電子器件關(guān)鍵壽命參數(shù)獲取及性能退化研究

王 嘉， 李志剛， 王博然

(1.河北工業(yè)大學(xué)電磁場(chǎng)與電器可靠性省部共建重點(diǎn)實(shí)驗(yàn)室，天津300130；2.康奈爾大學(xué)，紐約14853)

電子器件關(guān)鍵壽命參數(shù)獲取及性能退化研究

王 嘉1， 李志剛1， 王博然2

(1.河北工業(yè)大學(xué)電磁場(chǎng)與電器可靠性省部共建重點(diǎn)實(shí)驗(yàn)室，天津300130；2.康奈爾大學(xué)，紐約14853)

研究電子器件生命特征、生命信息與潛在缺陷及壽命的相關(guān)性，依賴于其生命信息可靠壽命的預(yù)測(cè)方法。根據(jù)電子器件多參數(shù)多采樣點(diǎn)組成的序列信息矩陣來(lái)研究其性能退化規(guī)律，其中涉及數(shù)據(jù)繁多，需進(jìn)行壓縮。結(jié)合神經(jīng)網(wǎng)絡(luò)，對(duì)包含電子器件序列信息的采樣本點(diǎn)進(jìn)行多方式選取，通過(guò)比較所得誤差來(lái)最終確定采樣點(diǎn)的選取方法；采用主成分分析法對(duì)繼電器序列信息矩陣的列向量進(jìn)行處理，提取出關(guān)鍵性能參數(shù)；構(gòu)造適合的價(jià)值函數(shù)以獲取描述電子器件性能可靠程度的特征量，對(duì)電子器件性能退化進(jìn)行研究。

電子器件；退化；神經(jīng)網(wǎng)絡(luò)；主成分分析

電子器件是火箭、衛(wèi)星等航天系統(tǒng)的重要組成部分，要求其高性能、高可靠、長(zhǎng)壽命，甚至“零缺陷”[1]。如何在一段時(shí)間內(nèi)提取器件的關(guān)鍵參數(shù)，發(fā)現(xiàn)退化模式從而保證“零缺陷”，是本文的研究重點(diǎn)。傳統(tǒng)的可靠性評(píng)估通常是基于產(chǎn)品的故障或壽命終態(tài)特征進(jìn)行，以失效時(shí)間作為統(tǒng)計(jì)分析對(duì)象，通過(guò)對(duì)失效數(shù)據(jù)的統(tǒng)計(jì)推斷得到產(chǎn)品的壽命分布模型，從而進(jìn)行可靠性評(píng)定。但傳統(tǒng)方法經(jīng)常遇到失效數(shù)據(jù)太少或無(wú)失效數(shù)據(jù)的難題，尤其是對(duì)高可靠、長(zhǎng)壽命和昂貴的產(chǎn)品[2]，而對(duì)于經(jīng)過(guò)篩選的整批元件要求在裝機(jī)前預(yù)測(cè)某個(gè)具體元件的工作性能，在某種情況下，元件不能進(jìn)行完全壽命實(shí)驗(yàn)，甚至不能進(jìn)行壽命實(shí)驗(yàn)。因此，怎樣通過(guò)測(cè)量電子器件初態(tài)部分?jǐn)?shù)據(jù)來(lái)獲取關(guān)鍵參數(shù)以及退化規(guī)律很有研究意義[3-5]。

目前，對(duì)于電子器件性能退化的研究已取得一定的發(fā)展。國(guó)內(nèi)外學(xué)者研究了支持向量機(jī)[2,6]、小波包[7]、隱型馬爾可夫模型[8]、動(dòng)態(tài)概率模型[9]、數(shù)據(jù)融合理論[10]、AR模型[11]、針對(duì)Winner過(guò)程的Bayes算法[12]等各種方法在性能退化評(píng)估領(lǐng)域的應(yīng)用，并設(shè)計(jì)了應(yīng)用于關(guān)鍵設(shè)備的在線監(jiān)測(cè)與故障診斷系統(tǒng)[13]。

