一种通用智能化的核电仪控环境下三极管寿命预测方法

一种通用智能化的核电仪控环境下三极管寿命预测方法
1技术领域
1.本发明属于电子元器件寿命预测技术，尤其涉及一种通用智能化的三极管寿命预测方法。
2

背景技术：

2.核电行业的关键仪控设备目前正面临系统的过时和老化问题，安装在仪表、控制和安全系统应用中的原始设备通常使用已超过30年，电子板件和电子元器件的老化故障日益增多。这些故障会降低系统可靠性和可用性，严重时可导致电厂停堆。同时，核电行业仪控设备所使用的电子元器件往往具有较长的使用寿命、试验代价高，大多数电厂缺乏良好的技术依据，只能选择将器件直接运行至失效或定期规模更换。这两种策略都花费巨大，因此需要更好地了解老化机理和故障前兆的方法、开展电子元器件寿命预测的研究，以开发更具经济性的电子元器件老化检查、缓解与管理技术。
3.三极管是核电行业仪控装置中的核心电子元器件之一，其退化失效机理和轨道多样，缺乏通用智能的退化机理参数提取和寿命预测装置。中国专利公开号cn114091347a，公开日2022年2月5日，发明创造的名称为一种电子元器件寿命预测方法，该申请案公开了较泛化的电子元器件寿命预测方法，不能够针对三极管这一特定器件展开分析，同时对于晶体管的寿命预测不具备通用性，即一次训练所得模型仅能用于一种型号的寿命预测。本发明则依据三极管退化物理机制，明确给出了三极管的退化机理敏感参数，并最终可以实现通用智能化的寿命预测，即对于不同型号、不同批次的三极管，即使缺乏充足的试验数据，也能够根据简单的参数测试得到其寿命预测值。
4.针对三极管这一特定的核电行业仪控设备的关键电子元器件，为实现其通用智能化的寿命预测，首先研究确定三极管退化机理敏感参数及其测试方法，在此基础上学习不同型号三极管的退化机理敏感参数的退化特征，从而能够根据待预测三极管的所测参数值，应用学习得到的退化特征预测其失效寿命。
5.由于元器件的制作工艺与预期使用环境不同，其退化机理敏感参数值往往差异较大，且会产生多种数值组合形式。由于参数值大小很大程度上由器件的材料、设计与工艺所决定，因此具有相似参数组合的三极管型号不但功能相似，还往往具有相似的退化特征。
6.通过针对不同型号三极管退化特征的分类、学习与提炼，将为三极管通用智能化的寿命预测打下基础。在已经得到了三极管不同的退化机理敏感参数组合所对应的退化特征的条件下，通过贝叶斯分类器方法，结合测得的三极管退化机理敏感参数，找到其对应的参数退化特征，在此基础上应用三参数竞争退化模型得到最终的寿命分布，可以实现三极管通用智能化的寿命预测。
3

