申请/专利权人：合肥工业大学

申请日：2021-10-29

公开（公告）日：2024-02-13

公开（公告）号：CN113987804B

主分类号：G06F30/20

分类号：G06F30/20;G06F119/02;G06F119/04

优先权：

专利状态码：有效-授权

法律状态：2024.02.13#授权;2022.02.18#实质审查的生效;2022.01.28#公开

摘要：本发明公开了一种MOS场效应管的健康水平和剩余使用价值评价方法，包括：S1.对设计组不同结温变化的间歇式寿命加速实验，并采集导通电阻、阈值电压、体二极管压降、开通时间、关断时间五项特征参数；S2.对采集的特征数据进行预处理，剔除其中误差较大的数据；S3建立基于神经网络的健康水平和剩余使用价值评价模型，包括：特征变换模块和健康水平和剩余使用价值判别模块。本发明能估计MOS场效应管的运行状态，防止由器件老化引起的不可预见的失效与灾难的发生，同时，能够估计MOS场效应管是否有再使用价值，对有剩余价值的MOS场效应管再使用，从而达到节约资源，低碳环保的目的。

主权项：1.一种MOS场效应管的健康水平和剩余使用价值评价方法，其特征在于，包括：S1.对同一种型号的MOS场效应管设计A组不同结温变化的间歇式寿命加速实验，并采集导通电阻、阈值电压、体二极管压降、开通时间、关断时间五项特征参数；步骤S1.1.设置第a组间歇式寿命加速实验的循环周期总数为Na、当前循环周期数为na；定义第a组间歇式寿命加速实验的当前采集次数为fa，定义第a组间歇式寿命加速实验每循环Ma次实验采集一次数据，定义第a组间歇式寿命加速实验的结温的变化幅度为Tempa；初始化na＝1、fa＝1；步骤S1.2.在第na个循环周期下，对老化试验台上的MOS场效应管通入直流电，并在T1时间内使结温从室温temp升高变化幅度Tempa并达到预定温度temp+Tempa；步骤S1.3.当结温达到预定温度temp+Tempa时，断开直流电，并在T2时间内，通过水冷系统使结温从预定温度temp+Tempa降低到室温temp；步骤S1.4.na+1赋值给na，并返回步骤S1.2，直到na＝fa×Ma为止；步骤S1.5.从老化试验台上取下MOS场效应管，并使用静态检测仪第fa次离线测量老化试验后的MOS场效应管的导通电阻、阈值电压、体二极管压降的三项静态参数，再使用动态检测仪第fa次离线测量其开通时间、关断时间的两项动态参数，共得到第a组间歇式寿命加速实验的第fa组特征数据，其中，任意第fa组特征数据xfa包括五个参数；a∈[1,A]，na∈[1,Na]，fa∈[1,F]，Ma＜na；步骤S1.6.将fa+1赋值给fa后，按照步骤S1.1-S1.5的方式，从而得到第a组间歇式寿命加速实验的组特征数据，进而得到A组间歇式寿命加速实验的X组特征数据；S2.对采集的特征数据进行预处理，剔除其中误差较大的数据；S2.1.计算第a组间歇式寿命加速实验的组特征数据中每个参数的平均值，从而得到均值向量avga；S2.2.计算第a组间歇式寿命加速实验的组特征数据中每个参数的平均值与其标准差的估计值，从而得到估计向量sa；S2.3.初始化fa＝1；S2.4.计算第fa组特征数据xfa的统计量gh＝|xfa-avga|sa；S2.5.当统计量gh大于Grubbs检验法的临界值表中规定的标准值，则将第fa组特征数据xfa设置为空向量；S2.6.将fa+1赋值给fa，并返回步骤S2.4顺序执行，直到为止，从而得到预处理后的组特征数据；S3建立基于神经网络的健康水平和剩余使用价值评价模型，包括：特征变换模块和健康水平和剩余使用价值判别模块；S3.1所述特征变换模块包括：线性处理层、归一化处理层、加权处理层；所述线性处理层中设置有五组并行的线性处理函数；所述归一化处理层包含有四个归一化神经元；S3.1.1将所述X组特征数据输入到特征变换模块中的线性处理层，并分别经过五组并行的线性处理函数的处理后，相应输出第一特征数据组X1、第二特征数据组X2、第三特征数据组X3、第四特征数据组X4、第五特征数据组X5；S3.1.2五个特征数据组X1,X2,X3,X4,X5经过所述归一化处理层的处理后输出特征数据组{X1,c,X2,c,X3,c,X4,c,X5,c,|c＝1,2,3,4}，其中，X1,c表示第一特征数据组X1经过第c个归一化神经元处理后的数据集，X2,c表示第二特征数据组X2经过第c个归一化神经元处理后的数据集，X3,c表示第三特征数据组X3经过第c个归一化神经元处理后的数据集，X4,c表示第四特征数据组X4经过第c个归一化神经元处理后的数据集，X5,c表示第五特征数据组X5经过第c归一化神经元处理后的数据集；S3.1.3将经过归一化处理层输出的数据集{X1,c,X2,c,X3,c,X4,c,X5,c,|c＝1,2,3,4}输入到加权处理层中，并分别与权重系数{α1,c,α2,c,α3,c,α4,c,α5,c|c＝1,2,3,4}对应相乘，得到加权处理后的第一数据组第二数据组第三数据组第四数据组第五数据组其中，α1,c表示数据集X1,c的权重，α2,c表示数据集X2,c的权重，α3,c表示数据集X3,c的权重，α4,c表示数据集X4,c的权重，α5,c表示数据集X5,c的权重；S3.2所述健康水平和剩余使用价值判别模块包括：特征值处理层、判别公式构建层；S3.2.1将五个数据组输入所述健康水平和剩余使用价值判别模块中的特征值处理层中，用于提取数据组的高斯分布均值和标准样本差，其中，五个数据组的高斯分布均值和标准样本差，分别记为μ1和δ1,μ2和δ2,μ3和δ3,μ4和δ4,μ5和δ5；S3.2.2将特征值处理层输出的每个数据组的高斯分布均值和标准样本差分别输入到所述判别公式构建层中进行处理，得到不同梯度的五个判别公式h1,h2,h3,h4,h5，再利用五个判别公式分别对MOS场效应管的健康水平和剩余使用价值进行判别，得到五个判别结果；S4采用交叉熵作为损失函数，并选择Adam作为优化器对所述损失函数进行迭代优化，并更新模型中的权重值，使得损失函数趋于稳定时停止迭代，从而得到基于神经网络的最优健康水平和剩余使用价值评价模型；S5将检测得到的MOS场效应管的参数输入到基于神经网络的最优健康水平和剩余使用价值评价模型中，用于对MOS场效应管的参数信号进行评判，并输出对应的判别结果。

全文数据：

权利要求：

百度查询： 合肥工业大学 一种MOS场效应管的健康水平和剩余使用价值评价方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD