毛紐扣接觸件可靠性優(yōu)化研究

Abstract：The fuzz buton connector represents anovel type ofverticalinterconnection electromechanical component， which mainlyconsistsofafuzzbuttoncontact，an insulating mounting plate，anda printed circuit board（PCB）.The fuzz buttoncontactisthecorecomponentofthistypeofelectricalconnectorthatisresponsibleforconductingandbreakingloads. Byconstructinga digital prototype model ofthe fuzz buton contact，andbasedonexperimentsand tests，theresearch was conductedontheperformancedegradationpaternofthefuzzuttoncontact，andadegradationmodelwasestablishedbased on the Wiener stochastic processes.On this basis，anLSTMdeep learning neural network model was apliedto achieve rapid calculationofthedegradation of pressng force，rebound，andresistanceof thefuzzbutton contactover time.The optimal design of the median life of the wool button contact at was carried out，and the optimal material characteristic parameters，processmanufacturing parameters andreliabilitymodel were finallyobtained.Afterreliabilityoptimization，the median life of the button contact at 125C was 77.5h ，which could meet the service life requirements.

Keywords： fuzz button contact; neural network;reliability optimization;median lifespan

0 引言

進人21世紀以來，我國對裝備智能化、體系化、協(xié)同化要求越來越高，需要高質量、高效益和快迭代的發(fā)展。大規(guī)模集成電路（LSI）和超大規(guī)模集成電路（VLSI的廣泛應用顯著提升了電路的性能。隨著彈載、星載、機載及信息化單兵系統(tǒng)等武器裝備的有效載荷性能提升和結構變化，電氣互連技術需要相應地提高信息傳輸的低延遲、可靠性和實時性。

電連接器作為連接器的重要類別，是電氣互連技術的功能承載基礎單元之一，主要用以實現(xiàn)在失真和損耗允許的范圍內有源器件之間的功率傳輸和信號傳遞，具有導通狀態(tài)下低電阻、開斷狀態(tài)下真正物理絕緣的優(yōu)點，是完成信號傳遞、執(zhí)行控制、系統(tǒng)配電等功能的關鍵元器件。

1 毛紐扣接觸件簡介

毛紐扣連接器21是一種新型的垂直互連機電元器件，一般由毛紐扣接觸件、絕緣安裝板以及印制板等組成，具有體積小、微波性能好、工作瀕段寬、易拆卸和低延遲等優(yōu)點，被廣泛應用于汽車電子、航空航天以及軍事等領域。毛紐扣連接器的互連原理為：機械壓合后產生一定的彈性形變，同時提供一定的軸向正應力，進而實現(xiàn)印制板間的垂直連接。毛紐扣接觸件作為該類電連接器承擔導通和分斷負載的核心零件，其工藝過程是將極細的金屬合金絲進行編織、任意纏繞和壓縮，進而形成結構隨機性，如圖1所示。

壓合力、回彈以及電阻是衡量毛紐扣接觸件力[4學性能和電學性能[5的主要外在性能特征參數，兩類參數隨壓縮量的變化反映的是毛紐扣接觸件的抗壓性能和接觸機制。性能特征參數在使用過程中的表現(xiàn)變化直接決定了毛紐扣接觸件的可靠性及壽命水平。

對毛紐扣接觸件可靠性存在影響的因素歸納為3類：（1）材料性能；（2）工藝過程；（3）使用條件，如圖2所示。這些因素之間相互影響，彼此之間相互不獨立，呈現(xiàn)出相互耦合共同影響毛紐扣接觸件可靠性。

為了使毛紐扣接觸件滿足使用壽命要求，可以通過可靠性設計優(yōu)化實現(xiàn)，通過構造概率目標或者概率約束考慮影響產品性能（性能特征參數）的多方面不確定因素。本文將以毛紐扣 125°C 使用環(huán)境下中位壽命72h為目標，通過研究毛紐扣接觸件數字樣機模型及退化規(guī)律，構建毛紐扣包含圖2主要材料、設計及工藝制造過程關鍵因素的可靠性模型，應用LSTM深度學習神經網絡模型實現(xiàn)目標的可靠性優(yōu)化，得到關鍵因素的最優(yōu)集合。

2 毛紐扣接觸件數字模型及退化規(guī)律研究

2.1毛紐扣數字樣機建立

毛紐扣接觸件的制造過程主要包括繞制和纏繞工藝，用于形成毛壞，然后將毛壞放入特定模具中進行模壓成型。纏繞工藝是其中的關鍵步驟，主要是按照一定的工藝過程參數將螺旋彈簧繞制在模具的芯軸上，從而形成螺旋卷。本文以毛坯的纏繞工藝為基礎，在考慮原材料及工藝過程的基礎上，運用數字工藝技術與數值動態(tài)重構等方法，構建具有復雜螺旋網狀結構特征的毛紐扣接觸件數字樣機模型，最大程度還原其多孔無序隨機互穿的結構特征。若假設單根彎曲螺旋彈簧的旋轉軸線是一條圓柱螺旋線，給定螺旋彈簧的纏繞參數時，得到旋轉軸線如圖3所示。

