인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
This paper presents a hybrid deep learning framework for fault diagnosis and degradation prediction of power semiconductor MOSFETs. The proposed model combines a multilayer perceptron for extracting static multi-parameter features with a long short-term memory network for learning temporal degradation patterns, forming a multi-task architecture that facilitates the simultaneous classification of device health states and prediction of future degradation trends. The input dataset integrates MATLAB/Simulink-based simulation data with the NASA Prognostics Center of Excellence MOSFET degradation benchmark dataset. Key degradation-sensitive parameters, such as threshold voltage, drain-source voltage, drain current, on-state resistance, body-diode voltage, and junction temperature, are used as input features. A health-score metric is utilized to classify device states into normal, warning, and fault categories. Validation results demonstrate classification accuracies of 98% and 95% on the validation and test sets, respectively. Overall, these results confirm that the proposed framework effectively captures degradation characteristics and provides a viable foundation for predictive maintenance of power semiconductor devices.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
