本發(fā)明涉及集成電路無損可靠性篩選，尤其涉及一種考慮多退化路徑的老化臺前端隔離式開關(guān)電源故障預測方法和裝置。

背景技術(shù)：

1、現(xiàn)有高溫老化產(chǎn)品通過增加機內(nèi)長期監(jiān)測、過應力保護機制等手段，可實現(xiàn)試驗環(huán)境的長期監(jiān)測，在產(chǎn)品發(fā)生故障時可及時響應，實現(xiàn)基于故障數(shù)據(jù)的事后維修。然而，現(xiàn)有高溫老化產(chǎn)品由于缺少針對高溫老化產(chǎn)品的主動保障技術(shù)，導致相關(guān)產(chǎn)品難以實現(xiàn)試驗過程的完整性與試驗環(huán)境應力的一致性，極易導致試驗過程因產(chǎn)品故障被迫中斷致使百萬級試驗器件（亦可稱為待檢測件）損毀等重大財產(chǎn)損失，或因產(chǎn)品性能退化導致試驗期間引入額外應力等不利影響導致老化試驗被認定為失效試驗，造成資源的無效浪費。同時，保障高溫老化試驗質(zhì)量可避免集成電路出現(xiàn)過老化與欠老化故障，大幅隆低集成電路故障率，避免因集成電路故障導致新能源汽車、民用客機、儲能輸電站等大規(guī)模電子系統(tǒng)故障停機。

2、鑒于高溫老化產(chǎn)品如老化臺長期處于高溫等惡劣工況下運行，其關(guān)鍵設備的故障風險較高。因此，老化臺關(guān)鍵設備的故障預測與健康管理已成為一個重要的研究領(lǐng)域，有效的健康評估和故障預測可以促進可靠的維護計劃的發(fā)展，從而預防潛在的故障。老化臺的關(guān)鍵設備，比如一次開關(guān)電源，由于其在系統(tǒng)中的核心作用，一旦出現(xiàn)故障將對整個系統(tǒng)造成嚴重影響，不僅會導致試驗失敗，還可能引起設備損壞以及觸發(fā)安全事故。因此，對老化臺一次開關(guān)電源開展準確的壽命預測至關(guān)重要。

3、現(xiàn)有技術(shù)主要針對設備或系統(tǒng)個體差異和退化特點展開壽命預測，而對于老化臺一次開關(guān)電源不同退化路徑對其壽命預測結(jié)果的影響的研究較少。然而，由于一般情況下一次開關(guān)電源系統(tǒng)具有多個退化路徑等不穩(wěn)定情況，基于數(shù)據(jù)驅(qū)動的壽命預測方法會存在如下兩種問題：一、多退化路徑：一次開關(guān)電源存在多個退化路徑，反應在未到壽的老化試驗臺上表現(xiàn)為具有多條性能退化路徑，不同性能退化路徑對剩余壽命的影響存在差異，對壽命預測產(chǎn)生影響；二、長時間序列：一次開關(guān)電源電流、電壓參數(shù)時間序列較長，序列中的退化信息較難捕捉和學習，對壽命預測產(chǎn)生影響。由于上述兩種問題的存在，目前無法對老化臺一次開關(guān)電源開展準確的壽命預測。

技術(shù)實現(xiàn)思路

1、本發(fā)明實施例的目的是提供一種老化臺前端隔離式開關(guān)電源故障預測方法和裝置、電子設備，能夠解決現(xiàn)有技術(shù)中存在的上述問題。

2、為解決上述技術(shù)問題，本發(fā)明提供如下技術(shù)方案：

3、本發(fā)明實施例提供了一種老化臺前端隔離式開關(guān)電源故障預測方法，其中，所述方法包括：

4、對多個老化臺開關(guān)電源的預設時序信號進行降維處理，并提取特征參數(shù)；

5、依據(jù)各所述預設時序信號的特征參數(shù)，計算各老化臺開關(guān)電源性能退化路徑相似度；

6、依據(jù)各老化臺開關(guān)電源性能退化路徑相似度，對各所述退化路徑進行聚類，得到n個退化路徑集合；

7、建立n個開關(guān)電源壽命預測模型，分別依據(jù)所述n個退化路徑集合對所述n個開關(guān)電源壽命預測模型進行訓練；

8、基于訓練后的n個開關(guān)電源壽命預測模型，對老化臺開關(guān)電源壽命進行預測，得到開關(guān)電源剩余壽命。

9、可選地，所述特征參數(shù)包括：紋波電壓、平均輸出電壓、電感電流峰峰值、電感電流峰值、電容電流峰峰值、電容電流峰值、電路板溫度、熱流密度、熱流速率、導熱系數(shù)以及熱擴散率等。

10、可選地，依據(jù)各所述預設時序信號的特征參數(shù)，計算各老化臺開關(guān)電源性能退化路徑相似度的步驟，包括：

11、分別為各所述預設時序信號的特征參數(shù)構(gòu)建參數(shù)向量；

12、依據(jù)各所述參數(shù)向量構(gòu)造矩陣網(wǎng)格；

13、基于預設的路徑邊界約束條件、路徑連續(xù)性約束條件以及路徑單調(diào)性約束條件，通過多次迭代調(diào)整查找到通過所述矩陣網(wǎng)格的規(guī)整代價最小路徑，其中，所述規(guī)整代價最小路徑可表征各老化臺開關(guān)電源性能退化路徑相似度。

14、可選地，依據(jù)各老化臺開關(guān)電源性能退化路徑相似度，對各所述退化路徑進行聚類，得到n個退化路徑集合的步驟，包括：

15、從所述規(guī)整代價最小路徑中隨機選擇k個點作為初始簇的中心；

16、針對所述規(guī)整代價最小路徑中的各點，將各點分配到距離中心點最近的簇；

17、更新每個簇的中心點；

18、對所述規(guī)整代價最小路徑中的各點，將各點分配到距離更新后的中心點最近的簇；

19、判斷是否達到聚類停止條件，若未達到則返回執(zhí)行所述更新每個簇的中心點的步驟；

20、若已達到，則將更新后的中心點聚類的簇，作為n個退化路徑集合。

21、可選地，更新每個簇的中心點的步驟，包括：

22、針對每個簇，計算所述簇中各點的平均值；

23、將所述簇的中心點更新為所述平均值所在位置。

24、可選地，開關(guān)電源壽命預測模型包括：輸入層、dense層（即密集層）、bilstm層即雙向長短時記憶網(wǎng)絡層，用于處理多傳感器監(jiān)測信號、bigru層即雙向門控循環(huán)層用于處理操作條件數(shù)據(jù)即隱藏表示之后的變換結(jié)果）、concatenate層即特征拼接層用于融合bilstm和bigru層的輸出、多維特征圖譜以及輸出層用于輸出rul預測值。可選地，建立n個開關(guān)電源壽命預測模型，分別依據(jù)所述n個退化路徑集合對所述n個開關(guān)電源壽命預測模型進行訓練的步驟，包括：

25、建立n個開關(guān)電源壽命預測模型；

26、針對每個所述開關(guān)電源壽命預測模型，將對應退化路徑集合中的退化路徑對應的特征參數(shù)作為模型輸入；

27、在全連接層對輸入的所述特征參數(shù)進行線性變換，并將變換結(jié)果進行隱藏表示；

28、依據(jù)隱藏表示之后的變換結(jié)果構(gòu)造高階向量，并將高階向量發(fā)送至所述雙向長短時記憶網(wǎng)絡層和雙向門控循環(huán)層中，得到不同維度的隱藏特征映射；

29、將不同維度的隱藏特征合并生成的特征向量分別輸入到兩個密集層，生成rul預測值；

30、將所述rul預測值與rul實際值的誤差作為損失函數(shù)計算損失；

31、依據(jù)所述損失反向傳播更新所述開關(guān)電源壽命預測模型的參數(shù)；

32、判斷更新參數(shù)后的所述開關(guān)電源壽命預測模型是否滿足預設準確率；

33、若滿足，確定對所述開關(guān)電源壽命預測模型的訓練結(jié)束；

34、若不滿足，返回執(zhí)行所述將對應退化路徑集合中的退化路徑對應的特征參數(shù)作為模型輸入的步驟。

35、本發(fā)明實施例還提供了一種老化臺前端隔離式開關(guān)電源故障預測裝置，其中，所述裝置包括：

36、特征提取模塊，用于對多個老化臺開關(guān)電源的預設時序信號進行降維處理，并提取特征參數(shù)；

37、相似度確定模塊，用于依據(jù)各所述預設時序信號的特征參數(shù)，計算各老化臺開關(guān)電源性能退化路徑相似度；

38、聚類模塊，用于依據(jù)各老化臺開關(guān)電源性能退化路徑相似度，對各所述退化路徑進行聚類，得到n個退化路徑集合；

39、模型訓練模塊，用于建立n個開關(guān)電源壽命預測模型，分別依據(jù)所述n個退化路徑集合對所述n個開關(guān)電源壽命預測模型進行訓練；

40、模型預測模塊，用于基于訓練后的n個開關(guān)電源壽命預測模型，對老化臺開關(guān)電源壽命進行預測，得到開關(guān)電源剩余壽命。

41、可選地，所述特征參數(shù)包括：紋波電壓、平均輸出電壓、電感電流峰峰值、電感電流峰值、電容電流峰峰值、電容電流峰值、電路板溫度、熱流密度、熱流速率、導熱系數(shù)以及熱擴散率等。

42、可選地，所述相似度確定模塊包括：

43、第一子模塊，用于分別為各所述預設時序信號的特征參數(shù)構(gòu)建參數(shù)向量；

44、第二子模塊，用于依據(jù)各所述參數(shù)向量構(gòu)造矩陣網(wǎng)格；

45、第三子模塊，用于基于預設的路徑邊界約束條件、路徑連續(xù)性約束條件以及路徑單調(diào)性約束條件，通過多次迭代調(diào)整查找到通過所述矩陣網(wǎng)格的規(guī)整代價最小路徑，其中，所述規(guī)整代價最小路徑可表征各老化臺開關(guān)電源性能退化路徑相似度。

