1.一种混合搜索算法优化bp神经网络的多芯片故障诊断方法，其特征在于，包括：
2.根据权利要求1所述的混合搜索算法优化bp神经网络的多芯片故障诊断方法，其特征在于，基于所述伏安特性曲线，提取所述各个管脚的特征值，并构建待检测芯片的故障模型的步骤，包括：
3.根据权利要求1所述的混合搜索算法优化bp神经网络的多芯片故障诊断方法，其特征在于，利用logistic-sine-cosine混沌映射初始化麻雀种群的步骤，包括：
4.根据权利要求3所述的混合搜索算法优化bp神经网络的多芯片故障诊断方法，其特征在于，基于初始化的麻雀种群，利用引入萤火虫扰动的麻雀搜索算法fssa搜索搭建的bp神经网络的最优参数的步骤，包括：
5.根据权利要求4所述的混合搜索算法优化bp神经网络的多芯片故障诊断方法，其特征在于，按照如下公式，根据所述发现者的当前位置更新其在下一次迭代时的位置：
6.根据权利要求5所述的混合搜索算法优化bp神经网络的多芯片故障诊断方法，其特征在于，按照如下公式，根据所述加入者的当前位置更新其在下一次迭代过程中的位置：
7.根据权利要求6所述的混合搜索算法优化bp神经网络的多芯片故障诊断方法，其特征在于，按照如下公式，根据所述警戒者的当前位置更新其在下一次迭代时的位置：
8.根据权利要求4所述的混合搜索算法优化bp神经网络的多芯片故障诊断方法，其特征在于，按照如下公式计算各个萤火虫个体的荧光亮度作为适应度值：
9.根据权利要求8所述的混合搜索算法优化bp神经网络的多芯片故障诊断方法，其特征在于，按照如下公式计算各萤火虫个体的吸引度：
10.根据权利要求9所述的混合搜索算法优化bp神经网络的多芯片故障诊断方法，其特征在于，所述萤火虫扰动公式为：