摘要：针对现有的绝缘栅双极型晶体管(IGBT)功率模块键合线状态评估方法存在故障指示参数提取复杂、未考虑工作条件变化以及时效性不高等问题,提出基于遗传算法(GA)优化最小二乘支持向量机(LS-SVM)的IGBT模块键合线状态评估方法。首先搭建H桥逆变器电路和VCE在线测量电路。其次对IGBT模块进行人为的键合线拆断实验,建立环境温度、正向导通电流和饱和压降的三维数据模型。最后利用GA优化后的LS-SVM对三维数据模型进行状态评估。由三维数据模型可知,健康的IGBT和键合线断裂的IGBT在饱和压降曲面上具有很好的区分度。经过算法分析得出,GA-LS-SVM对IGBT键合线故障等级分类的总准确率达到96. 67%,比标准SVM提高13. 3%,比LS-SVM提高6. 7%,且运行时间明显减少。研究结果表明,该方法可以有效实现对IGBT模块键合线故障的在线监测。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社