买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉河北工业大学申请的专利基于ISFO-SVM模型的IGBT结温预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114611411B 。

龙图腾网通过国家知识产权局官网在2025-07-29发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210328272.9，技术领域涉及：G06F30/27；该发明授权基于ISFO-SVM模型的IGBT结温预测方法是由李玲玲;武定山;刘佳琪;杨海跃;刘伯颖;李忠涛设计研发完成，并于2022-03-31向国家知识产权局提交的专利申请。

本基于ISFO-SVM模型的IGBT结温预测方法在说明书摘要公布了：本发明提出一种IGBT结温预测的方法。步骤如下：通过IGBT老化加速试验模拟IGBT老化进程，获取IGBT结温、饱和压降、集电极电流、老化次数等数据，并对数据进行归一化处理；设置改进旗鱼算法和支持向量机模型的参数；运行改进旗鱼算法，获得支持向量机模型中的最优惩罚因子和核函数的最优参数；将优化得到的最优参数带入到支持向量机模型中，并训练改进旗鱼算法优化的支持向量机ISFO‑SVM模型；将预测数据输入到ISFO‑SVM模型中得到预测结果，并对预测结果进行反归一化。结果表明，在RMSE、MAPE、R2性能指标下，ISFO‑SVM模型的预测性能更好，结温预测值与实际结温的拟合度更高，弥补了现有IGBT结温预测方法预测精度低的不足，实现了对IGBT结温的有效预测。

