基于支持向量机的IGBT老化状态评估方法

摘要

为提升功率器件在高可靠性场景下的运行安全性与健康状态评估精度，本研究围绕绝缘栅双极型晶体管(IGBT)的结构特性与老化机理展开深入分析，提出了一种基于特征加权融合与支持向量机(SVM)的老化状态评估方法。基于IGBT加速老化数据集，在矩阵实验室(MATLAB)平台进行对比实验。结果表明：本方法在分类准确率(95.63%)与训练时间(22.17 s)方面均优于传统网格搜索方法，准确率提升4.39个百分点，训练时间缩短近40%,验证了其在IGBT老化状态评估中具有更高的可靠性和实用性。综上所述，该方法有效提高了IGBT老化状态评估的可靠性和效率。

关键词

绝缘栅双极型晶体管 / 特征融合 / 支持向量机 / 超参数优化 / 贝叶斯优化