基于数据驱动的晶体管异常故障检测方法与流程

本申请涉及测量电变量，具体涉及基于数据驱动的晶体管异常故障检测方法。

背景技术：

1、晶体管是一种半导体器件，由三个或更多的材料层组成，常用于电子开关或放大器，是现代电子技术的基础之一。晶体管的应用包括计算机、手机、电视等，二极管作为晶体管的一种，其使用随着微电路的广泛应用越来越普遍。在二极管的生产和使用过程中，如何发现存在异常故障的晶体管是技术人员需要直接面对的问题。其中晶体二极管的pn结软击穿缺陷会导致二极管电性能退化，指标参数降低从而造成故障隐患，不易被发现。pn结软击穿时装备仍能带病工作，性能未发生根本变化，故对二极管进行软击穿故障检测具有重要意义。

2、目前，常用的检测方法有直流脉冲测试法，在实际应用中发现，该方法存在误检测问题。直流脉冲方法通过测量二极管的反向电流是否超过设定阈值来判断是否出现故障，因此，该方法存在只能探测到特定类型的软击穿，而对于其他形式的软击穿缺陷不敏感。

技术实现思路

1、为了解决上述技术问题，本发明提供基于数据驱动的晶体管异常故障检测方法，以解决现有的问题。

2、本发明的基于数据驱动的晶体管异常故障检测方法采用如下技术方案：

3、本发明一个实施例提供了基于数据驱动的晶体管异常故障检测方法，该方法包括以下步骤：

4、获取晶体管各电压下各时间段的电流数据；

5、基于各时间段的电流数据，采用局部加权回归将电流数据连续化；将连续化后的电流数据进行微分获取各时间段的峰值点、周期以及谷值点；根据各时间段各峰值点和后一峰值点在对应周期中与谷值点的差异性获取电流数据在各时间段各周期的波动量；根据电流数据在各时间段各周期的波动量与各周期长度的对应关系获取各时间段的反向电流波形震荡系数序列；根据各时间段的反向电流波形震荡系数序列的元素分布特征获取各时间段的震荡重复系数；

6、根据各时间段的电流数据结合序列分解算法获取各时间段的电流变化幅度；根据各时间段的震荡重复系数与电流变化幅度获取各时间段的反向电流波形震荡重复指数；根据所有电压下的各时间段的反向电流波形震荡重复指数的分布特征获取各时间段的震荡重复性走势指数；

7、根据各时间段的震荡重复性走势指数结合异常检测算法获取异常概率值向量；根据异常概率值向量的所有元素的数值分布完成晶体管的故障检测。

8、优选的，所述将连续化后的电流数据进行微分获取各时间段的峰值点、周期以及谷值点，具体步骤包括：

9、将连续化后的电流数据一阶导数等于0，二阶导数小于0的点作为峰值点；将连续化后的电流数据一阶导数等于0，二阶导数大于0的点作为谷值点；

10、将各峰值点与所述各峰值点的后一峰值点之间的数据作为各周期。

11、优选的，所述根据各时间段各峰值点和后一峰值点在对应周期中与谷值点的差异性获取电流数据在各时间段各周期的波动量，表达式为：

12、

13、式中，表示电流数据在时间段x第a个周期的波动量，、分别表示时间段x第a个周期、第a+1个周期的峰值点，表示时间段x内第a个周期的谷值点。

14、优选的，所述根据电流数据在各时间段各周期的波动量与各周期长度的对应关系获取各时间段的反向电流波形震荡系数序列，具体为：

15、获取各周期的长度，所述各周期的长度具体为各峰值点与后一峰值点对应时刻的差值绝对值；将各时间段各周期的波动量与各周期所述长度的比值作为各时间段各周期的反向电流波形震荡系数；

16、将各时间段所有周期的反向电流波形震荡系数组成的序列作为各时间段的反向电流波形震荡系数序列。

17、优选的，所述根据各时间段的反向电流波形震荡系数序列的元素分布特征获取各时间段的震荡重复系数，具体为：

18、分别计算各时间段的反向电流波形震荡系数序列元素的极差值、均值、方差；计算各时间段的反向电流波形震荡系数序列各元素与所述均值的差值；计算所述方差加上预设的调节参数的和值；计算所述差值与所述和值的比值；获取对所有元素所述比值的绝对值求平均的结果；将所述极差值与所述结果的乘积作为各时间段的震荡重复系数。

19、优选的，所述根据各时间段的电流数据结合序列分解算法获取各时间段的电流变化幅度，具体为：

20、对各时间段的电流数据采用序列分解算法获取各时间段的趋势项数据序列；

21、对于趋势项数据序列的各元素；计算各元素之前所有元素的均值；将各元素与所述均值的差值作为以自然常数为底数的指数函数的指数；将所有元素所述指数函数的计算结果的均值作为各时间段的电流变化幅度。

