● 摘要
随着科学技术的不断进步，电子设备的结构越来越复杂、设计呈现精密化且功能逐渐集成。先进的技术和高度的集成使电子设备具备强大的功能，在系统运行过程中起到了关键作用。与此同时，在电子设备发生故障时，将会对整个系统造成严重影响，带来巨大的经济损失，甚至危及生命安全。因此，对电子设备进行监测、发现隐含的故障和问题就显得极其重要。对于具有大规模集成电路的电子设备，往往具有故障检测时间长、检测工具精度要求高、故障诊断困难和维护费用高等诸多问题。面对复杂的电子设备，故障的预防与诊断远比设备维护和故障维修更加节省费用，也越来越受到重视。而故障预测技术的关键在于数据的提取和处理，这些都归结为趋势分析方面的问题。
本文针对以上问题，选取绝缘栅双极型晶体管（IGBT）的故障数据作为研究对象，进行基于特征提取的性能衰退趋势分析技术研究。
首先，对IGBT的结构、工作原理和失效原因进行研究，在此基础上选取合适的IGBT特性参数作为处理对象，并对参数进行预处理。通过对特征提取方法的研究，尝试选用经验模态分解（EMD）和局部光滑三角基（LTT）两种提取方法分别对数据进行处理，从中选用效果较好的EMD方法的处理结果。在提取结果的基础上使用反向传播（BP）神经网络和支持向量机（SVM）两种方法实现对IGBT的趋势预测，通过对比分析选用神经网络方法的预测结果。在对产品状态进行评估的过程中，引入了参数健康状态指标、剩余寿命（RUL）误差率和预测灵敏度，通过案例验证了参数的意义，并对产品的健康状态进行了评估。在文章的最后对本文的工作进行了总结，并对下一步的研究方向进行了展望。