買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉合肥工業大學申請的專利基于GRU神經網絡的IGBT模塊壽命預測模型的構建方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115600502B 。

龍圖騰網通過國家知識產權局官網在2025-09-05發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202211380833.6，技術領域涉及：G06F30/27；該發明授權基于GRU神經網絡的IGBT模塊壽命預測模型的構建方法是由李新宇;孟子民設計研發完成，并于2022-11-04向國家知識產權局提交的專利申請。

本基于GRU神經網絡的IGBT模塊壽命預測模型的構建方法在說明書摘要公布了：本發明涉及功率半導體器件中IGBT模塊的可靠性分析技術領域，公開了涉及基于GRU神經網絡的IGBT模塊壽命預測模型的構建方法、使用該構建方法構建出的最優參數的IGBT模塊壽命預測模型、以及使用該預測模型對IGBT模塊壽命進行預測的方法。本發明從IGBT模塊的老化特征量出發，提出一種基于GRU神經網絡的壽命預測模型的構建方法。本發明設計合理，在進行模型構建時，對GRU神經網絡壽命預測模型采用網格搜索法進行參數調優，改善了對循環神經網絡超參數選取過于隨機，或僅對已有參考神經網絡參數進行微調的問題，所提出的最優參數的GRU神經網絡壽命預測模型預測精度更高，在IGBT模塊的壽命預測問題上有更好的適配性。

本發明授權基于GRU神經網絡的IGBT模塊壽命預測模型的構建方法在權利要求書中公布了：1.基于GRU神經網絡的IGBT模塊壽命預測模型的構建方法，其用于對IGBT模塊構建最優參數的GRU神經網絡IGBT模塊壽命預測模型，其特征在于，所述構建方法包括以下步驟： 步驟一，對IGBT模塊進行的功率循環老化試驗，獲取IGBT模塊老化特征量數據，得到實驗組數據集與測試組數據集； 步驟二，對IGBT模塊老化特征量數據進行預處理，得到處理后的實驗組數據集和處理后的測試組數據集；其中，以特定比例將處理后的實驗組數據集分割為訓練集與驗證集； 所述預處理的方法包括： 步驟2.1、用S-G濾波法對IGBT模塊老化特征量數據進行濾波處理； 步驟2.2、對濾波后的IGBT模塊老化特征量數據進行歸一化； 步驟2.3、用滑動窗口法按照一定的窗口大小在預處理后的IGBT模塊老化特征量數據上從左向右依次取值，以窗口內部的取值為輸入序列X，以取值窗口右側的第一個數值為輸出序列Y，建立老化特征量數據從輸入到輸出之間的映射關系； 步驟三，確定GRU神經網絡框架，初步搭建GRU神經網絡模型； 步驟四，使用訓練集和驗證集對GRU神經網絡模型進行訓練；以神經網絡的訓練損失函數及驗證損失函數為驗證指標，先確定GRU網絡的最優隱藏層層數，再確定最優隱藏層節點數、最優訓練循環次數，形成基于最優參數的GRU神經網絡IGBT模塊壽命預測模型； 其中，所述最優隱藏層層數的確定方法為： 用均方根誤差函數作為IGBT壽命預測問題的預測指標，以不同的隱藏層層數與不同的隱藏層節點數，分別迭代相同的次數，對比不同層數均方根誤差均值，確定最優隱藏層層數； 所述最優隱藏層節點數、所述最優訓練循環次數的確定方法為： 先用經驗公式確定模型中所有備選隱藏層節點數的情況，再用網格搜索法進行參數調優；所述網格搜索法為在所有候選的參數選擇中，通過循環遍歷，計算出每一種情況的預測結果； 經驗公式為：；N h 是隱藏層神經節點數；N s 是訓練集的樣本數；N i 是輸入層神經元個數；N 0 是輸出層神經元個數；a是系數； 選取均方誤差作為損失函數，根據簡單交叉驗證法，以訓練損失與驗證損失的圖線變化趨勢確定最優隱藏層節點數、最優循環訓練次數； 步驟五，將處理后的測試組數據集代入基于最優參數的GRU神經網絡IGBT模塊壽命預測模型，驗證其網絡模型精度及其有效性。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人合肥工業大學，其通訊地址為：230009 安徽省合肥市包河區屯溪路193號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。