本文采用BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)對(duì)電子器件測(cè)得的原始數(shù)據(jù)進(jìn)行處理，通過(guò)比較誤差選擇出一種可信度更高的采點(diǎn)及分組方法，然后用主成分分析法對(duì)每個(gè)組進(jìn)行處理，得到綜合的具有代表性的數(shù)據(jù)，進(jìn)而對(duì)繼電器的整體性能進(jìn)行評(píng)估，研究其退化規(guī)律。

1 BP神經(jīng)網(wǎng)絡(luò)應(yīng)用

BP神經(jīng)網(wǎng)絡(luò)是一種多層前饋型神經(jīng)網(wǎng)絡(luò)，它可以實(shí)現(xiàn)從輸入到輸出空間的非線性映射，通過(guò)若干簡(jiǎn)單非線性處理單元的復(fù)合映射，可獲得復(fù)雜的非線性處理能力。BP網(wǎng)絡(luò)模型已成為神經(jīng)網(wǎng)絡(luò)的重要模型之一，在很多領(lǐng)域得到了應(yīng)用。如函數(shù)逼近、模式識(shí)別、分類以及數(shù)據(jù)壓縮等[14]。

BP神經(jīng)網(wǎng)絡(luò)通常用來(lái)進(jìn)行預(yù)測(cè)，給定當(dāng)前序列信息，在一定誤差范圍內(nèi)通過(guò)訓(xùn)練和學(xué)習(xí)能夠預(yù)測(cè)下一個(gè)時(shí)刻的序列信息[15]。本文從相反角度來(lái)使用BP神經(jīng)網(wǎng)絡(luò)：給定當(dāng)前序列信息和下一個(gè)時(shí)刻的序列信息，通過(guò)構(gòu)建相應(yīng)的神經(jīng)網(wǎng)絡(luò)以及采用不同的分組方式得到預(yù)測(cè)誤差。

大小來(lái)決定選用的取點(diǎn)方案。

表1 電子器件各取點(diǎn)方式下的誤差分布

2 主成分分析法的使用

2.1 主成分分析法思想

在處理多元樣本數(shù)據(jù)時(shí)，首先遇到的問(wèn)題就是數(shù)據(jù)繁多。假設(shè)有個(gè)對(duì)象，每個(gè)對(duì)象觀測(cè)個(gè)數(shù)據(jù)，則有×個(gè)數(shù)據(jù)。如何從這些數(shù)據(jù)中提取主要規(guī)律，從而分析樣本甚至總體

主成分分析法能消除各指標(biāo)之間的相互影響，進(jìn)而減少選擇參數(shù)指標(biāo)的工作量；當(dāng)評(píng)級(jí)指標(biāo)較多時(shí)還可以在保留絕大部分信息的情況下用少數(shù)幾個(gè)綜合指標(biāo)代替原指標(biāo)進(jìn)行分析，主成分的權(quán)數(shù)就是其貢獻(xiàn)率，避免其他方法確定權(quán)數(shù)的缺陷。因此本文選用主成分分析法輔助研究[16-17]。

2.2 主成分分析法的數(shù)學(xué)推導(dǎo)

由以上數(shù)學(xué)推導(dǎo)可知：各主成分貢獻(xiàn)率(各主成分占總體比例)大小能夠表示各主成分的高低，因此可以用貢獻(xiàn)率來(lái)直接表示主成分的比重。

2.3 主成分分析法的新用法

在選取主成分時(shí)，要求其累積主成分貢獻(xiàn)率不小于85%，即選取的有代表性的主成分能表示出原始數(shù)據(jù)的85%以上的信息。一般達(dá)到這個(gè)要求需選取2至3個(gè)主成分，但會(huì)提高退化模型的維數(shù)，對(duì)性能退化研究造成一定困難[18]。能否在保證信息量的同時(shí)又使選取的主成分更少，更直觀地體現(xiàn)出電子器件的性能，是本文要解決的一個(gè)難題。

