结合制造工艺及仿真的滚控电子模块贮存可靠性评估方法与流程

本发明属于继电器类单机产品性能分析技术领域，涉及一种滚控电子模块贮存可靠性评估方法，具体涉及一种结合制造工艺及仿真的滚控电子模块贮存可靠性评估方法。

背景技术

对于导弹、运载火箭、汽车气囊等一次性使用型产品而言，在其整个寿命周期内主要处于贮存状态。虽未处于工作状态，但是上述产品在贮存过程中会受到贮存环境中温度、湿度、振动、盐雾等环境应力的影响，导致其输出特性产生退化，当特性参数超出所规定的失效阈值时，产品出现失效，无法继续使用。同时，由于一次性使用产品长期处于贮存状态，其退化过程相对缓慢，需要通过加速贮存试验快速获得其贮存退化数据。由于上述产品多数用于武器国防装备中，造价相对较高，进行试验时将面临试验样本较少的问题，同时由于制造工艺，产品不可避免的具有分散性，进而导致在小子样情况下所评估的贮存可靠性指标准确度较低。因此，在小子样的条件下，如何挖掘新的贮存可靠性信息，提高产品贮存可靠性评估准确度，是目前一项亟待解决的问题。

滚控电子模块是导弹姿态控制系统中的基本组成，其输出参数是导弹姿态控制参数的重要特性参数，即可将导弹姿态特性指标分解到滚控电路板输出指标上，其贮存可靠性直接影响到导弹发射与飞行过程的可靠性。滚控电子模块主要由底层元器件(电阻、电容、稳压二极管、电位器、继电器、连接器、光耦、集成电路等)组成，其贮存可靠性与底层元器件的贮存可靠性息息相关。产品的贮存可靠性是由设计和生产过程决定的，产品的生产制造过程中的工艺数据蕴含着丰富的贮存可靠性信息，而工艺数据可以通过产品输出特性的初始分布体现。同时，基于saber、pspice等电路仿真软件的虚拟样机技术可以很好地描述电子类单机的输入输出对应关系。因此，通过电路仿真软件建立滚控电子模块功能仿真模型，利用灵敏度分析方法，确定影响单机输出特性的关键元器件，通过失效模式及失效机理分析，结合滚控电子模块加速贮存退化试验数据及工艺数据，得到具有分布特性的底层关键元器件的退化模型，并将其注入到单机功能仿真模型中，得到滚控电子模块输出特性贮存退化模型，结合失效阈值评估滚控电子模块贮存可靠性。

技术实现要素：

为了解决在评估继电器类单机贮存可靠性的过程中，由于小子样问题，无法准确反映滚控电子模块在退化过程中由于工艺所导致的分散特性，从而无法准确评估滚控电子模块贮存可靠性，本发明提供了一种结合制造工艺及仿真的滚控电子模块贮存可靠性评估方法。

本发明的目的是通过以下技术方案实现的：

一种结合制造工艺及仿真的滚控电子模块贮存可靠性评估方法，包括如下步骤：

步骤一：根据滚控电子模块功能及原理图，在电路仿真软件中建立滚控电子模块功能仿真模型；

步骤二：基于步骤一所建立的滚控电子模块功能仿真模型，利用灵敏度分析方法，结合使用厂家调研结果，确定影响滚控电子模块输出特性指标的关键元器件；

步骤三：根据步骤二中对使用厂家的调研结果，得到滚控电子模块在实际贮存过程中出现的失效模式，分析与之对应的失效机理，确定基于失效物理的各底层关键元器件贮存退化模型形式；

步骤四：针对滚控电子模块各底层关键元器件进行加速贮存退化试验，监测各底层关键元器件输出特性的贮存试验退化数据；

步骤五：通过调研滚控电子模块各底层关键元器件的生产厂家及实际跟厂，得到各底层元器件的工艺过程数据，即各底层元器件的输出特性初始分布情况；同时，结合步骤三中得到的各底层关键元器件贮存退化模型及步骤四中各底层关键元器件输出特性的贮存试验退化数据，利用粒子滤波预测方法，得到具有分布特性的各底层关键元器件贮存退化模型；

步骤六：根据滚控电子模块结构特点，对步骤五中得到的具有分布特性的各底层关键元器件贮存退化模型进行随机抽样，抽选出可构建n个滚控电子模块的n组底层关键元器件组合，并将贮存时间带入，得到n组底层关键元器件组合的贮存退化数据；

步骤七：将步骤六中所得到n组底层关键元器件组合的贮存退化数据带入步骤一中所建立的滚控电子模块功能仿真模型中，得到n组虚拟的滚控电子模块输出特性参数贮存退化数据；

步骤八：利用最小二乘法对步骤八所得到的n组虚拟的滚控电子模块输出特性参数贮存退化数据在各贮存时间下的分布情况进行拟合，得到滚控电子模块各贮存时刻输出特性退化数据分布参数；

