(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211237652.8 (22)申请日 2022.10.10 (71)申请人 国营芜湖机 械厂 地址 241000 安徽省芜湖市湾里机场 (72)发明人 郑永龙　单奕萌　胡晨　 (74)专利代理 机构 北京汇信合知识产权代理有 限公司 1 1335 专利代理师 戴凤仪 (51)Int.Cl. G06F 30/20(2020.01) G06F 17/18(2006.01) G06F 17/15(2006.01) G06F 119/02(2020.01) G06F 119/04(2020.01) G06F 119/12(2020.01) (54)发明名称 基于ARIMA模型的MOSFET 寿命预测方法 (57)摘要 本发明涉及电力电子电路领域， 具体是基于 ARIMA模型的MOSFET寿命预测方法， 其具体步骤 如下： S1、 待分析时间序列； S2、 平稳性检验； S3、 模型参数自动选择； S4、 残差检验； S5、 预测模型 测试和评估； S6、 MOSFET寿命预测模型； 本发明通 过MOSFET功率循环试验平台， 采 集与功率MOSFET 寿命密切相 关的特征参数导通电阻Rds(on)， 采用 ADF单根检验与差分法对MOSFET特征参数导通电 阻Rds(on)原始数据进行平稳化处理， 结合自相关 函数ACF与偏 自相关函数PACF进行参数估计， 最 后构建ARIMA模型， 实现MOSFET剩余使用寿命预 测。 权利要求书3页 说明书7页 附图6页 CN 115495924 A 2022.12.20 CN 115495924 A 1.基于ARIMA模型的MOSFET 寿命预测方法， 其特 征在于： 其具体步骤如下： S1、 待分析时间序列： 通过MOSFET可靠性实验平台提取的表征器件寿命 的特征参数导 通电阻Rds(on)， 在进行模型预测前， 对原始数据进行检测， 剔除明显的异常和空值， 得到待分 析时间序列； S2、 平稳性检验： 应用ARIMA模型预测MOSFET剩余使用寿命的基础， 采集数据的时间序 列是则为平稳序列即可进入下一 步， 否则序列数据差分处 理； S3、 模型参数自动 选择： 模型参数包括三个参数， 即 d值， p值和q值， 通过步骤S2可获得d 值， p值和q值是通过基于赤池信息量准则AIC和贝叶斯信息准则 BIC获得， 输入信号最大p值 和最大q值以及差分阶数d就可以得到最佳p值和q值， 即p＝5和q＝0； S4、 残差检验： 通过Durbi n‑Watson对残差的一阶自相关性进行检验； S5、 预测模型测试和评估： a、 单步预测： 以导 通电阻作为 健康指标， 采用单步预测的方式对 模型进行测试； b、 多步预测： 以导通电阻作为健康指标， 根据电子电子器件相关标准和专家经验设立 一个阈值， 可以得到真实剩余使用寿命记为RealRUL； S6、 MOSFET寿命预测模型： MOSFET剩余寿命已知可对剩余寿命进行评估， 如果只有阶段 的历史数据， 可根据阈值的大小预测到 达阈值所需的时间， 如步骤S5中b所描述。 2.根据权利要求1所述的基于ARIMA模型的MOSFET寿命预测方法， 其特征在于： 所述的 步骤S1中， MOSFET可靠性 实验平台的具体提取方法为： 实验平台位于恒温箱中， 可模拟器件 实际工作环 境条件； 通过功 率循环模拟实际工况， 在此基础上提取导通电阻Rds(on)作为寿命 预测数据， 建立可靠的ARIMA模型。 3.