本说明书涉及晶体管,尤其涉及一种晶体管寿命预测方法及装置。
背景技术:
1、航空、航天等高可靠应用领域要求晶体管具备高性能、高可靠、长寿命,甚至“零缺陷”。
2、传统的可靠性评估通常是基于晶体管的故障物理或寿命终态特征进行,以失效时间作为统计分析对象,通过对失效数据的统计推断得到晶体管的寿命分布模型,从而进行可靠性评定。但传统方法经常遇到失效数据太少或无失效数据的难题,尤其是对高可靠、长寿命和昂贵的产品,而对于经过筛选的整批元件要求在装机前预测某个具体元件的工作性能,在某种情况下,产品不能进行完全寿命实验,甚至不能进行寿命实验,因此难以有效评估出装机晶体管的剩余使用寿命。
技术实现思路
1、本发明目的在于提供一种晶体管寿命预测方法及装置,用以解决装机晶体管使用寿命预测难的问题。
2、为实现上述目的,本发明采用如下技术方案:
3、一方面,本说明书提供一种晶体管寿命预测方法,包括:
4、s1、采集同型号晶体管寿命试验数据,得到晶体管性能参数二维数组;
5、s2、基于所述晶体管性能参数二维数组,提取晶体管寿命特征参数,得到晶体管寿命预测样本;
6、s3、构建基于长短期记忆神经网络的晶体管寿命预测模型;
7、s4、基于所述晶体管寿命预测样本,对晶体管寿命预测模型进行训练和验证,得到训练好的晶体管寿命预测模型;
8、s5、基于所述训练好的晶体管寿命预测模型,对晶体管寿命进行预测。
9、另一方面,本说明书还提供了一种晶体管寿命预测装置,包括:
10、数据采集模块,用于采集同型号晶体管寿命试验数据,得到晶体管性能参数二维数组;
11、样本提取模块,用于基于所述晶体管性能参数二维数组,提取晶体管寿命特征参数,得到晶体管寿命预测样本;
12、模型构建模块,用于构建基于长短期记忆神经网络的晶体管寿命预测模型;
13、模型训练模块,用于基于所述晶体管寿命预测样本,对晶体管寿命预测模型进行训练和验证,得到训练好的晶体管寿命预测模型;
14、寿命预测模块,用于基于所述训练好的晶体管寿命预测模型,对晶体管寿命进行预测。
15、另一方面,本说明书还提供了一种电子设备,
16、处理器;以及
17、被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行如上述权利要中任一项所述的方法的步骤。
18、基于上述技术方案,本说明书能够获得如下技术效果:
19、基于长短期记忆神经网络的寿命预测方法以采集到的过程数据为基础,不需要故障演化过程或寿命退化过程的精确解析模型,直接对对象系统的各类可用数据进行分析,通过各种人工神经网络算法,挖掘对象系统数据中隐含的健康状态或退化特征信息。此方法能够在失效数据太少或无失效数据的情况,以晶体管部分初态检测试验数据为基础进行寿命预测,能够有效解决装机晶体管寿命评估难的问题。
1.一种晶体管寿命预测方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述晶体管寿命试验数据包括集电极-发射极饱和电压、集电极-基极截止电流和正向电流传输比,所述采集同型号晶体管寿命试验数据,得到晶体管性能参数二维数组包括:
3.根据权利要求1所述的方法,其特征在于,所述基于所述晶体管性能参数二维数组,提取晶体管寿命特征参数,得到晶体管寿命预测样本,包括:
4.根据权利要求1所述的方法,其特征在于,在所述基于所述晶体管性能参数二维数组,提取晶体管寿命特征参数,得到晶体管寿命预测样本后,还包括:
5.根据权利要求4所述的方法,其特征在于,所述对所述晶体管寿命预测样本进行数据增强,包括:
6.根据权利要求4所述的方法,其特征在于,所述基于所述晶体管寿命预测样本,对晶体管寿命预测模型进行训练和验证,得到训练好的晶体管寿命预测模型,包括:
7.根据权利要求1所述的方法,其特征在于,所述构建基于长短期记忆神经网络的晶体管寿命预测模型,包括:
8.根据权利要求7所述的方法,其特征在于,在所述基于所述训练好的晶体管寿命预测模型,对晶体管寿命进行预测前,还包括:
9.一种晶体管寿命预测装置,其特征在于,包括:
10.一种电子设备,其特征在于,包括: