10.14106/j.cnki.1001-2028.2023.1654
基于级联神经网络的SiC MOSFET结温预测模型
对结温进行精准预测和提取仍然是SiC MOSFET器件应用中需要攻克的技术难题,对此,结合粒子群优化-反向传播(PSO-BP)神经网络预测精度高以及径向基函数(RBF)神经网络函数逼近能力强等优点,提出了一种基于PSO-BP与RBF级联神经网络的SiC MOSFET结温预测模型.模型将SiC MOSFET的漏极电流和通态电压作为PSO-BP神经网络的输入,再将PSO-BP神经网络的结温预测值以及插值法得到的温度插值作为RBF神经网络的输入.基于LTspice仿真获取的数据集验证了模型对SiC MOSFET结温预测的有效性.结果表明,该模型对SiC MOSFET结温预测的绝对误差在0.005℃以内,均方根误差和平均绝对误差分别低至0.0082和0.0015,相比单一的BP、PSO-BP以及RBF神经网络模型,其预测精度得到了大大提高.该级联神经网络模型可实现对SiC MOSFET结温(>75℃)的精准预测.
SiC MOSFET、结温预测、级联神经网络、误差
42
TN386.1(半导体技术)
国家自然科学基金;国家自然科学基金;江苏高校青蓝工程资助项目;江苏省研究生科研与实践创新计划项目;江苏省现代教育技术研究所规划课题
2023-05-18(万方平台首次上网日期,不代表论文的发表时间)
共9页
458-466