到所述特征矩阵时,将所述特征矩阵输入至所述CNN模型的激活函数中,并通过所述激活函数对所述特征矩阵进行非线性变换处理,以输出若干对应的目标矩阵;
将所述目标矩阵输入至所述预设驾驶循环工况模块中的驾驶循环工况网络中,并通过所述驾驶循环工况网络对所述目标矩阵进行采样分析,以输出所述结温幅值以及所述结温平均值。
进一步的,所述计算模块具体用于:
基于雨流计数法根据所述目标矩阵对所述IGBT模块的结温变化进行统计分析,以计算出与所述IGBT模块对应的功率循环次数;
基于所述功率循环寿命曲线根据所述结温幅值以及所述结温平均值在预设数据库中查找出与所述IGBT模块对应的功率循环寿命,并根据所述功率循环次数以及所述功率循环寿命计算出所述理论损伤度。
进一步的,所述计算模块还具体用于:
根据所述功率循环寿命分别计算出每一所述结温幅值以及每一所述结温平均值分别对应的单次损伤度,所述单次损伤度为具体的数值;
基于累计损伤算法根据所述单次损伤度以及所述功率循环次数计算出所述理论损伤度。
进一步的,所述IGBT模块使用寿命计算系统还包括预警模块,所述预警模块具体用于:
实时检测出所述使用寿命中包含的已使用寿命以及未使用寿命,并设定与所述IGBT模块对应的预警阈值;
实时判断所述已使用寿命是否在所述预警阈值内;
若实时判断到所述已使用寿命在所述预警阈值内,则立即发出对应的告警信息以及保养建议,所述告警信息包括声音提示以及文字提示。
本发明实施例第三方面提出了:
一种计算机,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其中,所述处理器执行所述计算机程序时实现如上面所述的IGBT模块使用寿命计算方法。
本发明实施例第四方面提出了:
一种可读存储介质,其上存储有计算机程序,其中,该程序被处理器执行时实现如上面所述的IGBT模块使用寿命计算方法。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
图1为本发明第一实施例提供的IGBT模块使用寿命计算方法的流程图;
图2为本发明第六实施例提供的IGBT模块使用寿命计算系统的结构框图。
如下具体实施方式将结合上述附图进一步说明本发明。
具体实施方式
为了便于理解本发明,下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的若干实施例。但是,本发明可以以许多不同的形式来实现,并不限于本文所描述的实施例。相反地,提供这些实施例的目的是使对本发明的公开内容更加透彻全面。
需要说明的是,当元件被称为“固设于”另一个元件,它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件,它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
请参阅图1,所示为本发明第一实施例提供的IGBT模块使用寿命计算方法,本实施例提供的IGBT模块使用寿命计算方法能够准确的反映出IGBT模块的使用寿命,从而计算出的使用寿命不会产生较大的偏差,对应提升了电机控制器的品质,同时提升了用户的使用体验。
具体的,本实施例提供的IGBT模块使用寿命计算方法具体包括以下步骤:
步骤S10,实时获取IGBT模块产生的工作参数,并根据所述工作参数计算出与所述IGBT模块对应的电压变化率;
步骤S20,基于预设算法根据所述电压变化率计算出与所述IGBT模块对应的功率损耗值、结温曲线图以及温度分布图,并将所述功率损耗值、所述结温曲线图以及所述温度分布图同时输入至预设驾驶循环工况模块中,以使所述预设驾驶循环工况模块输出对应的结温幅值以及结温平均值;
步骤S30,获取与所述IGBT模块对应的功率循环寿命曲线,并根据所述功率循环寿命曲线、所述结温幅值以及所述结温平均值计算出与所述IGBT模块对应的理论损伤度,以根据所述理论损伤度计算出与所述IGBT模块对应的使用寿命。