技术实现要素：

7.本发明要解决的技术问题是：针对核电行业仪控装置中所用三极管类型多样，寿命普遍较长、试验代价高的问题，提供了一种通用智能化的三极管寿命预测方法。
8.本发明的技术方案概述如下：
9.一种基于贝叶斯分类器的通用智能化三极管寿命预测方法，包括：
10.步骤一：收集数据，获取多种不同型号三极管的退化机理敏感参数值及其退化特征；
11.步骤二：将来自不同型号的三极管退化机理敏感参数组合聚类分析，将这些型号依据退化机理敏感参数的特征划分为多个聚类；
12.步骤三：采用深度学习方法，提炼每一聚类下三极管退化机理敏感参数的退化特征，绘制该聚类下的三极管退化机理敏感参数的典型退化曲线。
13.步骤四：对待测三极管施加激励，提取得到其退化机理敏感参数；
14.步骤五：利用贝叶斯分类器算法，根据所测参数值将待测三级管归入预置的某一类型当中；
15.步骤六：将参数值与类型对应的参数退化曲线比对，根据三种不同的退化机理敏感参数的退化特征，得到三个寿命分布；
16.步骤七：在步骤三得出的三个寿命分布的基础上，利用三参数竞争退化模型得到最终的三极管寿命分布；
17.步骤八：求取最终寿命分布的期望值作为三极管寿命的预测结果。
18.步骤一中所述的三极管退化机理敏感参数及其退化特征，可以是通过对三极管的可靠性试验得到，可以是通过对于三极管制造工艺或失效机理仿真得到，也可以是通过已有数据库直接获取得到。
19.所述的三极管的退化机理敏感参数包括三极管的r
be
,r
bc
以及放大倍数β。
20.步骤二中所述的三极管的退化机理敏感参数，可以是通过为多种不同型号的三极管施加测试激励，通过运算提取得到；也可以通过已有数据直接获取得到。
21.步骤二中所述聚类分析采用em算法，也即期望最大化算法。
22.步骤三中所述的三极管退化机理敏感参数的典型退化曲线，包括r
be
退化曲线，r
bc
退化曲线以及放大倍数β退化曲线。
23.步骤四中所述的对三极管施加激励的方法是：r
be
,r
bc
参数的提取首先由多次施压测流分别测量出三极管的截止电压和导通电压，随后取二者中值区段作为常用工作电压区段，在施流测压曲线中利用最小二乘法计算该电压区段斜率，作为提取得到的r
be
,r
bc
参数；β参数在施加的基极电流ib一定时，随着u
ce
增加，ic值趋于稳定，由ic/ib即可得到测试值。
24.步骤五中所述的预置类型，是指具有相似退化机理敏感参数特征并具有相似退化特征的三极管的集合。
25.步骤七中所述的利用三参数竞争退化模型得到最终的三极管寿命分布的办法，是通过求取三种寿命分布的极小值分布的方式得到最终的寿命分布。
4附图说明
26.图1为本发明流程示意图；
27.图2为退化机理敏感参数提取原理图；
5具体实施方式
28.下面结合附图与具体实施方式对本发明做进一步详细描述。
29.本发明的实现过程如图1，它包括：
30.首先通过试验方法获得多种不同型号三极管的退化机理敏感参数及其退化特征。对于退化机理敏感参数测试，其方法如图2所示：退化机理参数提取控制器对待测三极管基极-发射极多次施压测流得到截止电压1和导通电压2，取二者中值区段作为常用工作电压区段3，在施流测压曲线中利用最小二乘法计算该电压区段斜率作为提取得到的r
be
参数。同理对待测三极管基极-集电极多次施压测流得到的截止电压1和导通电压2，自适应退化机理参数计算软件模块取二者中值区段作为常用工作电压区段3，并在施流测压曲线中利用最小二乘法计算该电压区段斜率作为提取得到的r
bc
参数。β参数在施加给定的基极电流ib时，逐步增加u
ce
，ic值趋于稳定，以ic/ib作为β参数。
