本發明涉及集成電路無損可靠性篩選，尤其涉及一種高溫老化試驗設備二次電源健康狀態評估方法及裝置。

背景技術：

1、現有高溫老化產品通過增加機內長期監測、過應力保護機制等手段，可實現試驗環境的長期監測，在產品發生故障時可及時響應，實現基于故障數據的事后維修。然而，現有高溫老化產品由于缺少針對高溫老化產品的主動保障技術，導致相關產品難以實現試驗過程的完整性與試驗環境應力的一致性，極易導致試驗過程因產品故障被迫中斷致使百萬級試驗器件（亦可稱為待檢測件）損毀等重大財產損失，或因產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量可避免集成電路出現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、儲能輸電站等大規模電子系統故障停機。

2、高溫老化產品如老化臺（又稱老化試驗設備）通過模擬各種實際使用環境和工作條件，使產品在短時間內經歷類似長時間使用后的狀態變化。老化試驗通常需要長時間對測試設備進行通電運行，以模擬產品在實際使用中的老化過程。其中二次電源是指在高溫老化試驗臺中對一次電源進行轉換和分配，以滿足老化測試中不同負載（如電子元器件、電路板等）所需的特定電源要求的電源裝置。

3、在老化試驗進行過程中，二次電源出現故障，如輸出電壓突然下降或消失，會導致老化試驗的意外中斷。而在老化試驗設備在使用過程中會逐漸出現電容老化、開關管性能下降等問題。通過對老化試驗設備的二次電源進行健康評估，可以提前發現電源內部可能存在的隱患，及時進行維修或更換，避免試驗中斷，保證老化試驗能夠按照計劃順利進行。

4、可見，目前迫切需要本領域技術人員提供一種高溫老化試驗設備二次電源健康狀態評估方案。

技術實現思路

1、本發明實施例的目的是提供一種高溫老化試驗設備二次電源健康狀態評估方法和裝置、電子設備，能夠解決現有技術中存在的上述問題。

2、為解決上述技術問題，本發明提供如下技術方案：

3、本發明實施例提供了一種高溫老化試驗設備二次電源健康狀態評估方法，其中，所述方法包括：

4、采集待評估高溫老化試驗設備二次電源監測信號，包括電流信號、電壓輸出信號、電源紋波波動率、mosfet器件殼溫至結溫等；

5、對電流、電壓輸出等監測信號進行特征提取，混合電源紋波波動率、mosfet殼溫至結溫退化曲線得到多維特征序列；

6、將所述多維特征序列輸入預先訓練好的殘差卷積神經網絡模型中，得到所述高溫老化試驗設備二次電源的退化特征狀態，其中，所述退化特征狀態包括：健康狀態和退化狀態；

7、在所述高溫老化試驗設備二次電源為退化狀態的情況下，基于所述多維特征序列映射后的概率空間點和所述殘差卷積神經網絡模型中的健康基線，確定所述待評估高溫老化試驗設備二次電源的狀態退化曲線，其中，所述狀態退化曲線可表征所述高溫老化試驗設備二次電源健康狀態。