具体的,在本实施例中,首先需要说明的是,本实施例提供的IGBT模块使用寿命计算方法具体应用在新能源电动汽车的电机控制器中,用于实时计算出电机控制器内部的IGBT模块的使用寿命,以保证电机控制器的使用品质。基于此,需要首先获取到IGBT模块在实际的工作过程中产生的工作参数,具体的,该工作参数包括结温、电压以及电流等参数,与此同时,立即根据当前工作参数计算出当前IGBT模块对应的电压变化率。进一步的,根据预先设置好的算法根据当前电压变化率计算出与当前IGBT模块对应的功率损耗值、结温曲线图以及温度分布图,优选的,本实施例提供的预设算法为现有的DTW(Dynamic TimeWarping,动态时间归整),该预设算法能够对当前若干电压变化率对应的数值进行反复的训练以及计算,从而能够输出上述功率损耗值,与此同时,还能够进一步结合现有的二维坐标,并将输出的数据对应映射至当前二维坐标内,就能够对应输出上述结温曲线图以及温度分布图,以便于后续的处理,更进一步的,再将当前功率损耗值、结温曲线图以及温度分布图输入至预先设置好的驾驶循环工况模块中,并对应使该预设驾驶循环工况模块输出需要的结温幅值以及结温平均值。
进一步的,在预设数据库中查找出与当前IGBT模块的型号对应的功率循环寿命曲线,从而能够获取到当前IGBT模块的使用特性。更进一步的,能够根据当前功率循环寿命曲线、结温幅值以及结温平均值计算出与当前IGBT模块对应的理论损伤度,具体的,该理论损伤度能够直接的反映出当前IGBT模块的耐久度,基于此,能够进一步根据当前理论损伤度计算出当前IGBT模块对应的使用寿命。
第二实施例
具体的,在本实施例中,需要说明的是,上述将所述功率损耗值、所述结温曲线图以及所述温度分布图同时输入至预设驾驶循环工况模块中的步骤包括:
当获取到所述功率损耗值、所述结温曲线图以及所述温度分布图时,对所述功率损耗值、所述结温曲线图以及所述温度分布图进行转换处理,以转换成对应的一维向量;
对所述一维向量进行归一化处理,以生成对应的目标向量,并将所述目标向量输入至所述预设驾驶循环工况模块中的CNN模型中,以使所述CNN模型输出所述结温幅值以及所述结温平均值。
具体的,在本实施例中,需要说明的是,为了能够准确的计算出IGBT模块的使用寿命,本实施例预先在上述预设驾驶循环工况模块中构建有CNN模型,具体的,该CNN模型的整体结构由卷积神经网络构成,并且依次包括卷积层、池化层、全连接层以及激活函数。基于此,需要说明的是,为了便于将数据输入至当前CNN模型中,本实施例会对实时获取到的功率损耗值、结温曲线图以及温度分布图进行转换处理,并能够同时转换成对应的一维向量,进一步的,再基于该一维向量进行后续的处理。
更具体的,在获取到一维向量之后,会进一步对当前一维向量进行归一化处理,能够进一步生成需要的目标向量,与此同时,将该目标向量输入至上述CNN模型中,具体的,该CNN模型能够立即对当前目标向量进行处理,以对应输出需要的结温幅值以及结温平均值。
具体的,在本实施例中,还需要说明的是,上述将所述目标向量输入至所述预设驾驶循环工况模块中的CNN模型中,以使所述CNN模型输出所述结温幅值以及所述结温平均值的步骤包括:
将所述目标向量输入至所述CNN模型中的卷积层中,并通过所述卷积层中的卷积核对所述目标向量进行局部特征提取,以输出若干对应的特征因子;
将若干所述特征因子输入至所述CNN模型中的池化层中,并通过所述池化层对若干所述特征因子进行降维和抽象化处理,以输出若干对应的特征值;
将若干所述特征值输入至所述CNN模型中的全连接层中,并通过所述全连接层对若干所述特征值进行整合以及映射处理,以生成对应的特征矩阵。
具体的,在本实施例中,还需要说明的是,在通过上述步骤获取到需要的目标向量之后,为了能够简单、快速的完成当前目标向量的处理,会首先将当前目标向量输入至上述CNN模型的卷积层中,与此同时,通过该卷积层中的卷积核对当前目标向量进行局部特征提取,并输出若干对应的特征因子。进一步的,将当前若干特征因子输入至上述CNN模型的池化层中,以进一步进行降维和抽象化处理,并能够输出若干对应的特征值,该若干特征值均是具体的数值。更进一步的,将当前若干特征值输入至上述CNN模型的全连接层中,与此同时,通过该全连接层对当前若干特征值进行相应的整合以及映射处理,并能够生成需要的特征矩阵。
第三实施例
另外,在本实施例中,需要说明的是,上述IGBT模块使用寿命计算方法还包括:
当获取到所述特征矩阵时,将所述特征矩阵输入至所述CNN模型的激活函数中,并通过所述激活函数对所述特征矩阵进行非线性变换处理,以输出若干对应的目标矩阵;
将所述目标矩阵输入至所述预设驾驶循环工况模块中的驾驶循环工况网络中,并通过所述驾驶循环工况网络对所述目标矩阵进行采样分析,以输出所述结温幅值以及所述结温平均值。
