Predicción a largo plazo de la vida útil de dispositivos de potencia MOSFET basada en algoritmos LSTM y GRU
Autores: Ibrahim, Mesfin Seid; Abbas, Waseem; Waseem, Muhammad; Lu, Chang; Lee, Hiu Hung; Fan, Jiajie; Loo, Ka-Hong
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Predicción a largo plazo de la vida útil de dispositivos de potencia MOSFET basada en algoritmos LSTM y GRU
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Dispositivos de potencia MOSFET
Modelo de pronóstico
Datos de degradación de precursores de falla
LSTM
GRU
Prueba de ciclaje de potencia
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 36
Citaciones: Sin citaciones
Predecir la vida útil a largo plazo de los dispositivos MOSFET de potencia desempeña un papel central en la prevención de fallas sin precedentes para los MOSFET de potencia utilizados en aplicaciones críticas de seguridad. Los diversos enfoques tradicionales basados en modelos y algoritmos estadísticos y de filtrado para la pronóstica tienen limitaciones en cuanto a manejar la naturaleza dinámica de los datos de degradación del precursor de falla para estos dispositivos. En este documento, se desarrolla un modelo pronóstico basado en LSTM y GRU que tiene como objetivo estimar la vida útil a largo plazo de los MOSFET de potencia discretos utilizando datos de degradación del precursor de falla dominante. Se ha diseñado y ejecutado una prueba acelerada de ciclismo de potencia para recopilar datos del precursor de falla. Con este propósito, los MOSFET de potencia disponibles comercialmente pasaron pruebas de ciclismo de potencia en diferentes condiciones de oscilación de temperatura y se recopilaron datos del precursor de falla potencial utilizando un trazador de curvas automatizado después de ciertos intervalos. Los datos de degradación de la resistencia en estado activo identificados como uno de los precursores de falla dominantes y precursores de envejecimiento potenciales han sido analizados utilizando algoritmos basados en RNN, LSTM y GRU. Se encontró que los modelos LSTM y GRU son superiores en comparación con RNN, con un MAPE de 0.9%, 0.78% y 1.72% para MOSFET 1; 0.90%, 0.66% y 0.6% para MOSFET 5; y 1.05%, 0.9% y 0.78% para MOSFET 9, respectivamente, pronosticados a 40,000 ciclos. Además, se examina la robustez de estos métodos utilizando datos de entrenamiento en 24,000 y 54,000 ciclos de puntos de inicio y puede predecir con precisión la vida útil a largo plazo, evaluada por los métricos MAPE, MSE y RMSE. En general, los resultados de la predicción mostraron que los algoritmos de pronóstico desarrollados estaban entrenados para proporcionar predicciones de vida útil efectivas, precisas y útiles y se encontró que abordaban las preocupaciones de confiabilidad de los dispositivos MOSFET de potencia para aplicaciones prácticas.
Descripción
Predecir la vida útil a largo plazo de los dispositivos MOSFET de potencia desempeña un papel central en la prevención de fallas sin precedentes para los MOSFET de potencia utilizados en aplicaciones críticas de seguridad. Los diversos enfoques tradicionales basados en modelos y algoritmos estadísticos y de filtrado para la pronóstica tienen limitaciones en cuanto a manejar la naturaleza dinámica de los datos de degradación del precursor de falla para estos dispositivos. En este documento, se desarrolla un modelo pronóstico basado en LSTM y GRU que tiene como objetivo estimar la vida útil a largo plazo de los MOSFET de potencia discretos utilizando datos de degradación del precursor de falla dominante. Se ha diseñado y ejecutado una prueba acelerada de ciclismo de potencia para recopilar datos del precursor de falla. Con este propósito, los MOSFET de potencia disponibles comercialmente pasaron pruebas de ciclismo de potencia en diferentes condiciones de oscilación de temperatura y se recopilaron datos del precursor de falla potencial utilizando un trazador de curvas automatizado después de ciertos intervalos. Los datos de degradación de la resistencia en estado activo identificados como uno de los precursores de falla dominantes y precursores de envejecimiento potenciales han sido analizados utilizando algoritmos basados en RNN, LSTM y GRU. Se encontró que los modelos LSTM y GRU son superiores en comparación con RNN, con un MAPE de 0.9%, 0.78% y 1.72% para MOSFET 1; 0.90%, 0.66% y 0.6% para MOSFET 5; y 1.05%, 0.9% y 0.78% para MOSFET 9, respectivamente, pronosticados a 40,000 ciclos. Además, se examina la robustez de estos métodos utilizando datos de entrenamiento en 24,000 y 54,000 ciclos de puntos de inicio y puede predecir con precisión la vida útil a largo plazo, evaluada por los métricos MAPE, MSE y RMSE. En general, los resultados de la predicción mostraron que los algoritmos de pronóstico desarrollados estaban entrenados para proporcionar predicciones de vida útil efectivas, precisas y útiles y se encontró que abordaban las preocupaciones de confiabilidad de los dispositivos MOSFET de potencia para aplicaciones prácticas.