(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111513891.7 (22)申请日 2021.12.10 (71)申请人 电子科技大 学 地址 611731 四川省成 都市高新区 （西区） 西源大道 2006号 (72)发明人 伍伟　古湧乾　陈勇　 (51)Int.Cl. G06F 30/27(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06F 119/04(2020.01) (54)发明名称 一种基于门控循环单元神经网络的SiC MOSFET器件 寿命预测方法 (57)摘要 本发明公开了一种基于门控循环单元神经 网络的SiC  MOSFET器件寿命预测方法， 其包 括以 下步骤： S1、 获取SiC  MOSFET器件的历史老化数 据； S2、 建立门控循环单元神经网络模型； S3、 建 立模型评价机制并训练神经网络模型； S4、 预测 SiC MOSFET器件的剩余使用寿命。 本发明采用门 控循环单元神经网络来进行寿命 预测， 该神经网 络对时间序列有很好的预测效果， 且网络结构简 单， 模型参数少， 收敛速度快， 具有很好的预测精 度， 对于提高电力电子器件乃至整个系统的可靠 性具非常重要意 义。 权利要求书2页 说明书4页 附图2页 CN 114186492 A 2022.03.15 CN 114186492 A 1.一种基于门控循环单元神经网络的SiC  MOSFET器件寿命预测方法， 其特征在于， 包 括以下步骤： S1、 获取SiC  MOSFET器件的历史老化数据； S2、 建立门控循环单 元神经网络模型； S3、 建立模型评价机制并训练神经网络模型； S4、 预测SiC  MOSFET器件的剩余使用寿命。 2.根据权利要求1所述的基于门控循环单元神经网络的SiC  MOSFET器件寿命预测方 法， 其特征在于， 所述 步骤S1的具体方法为： 获取SiC MOSFET器件在运行过程中漏极与源极之间的导通压降Vds,on， 且需要保证每次 测量都在同一工作条件下进行， 并建立 一个历史老化数据集。 3.根据权利要求1所述的基于门控循环单元神经网络的SiC  MOSFET器件寿命预测方 法， 其特征在于， 所述 步骤S2的具体步骤为： S2‑1、 建立一个更新门， 其计算公式如下： zt＝σ(wz*[xt,ht‑1]) 其中， zt为更新门的门控信号， σ 为sigmoid激活函数， wz为更新门的权重值， xt为当前时 刻的输入数据， ht‑1为上一个单 元节点的输出状态； S2‑2、 建立一个重置门， 其计算公式如下： rt＝σ(wr*[xt,ht‑1]) 其中， rt为重置信号， wr为重置门的权重值， h ’t为当前时刻的候选输出状态， tanh为双 曲正切激活函数， w 为tanh激活函数的权 重值， 表示矩阵中对应元 素相乘； S2‑3、 当前单元节点的输出状态 表达式如下： 其中， ht为当前单元节点的输出状态。 4.根据权利要求1所述的基于门控循环单元神经网络的SiC  MOSFET器件寿命预测方 法， 其特征在于， 所述 步骤S3的具体步骤为： S3‑1、 选择均方根 误差来作为评价指标， 其计算公式如下： 其中， yi为实际值， N 为预测数据点的数量， y ’i为第i次的预测值， 其计算公式如下： y'i＝σ(wi*hi) 其中， hi为神经网络中最后一个单 元节点的ht， wi为σ 激活函数的权 重值； S3‑2、 代入历史老化数据集， 并根据建立好的神经网络模型和评价指标训练神经网络 模型的参数。 5.根据权利要求1所述的基于门控循环单元神经网络的SiC  MOSFET器件寿命预测方 法， 其特征在于， 所述 步骤S4的具体方法为： S4‑1、 当SiC MOSFET器件的Vds,on增加到初始值的120％时， 器件被认为发生 故障而导致权　利　要　求　书 1/2 页 2 CN 114186492 A 2失效， 以此来作为器件的故障预警阈值； S4‑2、 根据训练好的神经网络模型预测后续时刻的值， 判断Vds,on在何时达到故障预警 阈值， 并计算出器件的剩余使用寿命。权　利　要　求　书 2/2 页 3 CN 114186492 A 3