主成分載荷能夠表示原變量與主成分之間的相關(guān)程度，即所得到的主成分與每個(gè)原始變量的相關(guān)系數(shù)。

由于：

即：

則主成分載荷的計(jì)算為：

通過(guò)計(jì)算主成分載荷，對(duì)電子器件進(jìn)行兩方面分析：(1)假設(shè)第一主成分載荷絕對(duì)值都很大，即得到的綜合變量與每個(gè)原始變量都有較大關(guān)系，則選擇第一主成分作為退化綜合數(shù)據(jù)進(jìn)行研究；(2)假設(shè)第一主成分載荷的絕對(duì)值僅在某幾個(gè)變量處較大，其他變量處相對(duì)可以忽略，那么得到的第一主成分是這幾個(gè)變量的綜合，同時(shí)證明這幾個(gè)變量對(duì)電子器件的退化影響最大，則選擇第一主成分作為退化綜合數(shù)據(jù)后，著重分析主成分載荷大的變量。

第一種情況下選擇第一主成分，能保證退化綜合變量不會(huì)摒棄任何一個(gè)原始變量，綜合所有的變量對(duì)電子器件性能退化的影響。第二種情況下選擇第一主成分，重點(diǎn)考慮分析對(duì)性能退化影響最大的幾個(gè)變量的貢獻(xiàn)。

3 實(shí)例分析

以繼電器為例，對(duì)其兩個(gè)觸點(diǎn)在20℃時(shí)(排除溫度影響)測(cè)量五個(gè)參數(shù)(接觸電阻、最大電阻、彈跳時(shí)間、動(dòng)作時(shí)間和穩(wěn)定時(shí)間)[19]，記錄60個(gè)采樣點(diǎn)，所有數(shù)據(jù)間隔不等，跨度從0到492萬(wàn)次。將60個(gè)點(diǎn)分成6組，按照第一節(jié)所述用神經(jīng)網(wǎng)絡(luò)分別在三種取點(diǎn)方式下對(duì)所得的采樣點(diǎn)進(jìn)行處理，得到表2～表4及圖1和圖2。

由圖1和圖2可見，連續(xù)取點(diǎn)時(shí)第一個(gè)觸點(diǎn)的誤差較大，并且呈現(xiàn)上升趨勢(shì)；第二個(gè)觸點(diǎn)雖然略有下降，但是相對(duì)其余兩種方法仍然有很大偏差。間隔兩個(gè)點(diǎn)取點(diǎn)時(shí)第一個(gè)觸點(diǎn)誤差呈現(xiàn)上升趨勢(shì)，盡管在第二個(gè)觸點(diǎn)誤差相對(duì)較小，仍不足以信賴；間隔一個(gè)點(diǎn)取點(diǎn)時(shí)所得到的誤差最小，即用采集到的繼電器觸點(diǎn)的五個(gè)原始測(cè)量數(shù)據(jù)來(lái)預(yù)測(cè)未來(lái)時(shí)刻的信息產(chǎn)生的偏差最小，因此選擇間隔一個(gè)點(diǎn)取點(diǎn)的方式來(lái)進(jìn)行下一步研究。

表3 間隔一個(gè)點(diǎn)取點(diǎn)時(shí)兩個(gè)觸點(diǎn)的誤差

表4 間隔兩個(gè)點(diǎn)取點(diǎn)時(shí)兩個(gè)觸點(diǎn)的誤差

圖1 第一個(gè)觸點(diǎn)誤差

圖2 第二個(gè)觸點(diǎn)誤差

確定取點(diǎn)方式后，根據(jù)主成分分析法的，用式(3)和式(4)計(jì)算原始數(shù)據(jù)每個(gè)組相關(guān)系數(shù)矩陣的特征值和特征向量，用式(8)和式(9)來(lái)計(jì)算其第一主成分載荷。具體數(shù)據(jù)如表5、表6所示。