另外,在本实施例中,还需要说明的是,在通过上述步骤获取到需要的特征矩阵之后,还需要进一步将当前特征矩阵输入至上述CNN模型的激活函数中,具体的,该激活函数能够对当前特征矩阵进行非线性变换处理,即对当前特征矩阵中的若干特征值分别进行非线性变换处理,以对应输出最终需要的目标矩阵,即非线性变换处理后的矩阵。进一步的,将当前目标矩阵输入至上述预设驾驶循环工况模块中的驾驶循环工况网络中,与此同时,该驾驶循环工况网络能够对当前目标矩阵进行采样分析,以最终输出上述结温幅值以及结温平均值,具体的,上述驾驶循环工况网络是基于现有的神经网络构建的,能够自动对输入的数据按照预先设置好的程序输出对应的结果。
第四实施例
另外,在本实施例中,还需要说明的是,上述根据所述功率循环寿命曲线、所述结温幅值以及所述结温平均值计算出与所述IGBT模块对应的理论损伤度的步骤包括:
基于雨流计数法根据所述目标矩阵对所述IGBT模块的结温变化进行统计分析,以计算出与所述IGBT模块对应的功率循环次数;
基于所述功率循环寿命曲线根据所述结温幅值以及所述结温平均值在预设数据库中查找出与所述IGBT模块对应的功率循环寿命,并根据所述功率循环次数以及所述功率循环寿命计算出所述理论损伤度。
另外,在本实施例中,还需要说明的是,在通过上述步骤获取到需要的结温幅值以及结温平均值之后,会进一步根据现有的雨流计数法对上述目标矩阵进行处理。具体的,能够根据当前结温幅值以及结温平均值分析出当前IGBT模块的实时结温变化情况,进一步的,能够根据当前结温变化情况以及上述目标矩阵计算出当前IGBT模块对应的功率循环次数。
进一步的,在上述功率魂环寿命曲线的基础上,结合上述结温幅值以及结温平均值在预设数据库中能够对应查找出与当前IGBT模块对应的功率循环寿命,基于此,就能够进一步根据当前功率循环次数以及功率循环寿命计算出上述理论损伤度。
其中,在本实施例中,需要指出的是,所述根据所述功率循环次数以及所述功率循环寿命计算出所述理论损伤度的步骤包括:
根据所述功率循环寿命分别计算出每一所述结温幅值以及每一所述结温平均值分别对应的单次损伤度,所述单次损伤度为具体的数值;
基于累计损伤算法根据所述单次损伤度以及所述功率循环次数计算出所述理论损伤度。
其中,在本实施例中,需要指出的是,在通过上述步骤分别获取到需要的功率循环次数以及功率循环寿命之后,则需要进行对应的计算处理,具体的,上述IGBT模块每完成一次功率循环时,均会产生一次结温幅值以及结温平均值,并且每产生一次结温幅值以及结温平均值均会对IGBT模块产生一定的损伤,即会产生依次损伤度。基于此,能够进一步根据当前功率循环寿命分别计算出每个结温幅值以及每个结温平均值分别对应产生的单次损伤度,并且每个损伤度均是具体的数值。
进一步的,再根据现有的累计损伤算法、上述单次损伤度以及上述功率循环次数计算出上述理论损伤值,具体的,上述累计损伤算法可以为Miner线性累计损伤算法。
其中,在本实施例中,需要指出的是,所述IGBT模块使用寿命计算方法还包括:
实时检测出所述使用寿命中包含的已使用寿命以及未使用寿命,并设定与所述IGBT模块对应的预警阈值;
实时判断所述已使用寿命是否在所述预警阈值内;
若实时判断到所述已使用寿命在所述预警阈值内,则立即发出对应的告警信息以及保养建议,所述告警信息包括声音提示以及文字提示。
其中,在本实施例中,需要指出的是,为了能够及时的提醒驾驶员当前车辆内部的电机控制器是否出现问题,当通过上述方式计算出当前电机控制器的使用寿命之后,能够进一步检测出当前使用寿命中包含的已使用寿命以及未使用寿命,例如已使用寿命可以为25%,未使用寿命为75%,进一步的,再进一步实时判断上述已使用寿命是否在上述预警阈值内。
具体的,若是,则说明当前IGBT模块所能够使用的寿命较低,需要及时进行维修或者更换处理,对应的,若否,则说明当前IGBT模块所能够使用的寿命仍处于安全的范围内,不需要进行对应的处理。具体的,本实施例提供的告警信息具体包括声音提示以及文字提示。
请参阅图2,所示为本发明第六实施例提供了:
一种IGBT模块使用寿命计算系统,其中,所述系统包括:
获取模块,用于实时获取IGBT模块产生的工作参数,并根据所述工作参数计算出与所述IGBT模块对应的电压变化率;
处理模块,用于基于预设算法根据所述电压变化率计算出与所述IGBT模块对应的功率损耗值、结温曲线图以及温度分布图,并将所述功率损耗值、所述结温曲线图以及所述温度分布图同时输入至预设驾驶循环工况模块中,以使所述预设驾驶循环工况模块输出对应的结温幅值以及结温平均值;