31.对于不同型号三极管的三种退化机理敏感参数的退化特征提取，一方面可以通过可靠性试验的方式获取得到，另一方面可以根据其工艺或失效物理模型仿真得到。对于试验获取三极管退化机理敏感参数的方式，为节约试验的时间成本，可采用加速试验方法，通过增强环境应力快速获取其参数退化特征。若使用加速试验方法，需要在试验前确定三极管的失效机理，据此明确参数退化模型，例如阿伦尼乌模型、逆幂律模型等，在这些模型的基础上推算加速因子，在试验结束后根据所得数据返回求取得到正常使用条件下三种参数值随时间的变化曲线。
32.对于仿真三极管制造工艺获取退化机理敏感参数及其退化特征的方式，可以采用tcad软件实现。工艺仿真器athena有很强的仿真功能，包括单项工艺，如离子注入、扩散、淀积、刻蚀、外延、光刻、氧化等。三极管的制作工艺从根本上说是由单项工艺结合而来。silvaco提供pdk(process design kits，制造工艺设计包)服务，而且silvaco和很多代工厂商合作开发pdk,这些厂商是tsmc,umc,towerjazz,on semiconductor,mosis,vis,fab,epson,american semiconductor inc.,panasonic。对于三极管制作工艺组合及其对应设计参数，从pdk服务中可以获取得到。对于各种三极管制作工艺熟悉的用户也可以自行设计工艺流程。
33.随后，利用期望最大化算法，针对来自于不同型号的三极管退化机理敏感参数进行聚类分析，该算法步骤可述如下：
34.e步，根据模型参数的当前估计值，计算第i个样本来自第j个分布的概率：
35.q
ij
＝p(zi＝j|xi，w，μ，σ)
36.m步，计算模型的参数。权重的计算公式为
[0037][0038]
均值的计算公式为
[0039][0040]
协方差的计算公式为
[0041][0042]
在e步中对q
ij
的计算通过全概率公式与贝叶斯公式得到
[0043][0044]qij
是根据参数的当前估计值而计算出来的对zi的概率分布猜测值。
[0045]
接下来通过深度学习方法提炼得到同一聚类下不同型号三极管的三参数退化特征曲线，深度学习采用“预训练+微调”的做法将大量参数分组，再基于这些局部较优的结果联合起来进行全局寻优。深度学习可以采用python库函数实现，例如tensorflow或pytorch函数。
[0046]
运算应当得到每一聚类下的三种参数典型值以及这些参数值在三极管正常使用条件下随时间的变化曲线，也即退化特征曲线。
[0047]
在已经得到了三极管不同的退化机理敏感参数组合类别所对应的退化特征曲线的条件下，可以实现针对任意三极管的寿命预测。对于待测三极管，首先通过测试方法获取其三种退化机理敏感参数。获取方法与前述数据收集阶段的方法相同：r
be
,r
bc
参数的提取首先是由多次施压测流分别测量出三极管的截止电压和导通电压，随后取二者中值区段作为常用工作电压区段，在施流测压曲线中利用最小二乘法计算该电压区段斜率，作为提取得到的r
be
,r
bc
参数；β参数在施加的基极电流ib一定时，随着u
ce
增加，ic值趋于稳定，由ic/ib即可得到测试值。
[0048]
采用属性独立性假设，即对于已知类别，假设所有属性相互独立。换言之，即假设三极管的三种退化机理敏感参数值独立地对最终分类结果产生影响。
[0049]
设c为聚类得到的某三极管类别，xi为x在第i个属性上的取值(1≤i≤3)，则
[0050][0051]
对于所有类别来说p(x)相同，因此得到朴素贝叶斯分类器的表达式
[0052][0053]
通过该表达式判定三极管所属聚类，随后根据这一分类下的三参数退化曲线，结合测得的三种参数，可以比照得到三个可能的寿命分布g1,g2,g3。
[0054]
对所得到的三个可能的寿命分布取极小值分布得到最终的寿命分布，即
[0055]
g＝min(g1,c2,g3)
[0056]
对最终分布g求取均值即可得到最终的三极管寿命预测值。