46、可選地，所述聚類模塊包括：

47、第四子模塊，用于從所述規(guī)整代價最小路徑中隨機選擇k個點作為初始簇的中心；

48、第五子模塊，用于針對所述規(guī)整代價最小路徑中的各點，將各點分配到距離中心點最近的簇；

49、第六子模塊，用于更新每個簇的中心點；

50、第七子模塊，用于對所述規(guī)整代價最小路徑中的各點，將各點分配到距離更新后的中心點最近的簇；

51、第八子模塊，用于判斷是否達到聚類停止條件，若未達到則返回執(zhí)行所述第六子模塊；

52、第九子模塊若已達到，則將更新后的中心點聚類的簇，作為n個退化路徑集合。

53、可選地，所述第六子模塊具體用于：

54、針對每個簇，計算所述簇中各點的平均值；

55、將所述簇的中心點更新為所述平均值所在位置。

56、可選地，開關(guān)電源壽命預測模型包括：

57、輸入層、dense層（即密集層）、bilstm層即雙向長短時記憶網(wǎng)絡層，用于處理多傳感器監(jiān)測信號、bigru層即雙向門控循環(huán)層用于處理操作條件數(shù)據(jù)即隱藏表示之后的變換結(jié)果）、concatenate層即特征拼接層用于融合bilstm和bigru層的輸出、多維特征圖譜以及輸出層用于輸出rul預測值。

58、可選地，所述模型訓練模塊具體用于：

59、建立n個開關(guān)電源壽命預測模型；

60、針對每個所述開關(guān)電源壽命預測模型，將對應退化路徑集合中的退化路徑對應的特征參數(shù)作為模型輸入；

61、在全連接層對輸入的所述特征參數(shù)進行線性變換，并將變換結(jié)果進行隱藏表示；

62、依據(jù)隱藏表示之后的變換結(jié)果構(gòu)造高階向量，并將高階向量發(fā)送至所述blstm層和所述bgru層中，得到不同維度的隱藏特征映射；

63、將不同維度的隱藏特征合并生成的特征向量分別輸入到兩個密集層（亦可稱為線性回歸密集層），生成rul預測值；

64、將所述rul預測值與rul實際值的誤差作為損失函數(shù)計算損失；

65、依據(jù)所述損失反向傳播更新所述開關(guān)電源壽命預測模型的參數(shù)；

66、判斷更新參數(shù)后的所述開關(guān)電源壽命預測模型是否滿足預設準確率；

67、若滿足，確定對所述開關(guān)電源壽命預測模型的訓練結(jié)束；

68、若不滿足，返回執(zhí)行所述將對應退化路徑集合中的退化路徑對應的特征參數(shù)作為模型輸入的操作。

69、本發(fā)明實施例還提供了一種電子設備，其特征在于，包括處理器、通信接口、存儲器和通信總線，其中，處理器，通信接口，存儲器通過通信總線完成相互間的通信；存儲器，用于存放計算機程序；處理器，用于執(zhí)行存儲器上所存放的程序時，實現(xiàn)如上述任意一種老化臺前端隔離式開關(guān)電源故障預測方法流程。

70、本發(fā)明實施例公開的老化臺前端隔離式開關(guān)電源故障預測方案，對多個老化臺開關(guān)電源的預設時序信號進行降維處理，并提取特征參數(shù)；依據(jù)各預設時序信號的特征參數(shù)，計算各老化臺開關(guān)電源性能退化路徑相似度；依據(jù)各老化臺開關(guān)電源性能退化路徑相似度，對各退化路徑進行聚類，得到n個退化路徑集合；建立n個開關(guān)電源壽命預測模型，分別依據(jù)n個退化路徑集合對所述n個開關(guān)電源壽命預測模型進行訓練；基于訓練后的n個開關(guān)電源壽命預測模型，對老化臺開關(guān)電源壽命進行預測，得到開關(guān)電源剩余壽命。本發(fā)明實施例公開的老化臺前端隔離式開關(guān)電源故障預測方案，一方面，基于深度神經(jīng)網(wǎng)絡的老化臺開關(guān)電源壽命預測模型綜合考慮性能退化路徑對開關(guān)電源剩余使用壽命預測的影響，能夠?qū)崿F(xiàn)高精度的壽命預測；第二方面，將故障模式作為考慮因素，對老化臺開關(guān)電源的性能退化路徑進行識別，將相同性能退化路徑的老化臺開關(guān)電源的特征參數(shù)帶入同一模型中進行訓練和預測，有利于提高老化臺開關(guān)電源壽命預測精度；第三方面，由于可以對老化臺前端隔離式開關(guān)電源故障進行預測，因此可有效避免老化檢測過程中因隔離式開關(guān)電源故障對待檢測件造成的損壞。