计算模块,用于获取与所述IGBT模块对应的功率循环寿命曲线,并根据所述功率循环寿命曲线、所述结温幅值以及所述结温平均值计算出与所述IGBT模块对应的理论损伤度,以根据所述理论损伤度计算出与所述IGBT模块对应的使用寿命。
其中,上述IGBT模块使用寿命计算系统中,所述计算模块具体用于:
当获取到所述功率损耗值、所述结温曲线图以及所述温度分布图时,对所述功率损耗值、所述结温曲线图以及所述温度分布图进行转换处理,以转换成对应的一维向量;
对所述一维向量进行归一化处理,以生成对应的目标向量,并将所述目标向量输入至所述预设驾驶循环工况模块中的CNN模型中,以使所述CNN模型输出所述结温幅值以及所述结温平均值。
其中,上述IGBT模块使用寿命计算系统中,所述计算模块还具体用于:
将所述目标向量输入至所述CNN模型中的卷积层中,并通过所述卷积层中的卷积核对所述目标向量进行局部特征提取,以输出若干对应的特征因子;
将若干所述特征因子输入至所述CNN模型中的池化层中,并通过所述池化层对若干所述特征因子进行降维和抽象化处理,以输出若干对应的特征值;
将若干所述特征值输入至所述CNN模型中的全连接层中,并通过所述全连接层对若干所述特征值进行整合以及映射处理,以生成对应的特征矩阵。
其中,上述IGBT模块使用寿命计算系统中,所述IGBT模块使用寿命计算系统还包括处理模块,所述处理模块具体用于:
当获取到所述特征矩阵时,将所述特征矩阵输入至所述CNN模型的激活函数中,并通过所述激活函数对所述特征矩阵进行非线性变换处理,以输出若干对应的目标矩阵;
将所述目标矩阵输入至所述预设驾驶循环工况模块中的驾驶循环工况网络中,并通过所述驾驶循环工况网络对所述目标矩阵进行采样分析,以输出所述结温幅值以及所述结温平均值。
其中,上述IGBT模块使用寿命计算系统中,所述计算模块具体用于:
基于雨流计数法根据所述目标矩阵对所述IGBT模块的结温变化进行统计分析,以计算出与所述IGBT模块对应的功率循环次数;
基于所述功率循环寿命曲线根据所述结温幅值以及所述结温平均值在预设数据库中查找出与所述IGBT模块对应的功率循环寿命,并根据所述功率循环次数以及所述功率循环寿命计算出所述理论损伤度。
其中,上述IGBT模块使用寿命计算系统中,所述计算模块还具体用于:
根据所述功率循环寿命分别计算出每一所述结温幅值以及每一所述结温平均值分别对应的单次损伤度,所述单次损伤度为具体的数值;
基于累计损伤算法根据所述单次损伤度以及所述功率循环次数计算出所述理论损伤度。
其中,上述IGBT模块使用寿命计算系统中,所述IGBT模块使用寿命计算系统还包括预警模块,所述预警模块具体用于:
实时检测出所述使用寿命中包含的已使用寿命以及未使用寿命,并设定与所述IGBT模块对应的预警阈值;
实时判断所述已使用寿命是否在所述预警阈值内;
若实时判断到所述已使用寿命在所述预警阈值内,则立即发出对应的告警信息以及保养建议,所述告警信息包括声音提示以及文字提示。
本发明第七实施例提供了一种计算机,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其中,所述处理器执行所述计算机程序时实现如上述实施例提供的IGBT模块使用寿命计算方法。
本发明第八实施例提供了一种可读存储介质,其上存储有计算机程序,其中,该程序被处理器执行时实现如上述实施例提供的IGBT模块使用寿命计算方法。
综上所述,本发明上述实施例提供的IGBT模块使用寿命计算方法及系统能够准确的反映出IGBT模块的使用寿命,从而计算出的使用寿命不会产生较大的偏差,对应提升了电机控制器的品质,同时提升了用户的使用体验。
需要说明的是,上述各个模块可以是功能模块也可以是程序模块,既可以通过软件来实现,也可以通过硬件来实现。对于通过硬件来实现的模块而言,上述各个模块可以位于同一处理器中;或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、 “示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种IGBT模块使用寿命计算方法,其特征在于,所述方法包括:
实时获取IGBT模块产生的工作参数,并根据所述工作参数计算出与所述IGBT模块对应的电压变化率;
基于预设算法根据所述电压变化率计算出与所述IGBT模块对应的功率损耗值、结温曲线图以及温度分布图,并将所述功率损耗值、所述结温曲线图以及所述温度分布图同时输入至预设驾驶循环工况模块中,以使所述预设驾驶循环工况模块输出对应的结温幅值以及结温平均值;
