基于改进DBO优化BiLSTM的IGBT老化预测模型

来源：电子测量技术杂志2024年第1期北京时间：

作者：韩素敏，赵国帅，尚志豪，余悦伟，郭宇

单位：1.河南理工大学电气工程与自动化学院 焦作 454003; 2.河南省煤矿装备智能检测与控制重点实验室 焦作 454003

摘要：为了表征逆变器故障中IGBT模块的老化趋势，提高老化过程的预测精度，本文提出一种基于改进蜣螂搜索算法（IDBO）优化双向长短期神经网络（BiLSTM）超参数的IGBT老化预测模型。首先提取老化过程中Vce.on的时频域特征，利用核主成分分析进行降维构建归一化综合指标。其次，针对蜣螂搜索算法（DBO）的不足，通过引入改进Circle混沌映射、Levy飞行和自适应权重因子提升了DBO寻优能力和收敛性能，利用IDBO对BiLSTM预测模型超参数实现全局寻优。最后，通过实际IGBT退化数据验证了基于IDBO优化BiLSTM老化预测模型的有效性和优越性。结果表明，所构建的IDBOBiLSTM模型与BiLSTM模型相比RMSE平均下降36.42%、MAE平均下降31.77%、MAPE平均下降41.03%。

关键词：蜣螂搜索算法;BiLSTM神经网络;Levy飞行策略;IGBT;老化预测

基金资助：河南省科技攻关项目(202102210094)、国家重点研发计划专项(2016YFC0600906)、河南理工大学博士基金(B2021-23)项目资助