摘要：绝缘栅双极型晶体管（IGBT）作为电力电子系统的核心器件，因其高效率和高开关频率等特性广泛应用于工业控制、交通运输和新能源发电等领域。然而，其内部键合线在长期运行中，易受热应力与电流冲击的影响发生老化与断裂，这也成为IGBT模块失效的主要原因之一。为精准评估键合线的健康状态，提出一种结合卷积神经网络（CNN）、注意力机制与长短期记忆网络（LSTM）的混合模型。通过剪断键合线实验采集短路电流数据，并基于短路电流偏差量将健康状态划分为健康、受损和故障3类，而CNN用于提取短路电流的局部特征，注意力机制聚焦关键时间步的异常变化，LSTM捕捉短路电流的时序依赖关系，从而实现对键合线失效状态的精准分类。结果表明，该模型在验证集上的分类准确率较高，能够有效区分键合线的不同健康状态。研究成果为IGBT模块的健康监测与失效诊断提供了科学依据，具有重要的工程应用价值。

      关键词：IGBT器件；键合线；卷积神经网络；长短期记忆网络；健康状态评估

      中图分类号：TM28     文献标识码：A