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！

龙图腾网获悉合肥工业大学申请的专利基于GRU神经网络的IGBT模块寿命预测模型的构建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：CN115600502B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202211380833.6，技术领域涉及：G06F30/27；该发明授权基于GRU神经网络的IGBT模块寿命预测模型的构建方法是由李新宇;孟子民设计研发完成，并于2022-11-04向国家知识产权局提交的专利申请。

本基于GRU神经网络的IGBT模块寿命预测模型的构建方法在说明书摘要公布了：本发明涉及功率半导体器件中IGBT模块的可靠性分析技术领域，公开了涉及基于GRU神经网络的IGBT模块寿命预测模型的构建方法、使用该构建方法构建出的最优参数的IGBT模块寿命预测模型、以及使用该预测模型对IGBT模块寿命进行预测的方法。本发明从IGBT模块的老化特征量出发，提出一种基于GRU神经网络的寿命预测模型的构建方法。本发明设计合理，在进行模型构建时，对GRU神经网络寿命预测模型采用网格搜索法进行参数调优，改善了对循环神经网络超参数选取过于随机，或仅对已有参考神经网络参数进行微调的问题，所提出的最优参数的GRU神经网络寿命预测模型预测精度更高，在IGBT模块的寿命预测问题上有更好的适配性。

本发明授权基于GRU神经网络的IGBT模块寿命预测模型的构建方法在权利要求书中公布了：1.基于GRU神经网络的IGBT模块寿命预测模型的构建方法，其用于对IGBT模块构建最优参数的GRU神经网络IGBT模块寿命预测模型，其特征在于，所述构建方法包括以下步骤： 步骤一，对IGBT模块进行的功率循环老化试验，获取IGBT模块老化特征量数据，得到实验组数据集与测试组数据集； 步骤二，对IGBT模块老化特征量数据进行预处理，得到处理后的实验组数据集和处理后的测试组数据集；其中，以特定比例将处理后的实验组数据集分割为训练集与验证集； 所述预处理的方法包括： 步骤2.1、用S-G滤波法对IGBT模块老化特征量数据进行滤波处理； 步骤2.2、对滤波后的IGBT模块老化特征量数据进行归一化； 步骤2.3、用滑动窗口法按照一定的窗口大小在预处理后的IGBT模块老化特征量数据上从左向右依次取值，以窗口内部的取值为输入序列X，以取值窗口右侧的第一个数值为输出序列Y，建立老化特征量数据从输入到输出之间的映射关系； 步骤三，确定GRU神经网络框架，初步搭建GRU神经网络模型； 步骤四，使用训练集和验证集对GRU神经网络模型进行训练；以神经网络的训练损失函数及验证损失函数为验证指标，先确定GRU网络的最优隐藏层层数，再确定最优隐藏层节点数、最优训练循环次数，形成基于最优参数的GRU神经网络IGBT模块寿命预测模型； 其中，所述最优隐藏层层数的确定方法为： 用均方根误差函数作为IGBT寿命预测问题的预测指标，以不同的隐藏层层数与不同的隐藏层节点数，分别迭代相同的次数，对比不同层数均方根误差均值，确定最优隐藏层层数； 所述最优隐藏层节点数、所述最优训练循环次数的确定方法为： 先用经验公式确定模型中所有备选隐藏层节点数的情况，再用网格搜索法进行参数调优；所述网格搜索法为在所有候选的参数选择中，通过循环遍历，计算出每一种情况的预测结果； 经验公式为：；N h 是隐藏层神经节点数；N s 是训练集的样本数；N i 是输入层神经元个数；N 0 是输出层神经元个数；a是系数； 选取均方误差作为损失函数，根据简单交叉验证法，以训练损失与验证损失的图线变化趋势确定最优隐藏层节点数、最优循环训练次数； 步骤五，将处理后的测试组数据集代入基于最优参数的GRU神经网络IGBT模块寿命预测模型，验证其网络模型精度及其有效性。

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合肥工业大学，其通讯地址为：230009 安徽省合肥市包河区屯溪路193号；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”。