获取与所述IGBT模块对应的功率循环寿命曲线,并根据所述功率循环寿命曲线、所述结温幅值以及所述结温平均值计算出与所述IGBT模块对应的理论损伤度,以根据所述理论损伤度计算出与所述IGBT模块对应的使用寿命。
2.根据权利要求1所述的IGBT模块使用寿命计算方法,其特征在于:所述将所述功率损耗值、所述结温曲线图以及所述温度分布图同时输入至预设驾驶循环工况模块中的步骤包括:
当获取到所述功率损耗值、所述结温曲线图以及所述温度分布图时,对所述功率损耗值、所述结温曲线图以及所述温度分布图进行转换处理,以转换成对应的一维向量;
对所述一维向量进行归一化处理,以生成对应的目标向量,并将所述目标向量输入至所述预设驾驶循环工况模块中的CNN模型中,以使所述CNN模型输出所述结温幅值以及所述结温平均值。
3.根据权利要求2所述的IGBT模块使用寿命计算方法,其特征在于:所述将所述目标向量输入至所述预设驾驶循环工况模块中的CNN模型中,以使所述CNN模型输出所述结温幅值以及所述结温平均值的步骤包括:
将所述目标向量输入至所述CNN模型中的卷积层中,并通过所述卷积层中的卷积核对所述目标向量进行局部特征提取,以输出若干对应的特征因子;
将若干所述特征因子输入至所述CNN模型中的池化层中,并通过所述池化层对若干所述特征因子进行降维和抽象化处理,以输出若干对应的特征值;
将若干所述特征值输入至所述CNN模型中的全连接层中,并通过所述全连接层对若干所述特征值进行整合以及映射处理,以生成对应的特征矩阵。
4.根据权利要求3所述的IGBT模块使用寿命计算方法,其特征在于:所述IGBT模块使用寿命计算方法还包括:
当获取到所述特征矩阵时,将所述特征矩阵输入至所述CNN模型的激活函数中,并通过所述激活函数对所述特征矩阵进行非线性变换处理,以输出若干对应的目标矩阵;
将所述目标矩阵输入至所述预设驾驶循环工况模块中的驾驶循环工况网络中,并通过所述驾驶循环工况网络对所述目标矩阵进行采样分析,以输出所述结温幅值以及所述结温平均值。
5.根据权利要求4所述的IGBT模块使用寿命计算方法,其特征在于:所述根据所述功率循环寿命曲线、所述结温幅值以及所述结温平均值计算出与所述IGBT模块对应的理论损伤度的步骤包括:
基于雨流计数法根据所述目标矩阵对所述IGBT模块的结温变化进行统计分析,以计算出与所述IGBT模块对应的功率循环次数;
基于所述功率循环寿命曲线根据所述结温幅值以及所述结温平均值在预设数据库中查找出与所述IGBT模块对应的功率循环寿命,并根据所述功率循环次数以及所述功率循环寿命计算出所述理论损伤度。
6.根据权利要求5所述的IGBT模块使用寿命计算方法,其特征在于:所述根据所述功率循环次数以及所述功率循环寿命计算出所述理论损伤度的步骤包括:
根据所述功率循环寿命分别计算出每一所述结温幅值以及每一所述结温平均值分别对应的单次损伤度,所述单次损伤度为具体的数值;
基于累计损伤算法根据所述单次损伤度以及所述功率循环次数计算出所述理论损伤度。
7.根据权利要求1所述的IGBT模块使用寿命计算方法,其特征在于:所述IGBT模块使用寿命计算方法还包括:
实时检测出所述使用寿命中包含的已使用寿命以及未使用寿命,并设定与所述IGBT模块对应的预警阈值;
实时判断所述已使用寿命是否在所述预警阈值内;
若实时判断到所述已使用寿命在所述预警阈值内,则立即发出对应的告警信息以及保养建议,所述告警信息包括声音提示以及文字提示。
8.一种IGBT模块使用寿命计算系统,其特征在于,所述系统包括:
获取模块,用于实时获取IGBT模块产生的工作参数,并根据所述工作参数计算出与所述IGBT模块对应的电压变化率;
处理模块,用于基于预设算法根据所述电压变化率计算出与所述IGBT模块对应的功率损耗值、结温曲线图以及温度分布图,并将所述功率损耗值、所述结温曲线图以及所述温度分布图同时输入至预设驾驶循环工况模块中,以使所述预设驾驶循环工况模块输出对应的结温幅值以及结温平均值;
计算模块,用于获取与所述IGBT模块对应的功率循环寿命曲线,并根据所述功率循环寿命曲线、所述结温幅值以及所述结温平均值计算出与所述IGBT模块对应的理论损伤度,以根据所述理论损伤度计算出与所述IGBT模块对应的使用寿命。
9.一种计算机,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7中任意一项所述的IGBT模块使用寿命计算方法。