步骤九：利用最小二乘法对步骤八中得到的滚控电子模块各贮存时刻输出特性退化数据分布参数进行拟合，得到滚控电子模块输出特性退化数据分布参数退化模型；

步骤十：根据步骤九中得到的滚控电子模块输出特性退化数据分布参数退化模型，将贮存时间t带入，得到t时刻滚控电子模块输出特性退化数据的分布概率密度函数，结合滚控电子模块失效阈值，计算滚控电子模块在t时刻的贮存可靠度。

相比于现有技术，本发明具有如下优点：

1、本发明基于底层关键元器件制造工艺数据及功能仿真分析对滚控电子模块进行贮存可靠性评估，充分挖掘元器件生产制造工艺数据中所蕴藏的贮存可靠性信息，更好地描述了元器件批次产品的分布特性。

2、本发明利用虚拟样机技术，将底层关键元器件的贮存退化数据转换为顶层滚控电子模块贮存退化数据，有效解决了小子样。

3、本发明在试验样本有限的条件下，提高了其贮存可靠性评估精度，为滚控电子模块的贮存可靠性评估提供了一种新的思路。

附图说明

图1是本发明结合制造工艺及仿真的滚控电子模块贮存可靠性评估方法的流程图。

图2是某型滚控电子模块功能仿真模型图。

图3是某型号金属膜电阻的阻值初始分布图。

图4是某型号金属膜电阻在175℃时的阻值贮存退化分布图。

图5是一组滚控电子模块在175℃时输出周期的退化分布图。

图6是某型滚控电子模块在175℃时的周期均值拟合图。

具体实施方式

下面结合附图对本发明的技术方案作进一步的说明，但并不局限于此，凡是对本发明技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，均应涵盖在本发明的保护范围中。

具体实施方式一：本实施方式提供了一种结合制造工艺及仿真的滚控电子模块贮存可靠性评估方法，首先，通过建立滚控电子模块功能仿真模型，结合厂家调研结果，利用灵敏度分析方法确定影响滚控电子模块输出特性的底层关键元器件；然后，结合失效模式及失效机理分析、输出特性参数初始分布及加速贮存退化试验实测数据，得到具有分布特性的底层关键元器件贮存退化数据，并将其注入滚控电子模块功能仿真模型中，得到滚控电子模块输出特性参数的贮存退化数据；最后，利用最小二乘方法，得到滚控电子模块分布参数的退化轨迹，结合失效阈值，实现对滚控电子模块的贮存可靠性评估。具体实施步骤如下：

步骤一：根据滚控电子模块功能及原理图，在saber、pspice等电路仿真软件中建立滚控电子模块功能仿真模型。

步骤二：基于步骤一所建立的滚控电子模块功能仿真模型，利用灵敏度分析方法，结合使用厂家调研结果，确定影响滚控电子模块输出特性指标的关键元器件。

步骤三：根据步骤二中对使用厂家的调研结果，得到滚控电子模块在实际贮存过程中出现的失效模式，分析与之对应的失效机理，确定基于失效物理的各底层关键元器件贮存退化模型形式。

步骤四：针对滚控电子模块各底层关键元器件进行加速贮存退化试验，监测各底层关键元器件输出特性的贮存试验退化数据。

步骤五：通过调研滚控电子模块各底层关键元器件的生产厂家及实际跟厂，得到各底层元器件的工艺过程数据，即各底层元器件的输出特性初始分布情况。同时，结合步骤三中得到的各底层关键元器件贮存退化模型及步骤四中各底层关键元器件输出特性的贮存试验退化数据，利用粒子滤波预测方法，得到具有分布特性的各底层关键元器件贮存退化模型。上述的分布特性与初始分布同分布，如正态分布，威布尔分布等。

步骤六：根据滚控电子模块结构特点，对步骤五中得到的具有分布特性的各底层关键元器件贮存退化模型进行随机抽样，抽选出可构建n个滚控电子模块的n组底层关键元器件组合，并将贮存时间带入，得到n组底层关键元器件组合的贮存退化数据。

步骤七：将步骤六中所得到的n组底层关键元器件组合的贮存退化数据带入步骤一中所建立的滚控电子模块功能仿真模型中，得到n组虚拟的滚控电子模块贮存退化数据。

步骤八：利用最小二乘法对步骤八所得到的n组虚拟的滚控电子模块贮存退化数据在各贮存时间下的分布情况进行拟合，得到滚控电子模块各贮存时刻输出特性退化数据分布参数。

步骤九：利用最小二乘法对步骤八中得到的滚控电子模块各贮存时刻输出特性退化数据分布参数进行拟合，得到滚控电子模块输出特性退化数据分布参数的退化模型。所述退化模型一般为表1所述的形式：

表1

其中，y(t)表示退化数据在贮存时间t时的分布参数，a、b、c表示函数的未知系数，可通过最小二乘法获取。

步骤十：根据步骤九中得到的滚控电子模块输出特性退化数据分布参数退化模型，将贮存时间t带入，得到t时刻滚控电子模块输出特性退化数据的分布概率密度函数，结合滚控电子模块失效阈值，计算滚控电子模块在t时刻的贮存可靠度。本步骤中，假设t时刻退化数据的分布概率密度函数为f(dt|y1t,y2t,…,ymt)，其中dt为t时刻退化数据，y1t,y2t,…,ymt为退化数据分布概率密度函数的在t时刻的m个分布参数，失效阈值上下限分别为ku和kl，在计算t时刻的贮存可靠度时，可采用如下公式：