參數方程可以表示為：

式中：

0一角度參數，單位為度；

N—螺旋卷的圈數;

Z₀ 一軸的起始坐標點。

在起始坐標點建立局部坐標系OiXiYiZi，在螺旋線的起始坐標點位置 （R，0，Z0 ）處建立局部坐標系OiXiYiZi，其X1軸方向始終延螺旋線切線方向，使用正弦函數對在OiXiYiZi和OiXiYiZi平面內的折絲形狀進行等效，得到其上折絲形狀的方程可以表示為：

在式（2）中，Xi表示旋轉軸線表示從起始坐標點Zo開始的長度，計算公式為：

綜合式（1）、（2）和（3），可以得到在全局坐標系下螺旋彈簧的參數方程可以表示為：

根據式（4），通過螺旋彈簧的持續(xù)自傳，局部坐標系隨著旋轉軸線的移動而不斷更新迭代，從而計算出單根毛紐扣接觸件螺旋彈簧的全局坐標參數，如圖4（a）所示。基于上述方法，根據前文給出的參數值，按照毛紐扣接觸件工藝過程中的螺旋彈簧纏繞規(guī)則在三維建模軟件中生成螺旋卷，如圖4（b）所示。再將其導入至有限元軟件中，進而完成從毛壞工藝到模壓成型為毛紐扣接觸件的工藝流程，如圖4（c）所示。通過數字模擬工藝技術構建的毛紐扣接觸件有限元模型，能夠準確再現(xiàn)其內部的真實結構形態(tài)。這使得整個纏繞工藝流程得以數字化模擬，從而成功構建了具有幾何復雜網狀結構的毛紐扣接觸件有限元模型。

圖5展示了毛壞成型為毛紐扣接觸件的演化過程。毛壞通過3個典型的模壓階段逐步成型為毛紐扣接觸件：在模壓階段I，毛壞在芯軸施加的壓力作用下長度縮短，且鈹銅絲在不同方向上發(fā)生微小的相對位移。這一相對位移導致鈹銅絲之間的相互擠壓，促使毛壞更好地適應模具形狀，并且有助于鈹銅絲之間的交織與交互，進而提升毛坯的整體穩(wěn)定性，如圖5（b）所示；在模壓階段II，隨著接觸滑移和擠壓的深入，鈹銅絲之間相互勾連，形成初步的定型結構，毛坯內部的鈹銅絲緊密連接，增強了整體的強度與穩(wěn)定性，同時毛壞開始呈現(xiàn)毛紐扣接觸件的雛形，如圖5（c）所示；在模壓階段III，毛壞完成定型，鈹銅絲之間的緊密結合與結構穩(wěn)定性確保了毛坯形狀與功能的完整性，毛紐扣接觸件的整體性能和質量得到保障，具備了毛紐扣接觸件的最終特征，如圖5（d）所示。經過進一步的擠壓，毛壞最終達到所需的長度，完成毛紐扣接觸件的成型，如圖5（e）所示。因此，鈹銅絲之間的相互勾連是形成毛紐扣接觸件定型能力的關鍵因素，它有效防正了散絲和漲絲等不良現(xiàn)象，確保了毛紐扣接觸件的形態(tài)穩(wěn)定性。

2.2毛紐扣接觸件退化失效分析

根據相關工程經驗，毛紐扣連接器的主要退化失效模式為：連接器斷路、壓合力大于閾值、壓合力小于閾值、毛紐扣接觸件的露出高度小于閾值、接觸電阻大于閥值。研究高溫工作環(huán)境下毛紐扣接觸件性能的退化失效規(guī)律。結果如圖6所示。

毛紐扣接觸件受溫度[8，]影響顯著，高溫下壓力隨時間退化。不同溫度下毛紐扣接觸件壓合力、尺寸退化程度、接觸電阻增加程度分別見圖6（a）、6（b）、6（c），壓合力、尺寸和接觸電阻增加程度均隨時間退化，變化趨勢相同，均表現(xiàn)為前100h變化快， 100～900h 趨于穩(wěn)定。此外還有毛紐扣接觸件回彈性能的退化，表現(xiàn)的現(xiàn)象是毛紐扣接觸件經過一段時間溫度環(huán)境，尺寸明顯變短，如圖7所示。其原因是毛紐扣接觸件在溫度環(huán)境下，應力松弛和蠕變同時[10，1] 發(fā)生。