技术特征：
1.一种通用智能化的三极管寿命预测方法，其特征在于，该方法具体步骤如下：步骤一：收集数据，获取多种不同型号三极管的退化机理敏感参数值及其退化特征；步骤二：将来自不同型号的三极管退化机理敏感参数组合聚类分析，将这些型号依据退化机理敏感参数的特征划分为多个聚类；步骤三：采用深度学习方法，提炼每一聚类下三极管退化机理敏感参数的退化特征，绘制该聚类下的三极管退化机理敏感参数的典型退化曲线。步骤四：对待测三极管施加激励，提取得到其退化机理敏感参数；步骤五：利用贝叶斯分类器算法，根据所测参数值将待测三级管归入预置的某一类型当中；步骤六：将参数值与类型对应的参数退化曲线比对，根据三种不同的退化机理敏感参数的退化特征，得到三个寿命分布；步骤七：在步骤三得出的三个寿命分布的基础上，利用三参数竞争退化模型得到最终的三极管寿命分布；步骤八：求取最终寿命分布的期望值作为三极管寿命的预测结果。2.根据权利要求1所述的基于退化机理敏感参数的三极管退化特征聚类分析学习方法，其特征在于，步骤一中所述的三极管退化机理敏感参数及其退化特征，可以是通过对三极管的可靠性试验得到，可以是通过对于三极管制造工艺或失效机理仿真得到，也可以是通过已有数据库直接获取得到。3.根据权利要求1所述的基于退化机理敏感参数的三极管退化特征聚类分析学习方法，其特征在于，所述的三极管的退化机理敏感参数包括三极管的r
be
,r
bc
以及放大倍数β。4.根据权利要求1所述的基于退化机理敏感参数的三极管退化特征聚类分析学习方法，其特征在于，步骤二中所述的三极管的退化机理敏感参数，可以是通过为多种不同型号的三极管施加测试激励，通过运算提取得到；也可以通过已有数据直接获取得到。5.根据权利要求1所述的基于退化机理敏感参数的三极管退化特征聚类分析学习方法，其特征在于，步骤二中所述聚类分析采用em算法，也即期望最大化算法。6.根据权利要求1所述的基于退化机理敏感参数的三极管退化特征聚类分析学习方法，其特征在于，步骤三中所述的三极管退化机理敏感参数的典型退化曲线，包括r
be
退化曲线，r
bc
退化曲线以及放大倍数β退化曲线。7.根据权利要求1所述的基于贝叶斯分类器的通用智能化三极管寿命预测方法，其特征在于，步骤四中所述的对三极管施加激励的方法是：r
be
,r
bc
参数的提取首先由多次施压测流分别测量出三极管的截止电压和导通电压，随后取二者中值区段作为常用工作电压区段，在施流测压曲线中利用最小二乘法计算该电压区段斜率，作为提取得到的r
be
,r
bc
参数；β参数在施加的基极电流i
b
一定时，随着u
ce
增加，i
c
值趋于稳定，由i
c
/i
b
即可得到测试值。8.根据权利要求1所述的基于贝叶斯分类器的通用智能化三极管寿命预测方法，其特征在于，步骤五中所述的预置类型，是指具有相似退化机理敏感参数特征并具有相似退化特征的三极管的集合。9.根据权利要求1所述的基于贝叶斯分类器的通用智能化三极管寿命预测方法，其特征在于，步骤七中所述的利用三参数竞争退化模型得到最终的三极管寿命分布的办法，是通过求取三种寿命分布的极小值分布的方式得到最终的寿命分布。

技术总结
本发明是一种在核电仪控环境下通用智能化的三极管寿命预测方法，它包括：获取多种类型三极管的退化机理敏感参数及其退化特征，对其退化机理敏感参数值进行聚类分析；对退化曲线应用深度学习方法，绘制得到不同类别三极管典型的参数退化曲线，测试得到其退化机理敏感参数值。利用贝叶斯分类器算法，根据所测参数值将待测三级管归入预置的某一类型当中。其后将参数值与类型对应的参数退化曲线比对，得到三个寿命分布。提出三参数竞争退化模型，求三种分布的极小值分布作为最终的三极管预测寿命分布，最后求取最终寿命分布的期望值作为三极管寿命的预测结果。本发明能够有效应对核电仪控环境三极管寿命普遍较长、试验代价高的问题，具有通用智能化特点。具有通用智能化特点。具有通用智能化特点。


技术研发人员：姚金勇 刘润利 曾思哲 颜思玮
受保护的技术使用者：北京航空航天大学
技术研发日：2023.06.15
技术公布日：2023/9/14