10.一种可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至7中任意一项所述的IGBT模块使用寿命计算方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311041751.3A CN116776747B (zh) | 2023-08-18 | 2023-08-18 | 一种igbt模块使用寿命计算方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311041751.3A CN116776747B (zh) | 2023-08-18 | 2023-08-18 | 一种igbt模块使用寿命计算方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116776747A CN116776747A (zh) | 2023-09-19 |
CN116776747B true CN116776747B (zh) | 2023-11-03 |
Family
ID=88011932
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311041751.3A Active CN116776747B (zh) | 2023-08-18 | 2023-08-18 | 一种igbt模块使用寿命计算方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116776747B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116992819B (zh) * | 2023-09-25 | 2024-01-26 | 江西五十铃汽车有限公司 | 一种igbt结温估算方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1983640A2 (en) * | 2007-04-20 | 2008-10-22 | Hitachi Industrial Equipment Systems Co. Ltd. | Power conversion apparatus and method of estimating power cycle life |
CN108152697A (zh) * | 2017-12-27 | 2018-06-12 | 江苏中科君芯科技有限公司 | Igbt模块功率循环老化试验装置及方法 |
CN109738773A (zh) * | 2018-06-19 | 2019-05-10 | 北京航空航天大学 | 一种非平稳工况下igbt模块寿命预测方法 |
DE102019103306A1 (de) * | 2018-02-13 | 2019-08-14 | GM Global Technology Operations LLC | Thermische modellbasierte Zustandsbewertung eines IGBT |
CN113591336A (zh) * | 2021-09-30 | 2021-11-02 | 中南大学 | 一种客车车下电源igbt模块寿命预测方法及其系统 |
CN114638119A (zh) * | 2022-03-31 | 2022-06-17 | 河北工业大学 | 电动汽车的igbt功率模块累计损伤度计算方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112084651B (zh) * | 2020-09-07 | 2022-08-26 | 武汉大学 | 计及疲劳损伤的多尺度风电igbt可靠性评估方法及系统 |
-
2023
- 2023-08-18 CN CN202311041751.3A patent/CN116776747B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1983640A2 (en) * | 2007-04-20 | 2008-10-22 | Hitachi Industrial Equipment Systems Co. Ltd. | Power conversion apparatus and method of estimating power cycle life |