8、可選地，所述殘差卷積神經網絡模型包括：卷積層、批量規范化層、激活函數、最大池化層、多個殘差塊、全局平均池化層以及全連接層。

9、可選地，所述殘差卷積神經網絡模型通過如下方式訓練得到：

10、獲取高溫老化試驗設備二次電源訓練時序退化特征樣本；其中，每個訓練時序退化特征樣本被標記有退化特征狀態；

11、將所述訓練時序退化特征樣本輸入預先建立的殘差卷積神經網絡模型中，得到映射后的第一概率空間點；

12、根據二維第一概率空間點對高溫老化試驗設備二次電源退化起始點進行判別，并生成高溫老化試驗設備二次電源健康基線。

13、可選地，所述方法還包括：

14、獲取高溫老化試驗設備二次電源測試時序退化特征樣本；

15、將所述測試時序退化特征樣本輸入訓練中的殘差卷積神經網絡模型中，得到映射后的第二概率空間點；

16、基于預設多距離度量算法，計算所述第二概率空間與所述健康基線間的距離。

17、可選地，基于預設多距離度量算法，計算所述第二概率空間與所述健康基線間的距離的步驟，包括：

18、分別基于馬氏距離算法、余弦相似度算法和曼哈頓距離算法計算所述第二概率空間與所述健康基線間的距離，得到第一距離、第二距離以及第三距離；

19、將所述第一距離、第二距離以及第三距離進行加權求和，得到高溫老化試驗設備第二電源的健康度。

20、本發明實施例還提供了一種高溫老化試驗設備二次電源健康狀態評估裝置，其中，所述裝置包括：

21、采集模塊，用于采集待評估高溫老化試驗設備二次電源監測信號；其中，所述監測信號包括：電流信號、電壓輸出信號、電源紋波波動率、mosfet殼溫至結溫；

22、提取模塊，用于對所述電流信號和所述電壓輸出信號進行特征提取后混合所述電源紋波波動率、mosfet殼溫至結溫退化曲線得到多維特征序列；

23、預測模塊，用于將所述多維特征序列輸入預先訓練好的殘差卷積神經網絡模型中，得到所述高溫老化試驗設備二次電源的退化特征狀態，其中，所述退化特征狀態包括：健康狀態和退化狀態；

24、確定模塊，用于在所述高溫老化試驗設備二次電源為退化狀態的情況下，基于所述多維特征序列映射后的概率空間點和所述殘差卷積神經網絡模型中的健康基線，確定所述待評估高溫老化試驗設備二次電源的狀態退化曲線，其中，所述狀態退化曲線可表征所述高溫老化試驗設備二次電源健康狀態。

25、可選地，所述殘差卷積神經網絡模型包括：卷積層、批量規范化層、激活函數、最大池化層、多個殘差塊、全局平均池化層以及全連接層。

26、可選地，所述裝置還包括訓練模塊，用于訓練殘差卷積神經網絡模型，所述訓練模塊包括：

27、第一子模塊，用于獲取高溫老化試驗設備二次電源訓練時序退化特征樣本；其中，每個訓練時序退化特征樣本被標記有退化特征狀態；

28、第二子模塊，用于將所述訓練時序退化特征樣本輸入預先建立的殘差卷積神經網絡模型中，得到映射后的第一概率空間點；

29、第三子模塊，用于根據二維第一概率空間點對高溫老化試驗設備二次電源退化起始點進行判別，并生成高溫老化試驗設備二次電源健康基線。

30、可選地，所述訓練模塊還包括：

31、第四子模塊，用于獲取高溫老化試驗設備二次電源測試時序退化特征樣本；

32、第五子模塊，用于將所述測試時序退化特征樣本輸入訓練中的殘差卷積神經網絡模型中，得到映射后的第二概率空間點；

33、第六子模塊，用于基于預設多距離度量算法，計算所述第二概率空間與所述健康基線間的距離。

34、可選地，所述第六子模塊具體用于：

35、分別基于馬氏距離算法、余弦相似度算法和曼哈頓距離算法計算所述第二概率空間與所述健康基線間的距離，得到第一距離、第二距離以及第三距離；

36、將所述第一距離、第二距離以及第三距離進行加權求和，得到高溫老化試驗設備第二電源的健康度。

37、本發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，用于執行存儲器上所存放的程序時，實現如上述任意一種高溫老化試驗設備二次電源健康狀態評估方法流程。

38、本發明實施例公開的高溫老化試驗設備二次電源健康狀態評估方案，采集待評估高溫老化試驗設備二次電源監測信號；依據監測信號得到多維特征序列；將多維特征序列輸入預先訓練好的殘差卷積神經網絡模型中，得到所述高溫老化試驗設備二次電源的退化特征狀態；在高溫老化試驗設備二次電源為退化狀態的情況下，基于多維特征序列映射后的概率空間點和殘差卷積神經網絡模型中的健康基線，確定待評估高溫老化試驗設備二次電源的狀態退化曲線，從而精準確定出高溫老化試驗設備二次電源的健康狀態。本發明實施例提供的高溫老化試驗設備二次電源健康狀態評估方案，采集二次電源監測信號并提取多維特征序列，基于訓練好的模型對多維特征序列進行預測得到待評估高溫老化試驗設備二次電源的狀態退化曲線，從而精準確定出高溫老化試驗設備二次電源健康狀態。由于能夠精準確定出高溫試驗設備二次電源健康狀態，因此可有效避免高溫試驗設備對待測件老化測試過程中因二次電源故障導致待測件損壞。