由圖3、圖4可見：第一主成分的載荷在每個(gè)組特征一致，即除個(gè)別的點(diǎn)外，第一主成分與每個(gè)原始變量相關(guān)系數(shù)的絕對(duì)值都較大，主成分載荷分布集中，并且圍繞著1和-1波動(dòng)。表明實(shí)例研究要選取的第一主成分是綜合每一個(gè)變量得到的能代表各個(gè)組的特征量。

本文主要目的是研究電子器件退化規(guī)律，因此我們以圖表為基礎(chǔ)分析各主成分走勢(shì)，見圖5。

通過(guò)圖5可見繼電器各個(gè)觸點(diǎn)第一主成分的走勢(shì)，每組第一主成分綜合了繼電器各觸點(diǎn)的五個(gè)主要參數(shù)，是綜合的具有代表性的變量。綜上所述隨著繼電器使用次數(shù)的增多，第一主成分微弱的上升然后呈現(xiàn)下降趨勢(shì)，排除測(cè)量噪聲以及其他隨機(jī)效應(yīng)的干擾，體現(xiàn)在繼電器本身，是整體性能隨著時(shí)間累積發(fā)生退化。

表5 觸點(diǎn)一的各組第一主成分的載荷

表6 觸點(diǎn)二的各組第一主成分的載荷

圖3 第一個(gè)觸點(diǎn)主成分載荷

圖4 第二個(gè)觸點(diǎn)主成分載荷

圖5 第一個(gè)觸點(diǎn)誤差

4 結(jié)論

隨著電子器件使用次數(shù)的增多，其性能發(fā)生退化，反映在綜合變量參數(shù)上，是一種下降的趨勢(shì)。本文提供了一種電子器件關(guān)鍵參數(shù)獲取及性能退化的研究方法，并用數(shù)學(xué)公式推導(dǎo)了主成分分析法，通過(guò)主成分分析法得到的第一主成分是綜合了電子器件各性能參數(shù)的特征量，它代表電子器件整體的工作狀態(tài)；其載荷體現(xiàn)電子器件退化與哪些參數(shù)關(guān)系更大。通過(guò)對(duì)繼電器進(jìn)行研究實(shí)驗(yàn)驗(yàn)證了方法的可行性。

[1]FRANCO F J，ZONG Y，JUAN A．Degradation of power bipolar operational amplifiers in a mixed neutron and gamma environment [J]．IEEE Transactions on Nuclear Science，2007，54(4)：982-988．

[2]胡昌華，胡錦濤，張偉，等．支持向量機(jī)用于性能退化的可靠性評(píng)估[J]．系統(tǒng)工程與電子技術(shù)，2009，31(5)：1246-1249．

[3]HUA C，ZHANG X Q．Long-term potential performance degradation analysis method based on dynamical probability model[J]．Expert Systems with Applications，2012，39：4410-4417．

[4]KEEDY E，F(xiàn)ENG Q． A physics-of-failure based reliability and maintenance modeling framework for stent deployment and operation[J]．Journal Homepage，2012，61(2)：94-101．

[5]ANIL V，VIRKAR．A model for degradation of electrochemical devices based on linear non-equilibrium thermodynamics and its application to lithium ion batteries[J]．Journal of Power Sources，2011，196：5970-5984．

[6]PAN Y N，CHEN J，DONG G M．A hybrid model for bearingperformance degradation assessment based on support vectordata description and fuzzy c-means[J]．Journal of Mechanical Engineering Science，2009，223:2687-2695．

[7]潘玉娜，陳進(jìn)．小波包-支持向量數(shù)據(jù)描述在軸承性能退化評(píng)估中的應(yīng)用研究[J]．振動(dòng)與沖擊，2009，28(4)：164-167．

[8]肖文斌，陳進(jìn)，周宇，等． 小波包變換和隱馬爾可夫模型在軸承性能退化評(píng)估中的應(yīng)用[J]．振動(dòng)與沖擊，2011，30(8)：32-35．

