| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第13-25页 |
| 1.1 选题研究背景及意义 | 第13-14页 |
| 1.2 寿命评估的国内外研究现状 | 第14-16页 |
| 1.3 IGBT的失效机理分析 | 第16-21页 |
| 1.3.1 与封装相关的失效 | 第16-19页 |
| 1.3.2 与芯片相关的失效 | 第19-21页 |
| 1.3.3 IGBT的寿命特征参数分析 | 第21页 |
| 1.4 本文研究内容与体系结构 | 第21-25页 |
| 1.4.1 论文主要研究内容 | 第21-22页 |
| 1.4.2 本文的结构安排 | 第22-25页 |
| 2 IGBT的Saber仿真模型 | 第25-35页 |
| 2.1 IGBT的寿命特征参数选择 | 第25-28页 |
| 2.1.1 IGBT关断尖峰电压产生过程 | 第25-26页 |
| 2.1.2 IGBT的集电极-发射极关断尖峰电压分析 | 第26-28页 |
| 2.2 IGBT仿真模型的选择 | 第28-29页 |
| 2.3 Saber仿真模型搭建 | 第29-31页 |
| 2.3.1 Saber软件概述 | 第29页 |
| 2.3.2 仿真模型建立过程 | 第29-31页 |
| 2.3.3 仿真模型参数设置 | 第31页 |
| 2.4 仿真结果及分析 | 第31-34页 |
| 2.5 本章小结 | 第34-35页 |
| 3 思维进化算法优化BP神经网络 | 第35-47页 |
| 3.1 人工神经网络概述 | 第35页 |
| 3.2 BP神经网络 | 第35-41页 |
| 3.2.1 BP神经网络概述 | 第35-36页 |
| 3.2.2 BP神经网络的权值、阈值调整 | 第36-38页 |
| 3.2.3 BP神经网络的训练 | 第38-39页 |
| 3.2.4 BP神经网络在IGBT寿命评估中的应用 | 第39-41页 |
| 3.3 思维进化算法优化BP神经网络 | 第41-45页 |
| 3.3.1 MEA概述 | 第41-42页 |
| 3.3.2 MEA算法基本概念 | 第42-43页 |
| 3.3.3 MEA算法特点 | 第43-44页 |
| 3.3.4 MEA-BP训练 | 第44-45页 |
| 3.4 MEA-BP网络在IGBT寿命评估中的应用 | 第45-46页 |
| 3.5 本章小结 | 第46-47页 |
| 4 NAR动态神经网络 | 第47-55页 |
| 4.1 动态神经网络概述 | 第47-48页 |
| 4.2 NAR动态神经网络 | 第48-50页 |
| 4.3 NAR动态神经网络的学习算法改进 | 第50-52页 |
| 4.4 NAR动态神经网络在IGBT寿命评估中的应用 | 第52-54页 |
| 4.5 本章小结 | 第54-55页 |
| 5 实验结果与分析 | 第55-71页 |
| 5.1 IGBT的NASA加速老化实验数据分析与评价指标 | 第55-59页 |
| 5.1.1 NASA数据集分析 | 第55-57页 |
| 5.1.2 NASA数据预处理 | 第57-59页 |
| 5.1.3 评价指标 | 第59页 |
| 5.2 结果与分析 | 第59-70页 |
| 5.2.1 基于BP神经网络的IGBT寿命评估结果 | 第59-61页 |
| 5.2.2 基于MEA-BP的IGBT寿命评估结果 | 第61-65页 |
| 5.2.3 基于NAR动态神经网络的IGBT寿命评估结果 | 第65-70页 |
| 5.3 本章小结 | 第70-71页 |
| 6 总结与工作展望 | 第71-73页 |
| 6.1 总结 | 第71页 |
| 6.2 工作展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77-79页 |
| 作者简介及读研期间主要科研成果 | 第79页 |