22、优选的，所述各时间段的反向电流波形震荡重复指数具体为各时间段的震荡重复系数与电流变化幅度的乘积。

23、优选的，所述根据所有电压下的各时间段的反向电流波形震荡重复指数的分布特征获取各时间段的震荡重复性走势指数，包括：

24、将各时间段在不同电压下的反向电流波形震荡重复指数按照电压值从小到大进行排列组成的序列作为各时间段的反向电流波形震荡重复指数序列；获取反向电流波形震荡重复指数序列的香农熵；各时间段的震荡重复性走势，表达式为：

25、

26、式中，表示时间段x的震荡重复性走势，表示时间段x的反向电流波形震荡重复指数序列，表示序列的香农熵，表示检测中施加的电压总数，为预设的调节参数，、分别表示时间段x的第k个电压下、第k-1个电压的反向电流波形震荡重复指数，表示以2为底数的对数函数。

27、优选的，所述根据各时间段的震荡重复性走势指数结合异常检测算法获取异常概率值向量，具体为：

28、获取当前时间前n秒内所有时间段的震荡重复性走势指数组成的序列作为走势序列，其中，n为预设值；

29、将走势序列作为sos异常检测算法的输入，sos异常检测算法的输出为异常概率值向量，所述异常概率值向量内各元素为对应各时间段的异常概率值。

30、优选的，所述根据异常概率值向量的所有元素的数值分布完成晶体管的故障检测，具体包括：

31、预设故障概率阈值；当异常概率值向量中的异常概率值最大值大于等于故障概率阈值时，晶体管存在异常；反之，晶体管不存在异常。

32、本发明至少具有如下有益效果：

33、本发明主要通过分析晶体管在软击穿缺陷下的反向电流波形，提取其异常峰值，构建反向电流波形震荡系数，利用峰值陡峭程度对软击穿异常进行判断，有效区分正常漏电流或硬击穿电流；然后分析在设定时间段内电流异常抖动频率，构建反向电流波形震荡重复指数，有效反应晶体管存在的工艺缺陷以及软击穿出现的频率特征；结合不同电压下的晶体管的性能特征，得到震荡重复性走势指数，结合异常检测算法，实现对晶体管的故障检测，能够在前期发现晶体管的异常的有益效果，弥补了现有方法对不同软击穿类型敏感的缺陷，提升异常检测算法在对晶体管进行故障检测的灵敏度。

技术特征：

1.基于数据驱动的晶体管异常故障检测方法，其特征在于，该方法包括以下步骤：

2.如权利要求1所述的基于数据驱动的晶体管异常故障检测方法，其特征在于，所述将连续化后的电流数据进行微分获取各时间段的峰值点、周期以及谷值点，具体步骤包括：

3.如权利要求1所述的基于数据驱动的晶体管异常故障检测方法，其特征在于，所述根据各时间段各峰值点和后一峰值点在对应周期中与谷值点的差异性获取电流数据在各时间段各周期的波动量，表达式为：

4.如权利要求1所述的基于数据驱动的晶体管异常故障检测方法，其特征在于，所述根据电流数据在各时间段各周期的波动量与各周期长度的对应关系获取各时间段的反向电流波形震荡系数序列，具体为：

5.如权利要求1所述的基于数据驱动的晶体管异常故障检测方法，其特征在于，所述根据各时间段的反向电流波形震荡系数序列的元素分布特征获取各时间段的震荡重复系数，具体为：

6.如权利要求1所述的基于数据驱动的晶体管异常故障检测方法，其特征在于，所述根据各时间段的电流数据结合序列分解算法获取各时间段的电流变化幅度，具体为：

7.如权利要求1所述的基于数据驱动的晶体管异常故障检测方法，其特征在于，所述各时间段的反向电流波形震荡重复指数具体为各时间段的震荡重复系数与电流变化幅度的乘积。

8.如权利要求1所述的基于数据驱动的晶体管异常故障检测方法，其特征在于，所述根据所有电压下的各时间段的反向电流波形震荡重复指数的分布特征获取各时间段的震荡重复性走势指数，包括：

9.如权利要求1所述的基于数据驱动的晶体管异常故障检测方法，其特征在于，所述根据各时间段的震荡重复性走势指数结合异常检测算法获取异常概率值向量，具体为：

10.如权利要求9所述的基于数据驱动的晶体管异常故障检测方法，其特征在于，所述根据异常概率值向量的所有元素的数值分布完成晶体管的故障检测，具体包括：

技术总结
本发明涉及测量电变量技术领域，具体涉及基于数据驱动的晶体管异常故障检测方法，该方法包括：获取晶体管的电流数据；采用局部加权回归将电流数据连续化，然后进行微分获取峰值点、周期以及谷值点；对电流波形的形状特征进行分析，构建反向电流波形震荡系数序列；对电流数据波形的重复性特征进行分析，构建反向电流波形震荡重复指数；将不同电压下对应时间段的反向电流波形震荡重复指数进行对比，构建震荡重复性走势指数；结合异常检测算法获取异常概率值向量；完成晶体管的故障检测。本发明旨在对不同形式的软击穿造成的缺陷进行检测，能够在前期发现晶体管的异常，提高故障检测的灵敏度。

技术研发人员：李建田
受保护的技术使用者：深圳力迈电子有限公司
技术研发日：
技术公布日：2024/4/7