针对目前碳化硅金属氧化物半导体场效应晶体管SiC MOSFET( silicon carbide metal-oxide-semiconductor field-effect transistor)实际工况中在线寿命预测难度大的问题，提出1种基于粒子群优化-反向传播PSO-BP( particle swarm optimization-back propagation)神经网络的SiC MOSFET模块寿命预测数字化实现方法。首先，利用导通压降平台提取SiC MOSFET的导通压降作为温敏电参数，建立基于实验数据的结温预测方案；其次，利用功率循环加速老化实验平台，提取老化特征数据，建立基于PSO-BP神经网络的寿命预测方案；然后，将结温预测方案与寿命预测方案移植到可编程阵列逻辑中，实现SiC MOSFET寿命预测数字化；最后，设计了验证电路。实验表明，数字化显示的结温与真实结温的误差为4.73 ℃，与真实寿命次数的误差百分比为4.1%，证明所提寿命预测方法得到了数字化实现，并能够准确预测SiC MOSFET模块的寿命次数。