寿命预测模型	优点	缺点
塑性应变模型 [35] $\frac{Δ ε}{2} = \frac{{σ^{'}}_{f}}{E} {(2 N_{f})}^{b} + {ε^{'}}_{f} {(2 N_{f})}^{c}$ 式中，Δε是应变范围，σ_f^’是疲劳强度系数，E是弹性模量，N_f是功率循环周期数，b是疲劳强度指数，ε_f^’是疲劳延性系数，c是疲劳延性指数。	循环周期温度波动较大(高周疲劳)时以塑性应变为主(Coffin-Manson模型)，循环周期温度波动较小(低周疲劳)时以弹性应变为主(Basquin模型)，塑性应变模型结合了Coffin-Manson模型和Basquin模型的特点，可以全面的描述IGBT器件在功率循环过程中的弹塑性应变疲劳过程。	没有考虑功率循环实验中循环频率、温度对于应变的影响，仅从金属疲劳的方面对于IGBT器件进行寿命预测，模型预测精度不高。
Syed蠕变模型 [36] $N_{f} = {[(0.022 D_{g b s}) + (0.063 D_{m c})]}^{- 1}$ 式中，D_gbs和D_mc分别指在晶界滑移和点阵蠕变在每个循环过程中积累起来的等效蠕变。	Syed蠕变模型可以反应在快速的温度上升率、刚性连接和低温变化循环下发生的失效机理的转变：晶界滑移到点阵蠕变的变化，增加了金属疲劳预测的准确度。	Syed模型由于没有考虑塑性应变所以不适用于高温低频循环下的疲劳应变寿命预测，因为塑性应变只有在其应变率很低的情况下才可以被忽略。
Pan能量模型 [37] $C = N_{f} (a E_{p} + b E_{c})$ 式中，C为应变能在温度循环过程中不断积累达到的一个临界值，N_f为循环寿命，常数a、b是利用有限元分析的结果进行多元线性回归分析而确定的，E_p和E_c是分别是从有限元分析得到的塑性应变能和蠕变能。	模型是基于塑性应变能和蠕变能对于金属疲劳进行寿命预测的，无论是对于焊接式IGBT器件还是压接型IGBT器件均有很好的适用性。	基于能量的模型需要有限元和试验的数据，并且在复杂的工作环境中失效机理会有很多变化，所以在准确预测器件寿命方面存在一些问题。
Stolkarts疲劳损伤模型 [38] $N_{f} = \frac{1 - {(1 - d_{f})}^{k - 1}}{(k + 1) L}$ 式中，N_f是失效时的循环周期数。d_f代表失效损坏总数，k为材料常数，L定义为 $L = \int f d t \approx 常数$ ，其中f为在还没有损坏的材料上损坏的初始速率。	基于损伤的Stolkarts疲劳模型是利用蠕变和塑性应变的推导，同时也应用了应力-应变滞后回线，可以适用于任何停留温度、温度上升率等不同的功率循环曲线。	疲劳损伤模型需要通过有限元方法和实验确定IGBT器件的应力-应变滞后曲线，耗费时间长，计算难度大。