具体实施方式二：本实施方式以滚控电子模块为对象进行结合制造工艺及仿真的贮存可靠性评估，如图1所示，具体步骤如下：

步骤一：根据滚控电子模块功能及原理图，在saber电路仿真软件中建立如图2所示某型滚控电子模块功能仿真模型。

步骤二：基于步骤一所建立的滚控电子模块功能仿真模型，利用灵敏度分析方法，结合使用厂家调研结果，最终确定了某型滚控电子模块的关键元器件为金属膜电阻、聚金属化脂薄膜电容、线绕电位器、稳压二极管、继电器、连接器。

步骤三：根据步骤二中对使用厂家的调研结果，某型滚控电子模块的失效模式主要为输出pwm波的占空比及周期超差和单机无输出失效。下面以金属膜电阻为例进行失效模式及失效机理分析。金属膜电阻是以特种金属或合金作电阻材料，用真空蒸发或溅射的方法在陶瓷基体上形成电阻膜层，然后通过刻槽调试电阻值，并在其表面涂上环氧树脂密封保护而成。由于温度、湿度的不断交替变化而产生一种“呼吸”效应，使水分子能够通过漆层进入导电带和螺纹槽中，并和槽两边的导电带形成电解槽。电阻基体所含的碱金属离子(导电膜除溅射上的金属导电膜外可能还存在碱金属k离子和ca离子)在槽间电场中位移，产生离子电流。湿气存在时，电解过程更剧烈(k离子和ca离子极易溶入水中)。分离出碱金属离子或形成碱性溶液侵蚀陶瓷基体表面或金属膜层，从而影响金属膜附着力，使金属膜层局部松动或脱落造成金属膜电阻器阻值增大，进而导致滚控电子模块输出pwm波的占空比及周期超差，上述金属膜电阻失效机理通常应用线性模型描述，如式(2)所示：

r(t)＝a*t+r(0)(2)。

式中：

r(t)——t时刻的金属膜电阻阻值大小；

r(0)——初始时刻的金属膜电阻阻值大小；

a——为退化模型随机影响系数；

t——贮存时间。

剩余关键元器件也按照上述方法进行失效模式及失效机理分析，得到基于失效物理的各底层关键元器件贮存退化模型形式。

步骤四：对某型滚控电子模块中的关键元器件分别进行加速贮存退化试验。本次试验选择温度应力进行加速，分别在90℃、120℃、130℃、175℃及190℃五种应力下对各关键元器件的10个样本进行加速贮存退化试验，定期监测其外特性参数。

步骤五：通过调研滚控电子模块各底层关键元器件的生产厂家及实际跟厂，得到各底层元器件的工艺过程数据，即各底层元器件的输出特性初始分布情况。同时，结合步骤三中得到的各底层关键元器件的贮存退化模型及步骤四中各底层关键元器件的贮存试验退化数据，利用粒子滤波预测方法，得到具有分布特性的各底层关键元器件贮存退化模型。式(2)中r(0)的正态分布均值与标准差分别为1.0016×10^-6与47.4653，a的正态分布均值与标准差分别为16.74与-0.4399。图3为某型号金属膜电阻的阻值初始分布图，图4为某型号金属膜电阻在175℃时的阻值贮存退化分布图。

步骤六：根据滚控电子模块结构特点，对步骤五中得到的具有分布特性的各底层关键元器件贮存退化模型进行随机抽样，抽选出可构建1000个滚控电子模块的1000组底层关键元器件组合，并将贮存时间带入，得到1000组关键元器件贮存退化数据。

步骤七：将步骤六中所得到1000组继电器组合的贮存退化数据带入步骤一中所建立的滚控电子模块功能仿真模型中，得到1000组滚控电子模块贮存退化数据。图5为其中一组滚控电子模块在175℃时输出周期的退化分布图。

步骤八：利用最小二乘法对步骤八所得到的1000组虚拟的滚控电子模块贮存退化数据在各贮存时间下的分布情况进行拟合，得到各贮存时间下的滚控电子模块输出特性退化数据分布参数。

步骤九：利用最小二乘法对步骤八中得到的滚控电子模块各贮存时刻输出特性退化数据的分布参数进行拟合，得到滚控电子模块输出特性退化数据分布参数的退化模型。图6为某型滚控电子模块在175℃时的周期均值拟合图。由图6可以看出，该滚控电子模块周期均值服从表1中的对数模型，利用最小二乘法对未知参数进行估计，可得a＝203.5，b＝-1.012，c＝e。

步骤十：根据步骤九中得到的滚控电子模块输出特性退化数据分布参数退化模型，将贮存时间t带入，得到t时刻滚控电子模块输出特性退化数据的分布概率密度函数，结合滚控电子模块失效阈值，利用式(1)计算滚控电子模块在t时刻的贮存可靠度。例如，t＝500时，可靠度为0.99。