本发明授权基于ISFO-SVM模型的IGBT结温预测方法在权利要求书中公布了：1.基于ISFO-SVM模型的IGBT结温预测方法，其特征在于，该方法通过构建基于改进旗鱼算法优化支持向量机模型ISFO-SVM来对IGBT结温进行预测，具体步骤是： 步骤1，通过IGBT功率循环老化加速试验获取IGBT结温、饱和压降、集电极电流、老化次数数据，并对数据进行归一化处理； 步骤2，设置改进旗鱼算法和支持向量机模型的参数； 步骤3，运行改进旗鱼算法，获得支持向量机模型中的最优惩罚因子和核函数的最优参数； 步骤4，将优化得到的最优惩罚因子和核函数最优参数带入到支持向量机模型中，并训练改进旗鱼算法优化的支持向量机ISFO-SVM模型； 步骤5，将预测数据输入到ISFO-SVM模型中得到预测结果，并对预测结果进行反归一化； 步骤6，显示输出IGBT结温预测结果； 进一步，所述步骤1的具体实现方法包括以下步骤： 步骤1.1，为了获取IGBT模块在全生命周期下的退化数据，设计了IGBT功率循环老化试验和单脉冲测试试验，从而获取包含IGBT的饱和压降，集电极电流，结温和老化循环次数的数据集S； 步骤1.2，对获取的数据集S进行随机混淆及归一化处理并按比例分别划分为训练数据和测试数据，将功率循环次数N、饱和压降Vce和集电极电流Ic作为模型的输入部分；结温Ti作为模型的输出部分； 步骤1.3，对上述数据进行归一化处理； 式中，A为待归一化的变量的值，Amin为变量的最小值，Amax为变量的最大值，AN为该变量归一化后的数值； 进一步，所述步骤2设置的参数包括：改进旗鱼算法中的种群数量，改进旗鱼算法的最大迭代次数，支持向量机模型中惩罚因子C的搜索范围，支持向量机模型核函数参数g的范围以及改进旗鱼算法中的种群维数； 进一步，所述步骤3的具体实现方法包括以下步骤： 步骤3.1，初始化改进旗鱼算法的旗鱼种群和沙丁鱼种群的个体位置，并计算每个个体的目标函数值； 步骤3.2，对每个个体的位置和目标函数值进行排序，记录当前最优个体位置和最优目标函数值； 步骤3.3，引入自适应非线性化迭代因子更新旗鱼个体的位置，引入Levy飞行策略更新沙丁鱼个体的位置； 步骤3.4，引入差分变异策略，不断搜索并更新旗鱼种群和沙丁鱼种群中个体的位置，判断是否达到最优收敛；若满足，则得到模型的最佳参数，输出最优旗鱼个体位置Xx1，x2，分别对应SVM模型的最优惩罚因子C和核函数的最优参数g；若不满足，则返回并继续执行步骤3.2； 进一步，所述步骤3中选取均方根误差作为目标函数，采用训练数据优化支持向量机模型的内部参数； 改进旗鱼算法根据此时个体位置的目标函数值来判断更新后的位置是否优于原位置，并决定在后面的搜索过程中是否使用更新后的位置，目标函数描述如下： 式中，为[0，1]的随机数； 所述步骤3.3的具体实现方法为： 步骤3.3.1，引入自S适应非线性化迭代因子更新旗鱼个体的位置； 由于迭代初期旗鱼个体随机分布，为了提升旗鱼个体的在寻优时的能力，在旗鱼的位置更新公式中引入自适应非线性化迭代因子，加快旗鱼个体的寻优能力；其中，旗鱼种群用XsF表示； 第t次迭代时第i个旗鱼个体的自适应非线性化迭代因子的更新公式描述如下： 旗鱼的位置更新公式为： 式中，表示第t次迭代时，旗鱼种群中的最佳个体位置；表示第t次迭代时，沙丁鱼种群中的最佳个体位置；表示第t次迭代时，待更新旗鱼个体的位置；λγ系数的定义见公式6： λi＝2×rand0,1×PD-PD6式中，PD表示猎物群的密度，用公式7详细描述： 式中，NSF代表旗鱼的数量，NS代表沙丁鱼的数量； 步骤3.3.2，引入Levy飞行策略更新沙丁鱼个体的位置；其中，沙丁鱼种群用XF表示； 原始旗鱼算法中沙丁鱼的位置更新公式如公式8所示： 式中，表示第t次迭代时第i个旗鱼个体的自适应非线性化迭代因子，表示第t次迭代时，旗鱼种群中的最佳个体位置，表示第t次迭代时，待更新沙丁鱼个体的位置；AP代表旗鱼的攻击力度，其详细表述见公式9： AP＝A×1-2×Itr×e9 式中，A，e表示旗鱼攻击力度的控制系数，使旗鱼攻击力度从A线性变换到0； 当AP0.5时，也就是说旗鱼的攻击力度较强时，用公式8更新全部沙丁鱼的位置；当AP0.5时，此时旗鱼的攻击力度较低，只需要更新部分沙丁鱼位置； 部分沙丁鱼位置的范围定义如下： α＝NS×AP10 β＝di×AP11 式中，ɑ表示更新沙丁鱼的数量，β表示沙丁鱼更新的维度数量，di第i次迭代时的变量数； 为了提高沙丁鱼种群的随机性和搜索空间的多样性，引入Levy飞行策略，此时的沙丁鱼的位置更新公式为： 式中，t为当前迭代次数，d为位置向量的维数，表示第t次迭代时，待更新沙丁鱼个体的位置； Le′vy飞行的式子可以描述为： 式中，r1r2为两个随机数，取值范围为[0，1]，β＝1.5，σ可以计算为： 式中，Γx＝x-1！ 因此，先根据公式9计算旗鱼的攻击力度AP，当AP0.5时，也就是说旗鱼的攻击力度较强时，用改进后的沙丁鱼位置更新公式12更新全部沙丁鱼的位置；当AP0.5时，此时旗鱼的攻击力度较低，则根据公式10、11计算需要位置更新的沙丁鱼的数量和维度，再用改进后的沙丁鱼位置更新公式12对其更新； 所述步骤3.4的具体实现方法为： 为避免在搜索过程中陷入局部收敛，引入差分变异策略中的DEcurrenttobest1策略对种群个体的向量进行变异，在每一轮搜索后期加入差分变异策略来增加群体的多样性；公式表述如下： 式中，p1≠p2≠p3，为差分向量，F∈[0.1，0.9]为缩放因子，hi,t为第i个位置在第t次搜索的变异向量，得到变异向量后，进行交叉操作为： 式中，ui,t为第i个搜索位置的交叉变量，j0为维数中的一个随机值，每次交叉操作仅涉及个体的一个维度，pCR∈[0，1]为交叉概率； 进行选择操作，保留目标函数值较优向量作为下一代个体，选择操作表示为： 按照上式，不断搜索并更新种群个体的位置，判断是否达到最优收敛，若满足，则得到模型的最佳参数，输出最优旗鱼个体位置Xx1，x2，分别对应SVM模型的最优惩罚因子C和核函数的最优参数g；若不满足，则返回并继续执行步骤3.2； 进一步，所述步骤4的具体实现方法为：将步骤3得到的最优惩罚因子C和核函数的最优参数g输入至支持向量机模型，组成改进旗鱼算法优化的支持向量机ISFO-SVM模型，利用优化后的最优惩罚因子C和核函数的最优参数g训练支持向量机模型； 进一步，所述步骤5进行反归一化处理如公式18所示： 式中，T′i为反归一化后的结温预测值，为步骤4得到的归一化的结温预测值，Tmax、Tmin为步骤1.3中结温变量的最大值和最小值； 进一步，所述步骤6的具体实现方法为：在计算机的显示屏上输出步骤5中得到的ISFO-SVM模型对IGBT结温的预测图以及显示利用不同模型对IGBT结温预测的误差曲线图、误差直方图。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人河北工业大学，其通讯地址为：300401 天津市北辰区西平道5340号河北工业大学；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。