[发明专利]SiC MOSFET模块全生命周期结温在线预测方法

权利要求书

1.SiC MOSFET模块全生命周期结温在线预测方法，其特征在于，具体按照以下步骤实施：

步骤1，采用一个全新的SiC MOSFET模块做功率循环直到模块完全老化失效；在功率循环期间采样该SiC MOSFET模块的电气参数作为数据集，所述电气参数为Vds、Id和R，其中Vds为饱和压降，Id为电流值，R为电阻值；

步骤2，建立SiC MOSFET模块结温预测模型，所述SiC MOSFET模块结温预测模型包括依次连接的第一BP神经网络模型和第二BP神经网络模型，所述第一BP神经网络模型的输入对应Vds、Id和R，所述第一BP神经网络模型的输出对应实时的功率循环次数Nc，所述第一BP神经网络模型的输出与第二BP神经网络模型的一个输入相对应；

步骤3，采用所述数据集对SiC MOSFET模块结温预测模型进行训练；

步骤4，将训练好的SiC MOSFET模块结温预测模型移植到FPGA的RAM中，所述FPGA与被测的SiC MOSFET模块连接，在被测的SiC MOSFET模块实际运行中，输入电流Id，实时输出对应的结温Tc。

2.如权利要求1所述的SiC MOSFET模块全生命周期结温在线预测方法，其特征在于，所述步骤1中采样的具体步骤为：在直流电源设定好电流数值Id，所述电流数值Id随机取[1,150]范围内的数值，结温从30℃起，采用间隔采样的方法获取电气参数，采样频率在老化初期为2000次功率循环，在老化后期为1000次功率循环。

3.如权利要求1所述的SiC MOSFET模块全生命周期结温在线预测方法，其特征在于，所述第一BP神经网络模型的输入层神经元个数为3个，分别对应Vds、Id和R，输出层神经元个数为1个，对应Nc。

4.如权利要求3所述的SiC MOSFET模块全生命周期结温在线预测方法，其特征在于，所述第一BP神经网络模型的隐含层神经元个数为7个。

5.如权利要求1所述的SiC MOSFET模块全生命周期结温在线预测方法，其特征在于，所述第二BP神经网络模型的输入层神经元个数为4个，分别对应Vds、Id、R和第一BP神经网络模型的输出。

6.如权利要求1所述的SiC MOSFET模块全生命周期结温在线预测方法，其特征在于，所述第二BP神经网络模型的隐含层神经元个数为9个。