CN108152697A (zh) * | 2017-12-27 | 2018-06-12 | 江苏中科君芯科技有限公司 | Igbt模块功率循环老化试验装置及方法 |
DE102019103306A1 (de) * | 2018-02-13 | 2019-08-14 | GM Global Technology Operations LLC | Thermische modellbasierte Zustandsbewertung eines IGBT |
CN109738773A (zh) * | 2018-06-19 | 2019-05-10 | 北京航空航天大学 | 一种非平稳工况下igbt模块寿命预测方法 |
CN113591336A (zh) * | 2021-09-30 | 2021-11-02 | 中南大学 | 一种客车车下电源igbt模块寿命预测方法及其系统 |
CN114638119A (zh) * | 2022-03-31 | 2022-06-17 | 河北工业大学 | 电动汽车的igbt功率模块累计损伤度计算方法 |
Non-Patent Citations (2)
Title |
---|
双馈风电变流器IGBT模块功率循环能力评估;李辉;秦星;刘盛权;杨东;杨超;胡姚刚;冉立;唐显虎;;电力自动化设备(第01期);全文 * |
轨道交通用IGBT器件寿命预测技术综述;王彬;曹琳;;机车电传动(第01期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116776747A (zh) | 2023-09-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116776747B (zh) | 一种igbt模块使用寿命计算方法及系统 | |
CN105137963A (zh) | 车辆远程监控与故障诊断方法及装置 | |
CN116470190B (zh) | 动力电池包加热方法、系统、计算机及可读存储介质 | |
CN116853073B (zh) | 一种新能源电动汽车能量管理方法及系统 | |
CN110196365A (zh) | 一种车辆电驱动系统故障诊断方法 | |
CN109840352A (zh) | 一种基于产品平台的内燃机车产品设计系统 | |
CN116625683A (zh) | 一种风电机组轴承故障识别方法、系统、装置及电子设备 | |
CN114688926A (zh) | 一种运载火箭健康检测验证评估系统和方法 | |
CN115079663A (zh) | 一种基于数字孪生技术的车辆动力系统的监控方法及装置 | |
CN116338454A (zh) | 一种新能源汽车的电性能检测方法及装置 | |
CN114320773B (zh) | 一种基于功率曲线分析与神经网络的风电机组故障预警方法 | |
CN111709160B (zh) | 一种基于卡车底盘的行驶动态性能分析优化方法及系统 | |
CN114879632A (zh) | 基于大数据的多模融合车辆故障诊断方法及系统 | |
CN116923100B (zh) | 一种动力电池包修复方法及系统 | |
CN116661428B (zh) | 一种整车性能参数测试方法及系统 | |
CN116945907B (zh) | 一种新能源电动汽车里程计算方法及系统 | |
CN117040351B (zh) | 一种驱动电机控制方法及系统 | |
CN117387967A (zh) | 一种汽车驾驶性能测试方法及系统 | |
CN117952600B (zh) | 一种基于声学数据的新能源汽车电机评价方法及系统 | |
CN117533137A (zh) | 一种电驱动系统故障预警方法及系统 | |
CN117254746B (zh) | 一种驱动电机温度控制方法及系统 | |
CN115357646B (zh) | 一种桥梁状态监测方法及系统 | |
CN117974116A (zh) | 一种基于图像识别的车辆故障辅助诊断系统 | |
CN116247655A (zh) | 一种风电出力预测方法、系统、存储介质及设备 | |
CN118062003A (zh) | 一种新能源汽车自适应巡航控制方法及系统 |
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 |