3基于LSTM神經網絡預測模型的可靠性優(yōu)化方法

本節(jié)在前述所建立的材料屬性參數退化模型以及毛紐扣接觸件性能退化結果的基礎上，采用LSTM（LongShort-TermMemory）神經網絡算法實現(xiàn)對退化過程的準確預測，進而建立起壓合力、回彈和電阻隨時間退化的快速計算方法，以提高優(yōu)化效率。

LSTM是一種改進的循環(huán)神經網絡（RNN），其結構通常包含輸入層、兩個隱含層以及輸出層。一個標準的LSTM單元由3個門控單元構成：遺忘門、輸入門和輸出門，如圖10所示。這些門控機制可以幫助LSTM在處理數據時精確控制應該被保留和遺忘的信息。與傳統(tǒng)標準的RNN相比，LSTM引入了更為復雜的結構來維護和更新內部狀態(tài)，即細胞狀態(tài)（Cellstate）。LSTM有效緩解了長序列訓練中梯度消失或梯度爆炸的問題，能夠更好地捕捉長期依賴關系，特別適合用于處理復雜的時間序列數據。

根據LSTM具有處理時間序列數據的優(yōu)勢，并能夠有效捕捉毛紐扣接觸件性能退化過程中潛在的長期依賴關系。通過訓練歷史性能數據，LSTM能夠迅速學習毛紐扣接觸件在不同時間點的退化規(guī)律，進而準確預測毛紐扣接觸件的性能退化過程，顯著提高預測的精度和可靠性。

遺忘門決定h-i和x中應該被遺忘的信息，輸入門的計算向量決定被更新到細胞狀態(tài)中 C_t-1 進一步，根據遺忘門和輸入門的計算結果更新得到當前時刻的細胞狀態(tài) G₁ 由更新后的細胞狀態(tài)計算輸出門，以獲取當前時間步的隱藏狀態(tài)h和最終輸出yt。

遺忘門實現(xiàn)有條件的信息舍棄，計算公式為：

f_t=sigmoid（W_f[h_t-1，x_t]+b_f）

輸入門的作用是控制信息的輸入，由兩部分組成：一個sigmoid層決定需要被更新的值，一個tanh層創(chuàng)建新的候選值向量，計算公式為：

i₁=sigmoid（Wf[ht-1，xt]+bi）

g_t=tanh（W_g[h_t-1，x_t]+b_g）

結合遺忘門和輸入門的信息更新單元狀態(tài)，計算公式為：

C_{t=ft*Ct-1+it*}g_t

輸出門的作用是決定輸出的滿足需要信息，同時輸出的預測值會經過tanh函數進行縮放，計算公式為：

o₁=sigmoid（W₀[h_t-1，x_t]+bo）

h_l=Ot^*tanh（C_t）

y_t=g（W_yh_t+b_y）

式中：

fr、it、g C₁， ot、h、yi—遺忘門、輸入門、輸入節(jié)點、細胞節(jié)點、輸出門、短時狀態(tài)、輸出；

Wf、Wi、 W_g 、 W₀ ！ W_y 一遺忘門、輸入門、輸出門、輸出的權重矩陣；Sigmoid，tanh—激活函數;

[]—矩陣拼接;

*一逐元素相乘。

Adam優(yōu)化算法（AdaptiveMomentEstimation）是一種結合了自適應學習率和動量方法的優(yōu)化算法，它在深度學習中廣泛應用。使用Adam優(yōu)化算法在傳統(tǒng)梯度下降的基礎上融合自適應學習率和動量概念，從而可以有效加速深度學習神經網絡的訓練收斂過程。每次訓練迭代中，Adam算法會計算梯度的一階矩估計（即梯度的指數加權移動平均）和二階矩估計（即梯度平方的指數加權移動平均），并基于這些估計值來調整參數更新。這種方式不僅提升了參數更新的效率和準確性，還解決了傳統(tǒng)梯度下降中需要手動設置學習率以及訓練過程較慢等問題。Adam算法的更新規(guī)則如下：

每一輪迭代中，計算梯度：

式中：

一損失函數; 一模型的參數。

一階矩估計值 更新計算公式為：

m_t=β_s1m_t-1+（1-β_s1）g_t

二階矩估計值V更新計算公式為：

v_t=β_s2v_t-1+（1-β_s2）g_t²

式中， β_sl 和 β_s2 是超參數，一般取值為0.9和0.999，分別控制一階和二階矩的衰減速率。

由于 m_tn 和 u_tn 在初期值會偏小，需進行偏差修正，偏差修正公式分別為：

式中， t_n 表示當前的迭代次數。

模型參數g更新計算公式為：

∝ e一學習率; Δk 一常數，用以避免除零錯誤，通常設置為 10^-8

根據LSTM構建毛紐扣接觸件性能退化預測模型，模型由輸入層、兩個隱含層和輸出層組成，其超參數包括學習率、隱含層層數、迭代次數等，流程如圖11所示。

主要包括：

（1）整理毛紐扣接觸件在不同高溫工作環(huán)境下的性能退化數據，包括毛紐扣接觸件在一定時間間隔內的性能退化數據（壓合力、回彈和電阻）以及相關的特征參數（溫度、材料屬性參數、工藝過程參數等）。對收集到的數據進行清洗，去除異常值和缺失值，確保數據質量；