根据权利要求1所述的基于ARIMA模型的MOSFET寿命预测方法， 其特征在于： 所述的 步骤S2中， ARIMA模 型需将非平稳时间序列转化为平稳时间序列， 然后 将因变量仅对它的滞 后值以及随机误差项的当前值和滞后值进行回归所建立的模型， 表达式为： 其中， φ为AR系数， θ 为MA系数； 时间序列模型即A RIMA需要三个主要参数， 即自回归模型阶数p、 移动平均MA模型阶数q 和时间序列呈现平稳自相关时的差分时间d； 自回归模型AR： 自回归过程， 记为AR(p)， p阶自回归过程可表达为： xt＝φ1xt‑1+φ2xt‑2+…+φpxt‑p+ut     (2) 其中φi是回归参数， ut是白噪声过程， 自回归过程可以解释为由xt的p个之前的加权以 及ut相加而成； 带入滞后算子可表示 为： (1‑φ1L‑φ2L2‑…‑φpLp)xt＝Φ(L)xt＝ut    (3) 式中， L只是用一个符号代替运算， 无实际意义， 与回归模型联系在一起的应该是平稳 性， 当特征方程Φ(L)＝0的所有根的绝对值都大于1， 则该过程为一个平稳过程， 数学表达 为： Φ(L)＝1 ‑φ1L‑…‑φpLp＝(1‑G1L)(1‑G2L)...(1‑GpL)   (4)权　利　要　求　书 1/3 页 2 CN 115495924 A 2式中， 为Φ(L)＝0的根， 更 换一下xt和ut关系的表达方式， 有： 因此， xt有平稳性的条件时Φ(L)‑1必须收敛， 即|Gi|＜1， 如果Φ(L)‑1发散， 计算得出的 xt的行为就会随时间改变， 就 不满足平稳的基本思想， 移动平均模型： MA为移动平均过程， 记为MA(q)， q阶平均移动过程可表示 为： xt＝ut+θ1ut‑1+θ2ut‑2+…+θqut‑q   (6) 其中， θi是回归参数， ut是白噪声过程， xt是ut和ut的q个滞后项的加权和构造而成， 代入 滞后算子可写为： xt＝(1+θ1L+θ2L2+…+θqLq)ut      (7) 简写为： xt＝Θ(L)ut    (8) 而移动平均过程和自回归过程的重点 不同， 移动回归过程主 要在意过程的可逆性： Θ(L)＝(1+θ1L+θ2L2+…+θaLq)＝0    (9) 在定义中， 移动平均过程具有可逆性条件为式(9)全部根 绝对值大于1， 转 化形式为： θ(L)‑1xt＝ut       (10) 设 为特征方程的解， θ(L)可表示 为： θ(L)＝(1 ‑H1L)(1‑H2L)...(1‑HqL)       (11) 即： 为了保证MA(q)过程可以转化为一个无限阶自回归过程， 即MA(q)具有可逆性的条件是 Θ(L)‑1收敛， 如果θ(L)‑1发散， xt也将发散， 失去平稳性， Θ(L)‑1收敛须有|Hj|＜1， 因为对式 (11)为零的解为Lj＝1/Hj， 要使Li在单位圆外， |1/ Hj|要大于1， 故需|Hj|＜1， ARIMA模型： 一个随机过程含有d个单位根， 则其经过d次差分之后可以变换成一个平稳的自回归移 动平均过程， 考虑模型： Φ(L)Ddyt＝θ(L)ut    (13) 其中， Ddyt表示yt经过d次查分变为平稳过程， Φ(L)、 Θ(L)分别为平稳过程的自回归算 子、 平稳过程的移动平均算子， 取xt＝Ddyt， 则上述模型 可表示为： Φ(L)xt＝Θ(L)ut      (14)。 4.根据权利要求3所述的基于ARIMA模型的MOSFET寿命预测方法， 其特征在于： 所述的 步骤S2中， 采用ADF单根检验数据平稳性， 当ADF检验不为0时， 表示通过检验； 若ADF检验结 果为0， 对其进 行差分处理， 直到ADF检验 结果不为0； 通过matlab程序分析， 原数据的一阶差 分为平稳序列， 即d＝1。 5.根据权利要求1所述的基于ARIMA模型的MOSFET寿命预测方法， 其特征在于： 所述的 步骤S4中， 根据检验统计量d值进行判断， 由于d近似等于2(1 ‑ρ )， 该统计量值越接近2越好， 在1～3之间说明没问题， 小于1说明残差存在自相关性， 若没有通过DW检验， 则需要修改模权　利　要　求　书 2/3 页 3 CN 115495924 A 3