[9]華成，張慶，徐光，等．動(dòng)態(tài)概率模型跟蹤性能退化的實(shí)時(shí)可靠性評(píng)估方法[J]．西安交通大學(xué)學(xué)報(bào)，2010，44(1)：46-50．

[10]彭寶華，周經(jīng)倫，孫權(quán)，等．基于退化與壽命數(shù)據(jù)融合的產(chǎn)品剩余壽命預(yù)測(cè)[J]．系統(tǒng)工程與電子技術(shù)，2011，33(5)：1073-1078．

[11]呂克洪，邱靜，劉冠軍．基于動(dòng)態(tài)損傷及優(yōu)化AR模型的電子器件壽命預(yù)測(cè)方法研究[J]．兵工學(xué)報(bào)，2009，30(1)：91-95．

[12]彭寶華，周經(jīng)倫，潘正強(qiáng)．Wiener過(guò)程性能退化產(chǎn)品可靠性評(píng)估的Bayes方法[J]．系統(tǒng)工程理論與實(shí)踐，2010，30(3)：543-549 ．

[13]朱義，基于CHMM的設(shè)備性能退化評(píng)估方法研究[D]．上海：上海交通大學(xué)，2009．

[14]孫宇，曾衛(wèi)東，趙永慶，等．基于BP神經(jīng)網(wǎng)絡(luò)的TC11鈦合金工藝-性能模型預(yù)測(cè)[J]．稀有金屬材料與工程，2011，40(11)：1951-1955．

[15]吳桂芳，蔣益虹，王艷艷，等．基于獨(dú)立主成分和BP神經(jīng)網(wǎng)絡(luò)的干紅葡萄酒品種的鑒別[J]．光譜學(xué)與光譜分析，2009，29 (5)：1268-1271．

[16]SCHWEIZER K，CATTIN P C，BRUNNER R，et al．Automatic selection of a representative trial from multiple measurements using Principle component analysis[J]．Journal of Biomechanics，2012，45(13)：2306-2309．

[17]傅榮林．主成分綜合評(píng)價(jià)模型的探討[J]．系統(tǒng)工程理論與實(shí)踐，2001(11)：68-74．

[18]宗培，曹雷，邵國(guó)良，等．焊接結(jié)構(gòu)質(zhì)量的主成分分析[J]．機(jī)械工程學(xué)報(bào)，2005，41(5)：65-73．

[19]姚芳，李志剛，李玲玲，等．繼電器觸點(diǎn)接觸電阻的時(shí)間序列短期預(yù)測(cè)[J]．中國(guó)電機(jī)工程學(xué)報(bào)，2005，25(1)：61-65．

Study on key life parameters acquisition and performance degradation of electronic devices

WANG Jia1,LI Zhi-gang1,WANG Bo-ran2

The relationship of the potential defect and life with life characteristic and information were studied,and the life prediction depending on life initial information was introduced.The performance degradation rules of the relays were studied based on the sequence information matrix that contains many parameters and sampling points.The mass of data related had to be compressed.Some methods combined with neural network were used to select the sample of sequence information,and the choosing method of samples was determined by comparing the errors.To extract the key performance parameters,the column vectors of sequence information matrix were processed with principal component analysis.The proper value function was constructed to acquire the characteristic quantity which can describe the comprehensive performance reliability of the relays. The performance degradation model of the relays was studied.

electronic device;degradation;neural network;principal component analysis

TM 315

A

1002-087 X(2015)04-0810-05

2014-09-12

國(guó)家自然科學(xué)基金（61072100，51107029）

王嘉（1988—），女，河北省人，博士生，主要研究方向?yàn)殡娖骺煽啃约皦勖A(yù)測(cè)；導(dǎo)師：李志剛（1958—），男，河北省人，教授，博士生導(dǎo)師，主要研究方向?yàn)殡娖骺煽啃约捌錂z測(cè)技術(shù)。