A Composite Failure Precursor for Condition Monitoring and Remaining Useful Life Prediction of Discrete Power Devices
Shuai Zhao; Shaowei Chen; Fei Yang; Enes Ugur; Bilal Akin; Huai Wang

對剩余使用壽命(RUL)的高精度預測
本文提出了一種充分利用潛在失效前兆(PFPs)構造復合失效前兆(CFP)的方法，該方法直接根據降解模型對 cfp 進行優化，以提高預測性能。明確地導出了降解模型的RUL估計。對于CFP公式，采用遺傳規劃方法對 PFPs進行非線性整合

II. ACCELERATED AGING TEST (AAT) FOR POWER DEVICES
碳化硅場效應晶體管功率循環實驗
通過實驗裝置加速老化，監測6個電氣參數，包括輸入電容 ciss、輸出電容 coss、反向傳輸電容 crss、漏源導通電阻 rds (on)、柵極閾值電壓 vgs (th)和二極管正向電壓 vsd，檢查每個參數在故障時間的演變。在可靠性評估中，如何從這些PFPs 中確定最合適的失效前兆和相應的退化模型是一個挑戰，它們可以更好地促進規則預測。此外，基于單一失效前兆的規則預測對外部因素(如高度異質性)的準確性和魯棒性較差。因此，提出一種既能解決選擇哪個參數的問題，又能充分利用多個 pfps 提供優良的魯爾預測性能的方法是有益的。

III. METHODOLOGY
該文提出了的方法分為兩部分：第一部分，使用一批功率器件的訓練數據集開發CFP，通過優化RUL預測誤差。在第二部分中，利用貝葉斯更新機制和確定的CFP融合公式，根據新測試設備的最新數據，將退化模型更新為其后驗數據。使用后驗模型，可以獲得可靠性特征，包括RUL和95%置信區間（CI）。隨后，建立了隨機退化模型，為RUL預測的計算和比較提供了統一的基礎。

A. 隨機退化模型建立
為了同時評估PFP和CFP的預測性能，本文采用了一種隨機退化模型，該模型有助于根據多個失效前兆進行統一的RUL預測。對于退化模型的制定，考慮到圖4中SiC MOSFET的CM數據特性和退化模型的一般性，我們遵循[17 ]和[19 ]，將第i個設備的s個指標在tj時間的CM數據建成：

為方便后續推導，進行一個log轉換，得到一個新的CM數據D：

對于使用第s個PFP的RUL預測，tj時的剩余使用壽命l定義為：降解過程D第一次超過失效閾值ws的時間，即：

B. 使用訓練數據集進行參數估計
利用一批功率設備的CM數據組成的訓練數據集，隨后建立退化模型（2）的參數估計。在這種情況下，可以獲得Γi，s的參數作為表征訓練數據集中設備的總體特征的先驗。根據回歸理論，它可以通過（2）擬合每個器件的退化路徑來估計 。

結果表明，在訓練數據集存在的情況下，退化模型的參數可以被顯式估計。

C. 使用測試設備的最新數據更新參數
一旦估計出退化模型中的先驗參數，它們就會用從測試裝置獲得的最新CM數據更新到后驗。通過此方法，可以針對測試裝置進行退化模型的定制和個性化，從而顯著提高測試裝置的殘余應力預測精度。參數更新涉及到貝葉斯更新機制，有利于在線應用。參數更新涉及到貝葉斯更新機制，利于在線應用。

通過這種方法，將均值(7)和協方差(8)的先驗分布更新為均值(10)和協方差(11)的后驗分布。因此，從訓練數據集中學習到的退化模型對于測試設備將更加具體。

D. RUL預測
已知CM數據D的情況下，使用第s的pfp的，第i個設備的RUL的累積分布函數(CDF)可以寫成：

對于在線應用，測試裝置的CM數據被連續監控。及時地結合最新信息將提高規則預測的準確性。因此，有必要在給定最新CM數據和失效信息的情況下，重寫（14）。設備在監測時間 tj 沒有實效可以得到條件概率：

對上式求導，可以得到密度函數PDF:

這里，根據文獻[20] ，應用標準正態分布 φ ()的 cdf 的近似值

這個近似值的絕對誤差很小，足夠應用。通過計算，滿足
的lp為：

IV. CFP 建立
A. 融合目標
本文根據最終預測性能，即 RUL的平均絕對誤差(MAE) 制定融合目標。使用第s個PFP時，RIL的MSE為：

B. 數據融合的遺傳程序設計
GP可以通過最大化預定義的目標來挖掘隱式數據結構。與其他融合方法相比，gp 能夠從潛在的 pfps 組中自動選擇合適的，并以非線性的方式確定它們的組合形式。關于 gp 算法的更多細節可以在[24]中找到。將 gp 可從 pfps 中選定候選故障前兆，然后通過一系列數學運算將其融合，從而得到一個最小化RUL的MAE的CFP。只涉及到基本操作，包括乘法、正弦、余弦和對數。這些簡單的操作計算效率高，而且對計算平臺沒有特殊要求。說明所開發的 cfp 可以在常規嵌入式平臺上實現，適用于現場健康評估。

V. 性能說明和比較
比單一的好

總結

以上是生活随笔為你收集整理的1.14阅读论文：A Composite Failure Precursor for Condition Monitoring...Shuai Zhao等的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。