（2）對數據進行標準化或歸一化處理，保證不同特征參數處于相同的尺度，以避免某些特征參數因量綱不同對模型訓練產生異常影響。根據退化數據的時間戳，將數據按照時間順序排列，形成連續(xù)的時間序列。每個時間步的數據點包含接觸件的性能參數和特征參數。再使用滑動窗口技術，將數據劃分為訓練集和測試集；

（3）通過LSTM捕捉數據中的時間依賴關系，學習輸入序列與毛紐扣接觸件性能退化之間的復雜非線性關系。通過進行多次迭代，以尋找最優(yōu)參數。在完成模型的訓練和測試后，對數據進行逆歸一化操作，以獲得預測結果。隨后，將預測值與測試集的實際值進行對比分析，通過反復調整參數，不斷優(yōu)化模型，以提升預測精度；

（4）最終，輸出毛紐扣接觸件性能的退化預測數據。

4毛紐扣接觸件可靠性優(yōu)化結果

以毛紐扣接觸件在 125°C 下的中位壽命提升進行單目標優(yōu)化，構造的目標函數為：

式中，T125℃.0.5表示毛紐扣接觸件在 125°C 下的中位壽命。在前期研究中已經明確材料、工藝過程等參數的邊界條件為：

優(yōu)化設計流程如圖12所示。確定優(yōu)化目標和邊界條件，構建材料屬性參數和工藝過程參數隨機組合下的毛紐扣接觸件數字樣本模型，并進行450h的性能退化仿真。再根據前述建立的毛紐扣接觸件性能退化LSTM預測方法，快速計算得到毛紐扣接觸件的性能退化數據，并進行可靠性評估，進而得到中位壽命。

評估目標函數值是否滿足，在沒有達到收斂條件時，更新設計變量并重復上述循環(huán)，直到達到收斂條件，獲得可靠性優(yōu)化設計最優(yōu)解如表2所示。

據此最優(yōu)參數域，生成毛紐扣接觸件數字樣機模型，并進行退化仿真和可靠性評估，結果如圖13所示，可以看出可靠性優(yōu)化后毛紐扣接觸件在125°C 的中位壽命為 77.5h ，從而滿足了的中位壽命的要求。

參考文獻

[1] HuangR，KongZG，WanyBY，etal.Researchonmechanicalconstitutivemodeloffuzzbuttonconnector[J].JournalofPhysics;ConferenceSeries，2020，1626（1）;012171.30.

[2] 劉江洪，劉長江，羅明，等.基于毛紐扣的板級垂直互連技術[J].電子工藝技術，2016，37（03）；135-137+186.

[3] 汪帥，安一純.新型航空電子系統(tǒng)總線互連技術發(fā)展探討[J].工業(yè)技術創(chuàng)新，2017，04（05）;102-104.

[4] 滕魯，喻忠軍.一種基于毛紐扣的垂直互聯(lián)結構[J].電子設計工程，2019，27（21）;156-159.

[5] 劉賁，李江，喬正陽等.基于毛紐扣的垂直互連技術研究進展[J].精密成形工程，2023，15（2）;209-217.

[6] 黃然，張玉芹，楊帆，等.毛紐扣接觸件標準化關鍵技術研究[J].標準科學，2022（S1）;214-218.

[7]呂立鋒，宋德柱，王旭，等.材料性能對毛紐扣的回彈和接觸電阻的影響[J].機電元件，2021，41（06）;41-46.

[8] 麻力，王爽，李旭，等.毛紐扣接觸件鍍金層厚度測量方法研究[J].電子元器件與信息技術，2022，6（1）;97-99.

[9] HUSSAINS，QUShi-wei，ZHOUWen-liang，etal.DesignandFabricationofWidebandDualpolarizedDipoleArrayfor5GWirelessSystems[J].IEEEAccess，2000，865166-65163.

[10]GIANCIOLOV，RAMSEYJC，F(xiàn)ABRISL.DesignandImplementationofaNon-MagneticCryogenicMulti-conductorVacuumFeedthrough[J].Journalofinstrumentation，2018，13（9）;P09010.

[11]柳明輝.基于毛紐扣垂直互連結構的高低溫仿真分析[J].電子工藝技術，2021，42（6）;324-327.