基于深度信念网络的多应力下长寿命电子器件可靠性寿命评估方法技术

本发明专利技术公开了基于深度信念网络的多应力下长寿命电子器件可靠性寿命评估方法，通过加速寿命试验获得不同环境应力下器件失效数据进行可靠性特征估计，然后建立可靠性推导模型完成常应力水平下可靠性寿命推导。评估方法包括以下步骤：首先，确定影响电子元件工作可靠性的环境应力；其次，设计加速寿命试验；再次，对试验数据进行统计分析，获得不同应力水平下元件可靠性寿命估计值。最后，利用加速寿命试验数据确定可靠性推导模型。本发明专利技术解决了样本短缺，试验时间有限的问题，并采用了一种新型常应力可靠性特征推导模型，解决传统单应力估计方法易发生模型嵌套风险的问题，并且实现多应力水平下寿命推导模型的建立。

Reliability life assessment method for long life electronic devices under multi stresses based on deep belief network

The invention discloses a reliability life assessment method for long-life electronic devices under multiple stresses based on depth belief network, obtains the reliability characteristic estimation of device failure data under different environmental stresses by accelerated life test, and then establishes a reliability derivation model to complete the reliability life derivation under constant stress level. The evaluation method includes the following steps: firstly, determine the environmental stress which affects the reliability of electronic components; secondly, design accelerated life test; thirdly, analyze the test data and obtain the reliability life estimation of components under different stress levels. Finally, the reliability derivation model is determined by accelerated life test data. The invention solves the problems of sample shortage and limited test time, and adopts a new constant stress reliability characteristic deduction model, solves the problem that traditional single stress estimation method is prone to model nesting risk, and realizes the establishment of life deduction model under multiple stress levels.

【技术实现步骤摘要】
基于深度信念网络的多应力下长寿命电子器件可靠性寿命评估方法
本专利技术涉及可靠性评估技术，具体涉及一种多应力下长寿命电子器件产品的可靠性评估方法，用于验证电子产品在不同应力水平下是否满足规定的可靠性指标。
技术介绍
现代科学技术的进步和微电子技术、计算机技术的不断发展，推动电子设备和系统向复杂化、高速化、高效化、信息化、精密化和自动化的方向发展，已经成功应用在航天、航空、船舶和武器等领域。电子设备在装备、设备中既是基础组成又占据核心的地位。比如，航空系统中的电子设备占成本的50％左右。电子设备能够极大的提高系统的工作效率，但由于其结构复杂、对工作环境要求较高、伴随时间增长故障率会呈现上升趋势，从而将直接影响系统的整体性能。可靠性是评定产品质量的重要指标之一，而产品的性能指标是是人们在生产生活中最为关心的问题。产品的可靠性指标是指寿命变量的一些数字特征。随着科学技术的发展，高可靠性，长寿命的产品越来越多，在正常条件下实施寿命试验已经不能满足可靠性评定的要求。常应力以及应力水平较低情况下获得高可靠产品的寿命试验数据成本较高，因此通常考虑改用加速寿命试验的方法，强化环境因素的作用，在较短的试验时间内获得长期试验结果的可靠性试验方法。结合数理统计理论，实现快速检测，快速评估的目的。然后利用所得到的失效数据外推样品在常应力工作条件下的可靠性特征。使用加速寿命试验，能快速评估出产品的可靠性，迅速找出失效原因。加速寿命试验方法为评定长寿命、高可靠性产品的可靠性提供有效工具。以往的寿命评测方法是使用传统加速寿命试验的方法，利用与物理失效规律相关的统计模型对在超出正常应力水平的加速环境下获得的可靠性信息进行转换，得到试件在额定应力水平下可靠性特征的可复现的数值估计的一种试验方法。加速寿命试验采用加速应力进行试件的寿命试验，从而缩短了试验时间，提高了试验效率，降低了试验成本，其研究使高可靠长寿命产品的可靠性评定成为可能。在失效机理不变的基础上，通过寻找产品寿命与应力之间的物理化学关系，即加速模型，利用加速应力水平下的寿命特征去外推或评估正常应力水平下寿命特征的试验技术和方法。因此，加速模型是其研究的关键。但是传统加速寿命试验方法存在模型嵌套的风险，即在确定加速模型时，依据过去数据分析经验，为获得的推导数据先验地嵌套模型，在此模型上进行分析，并且多应力模型研究相对较少，模型工程应用不够具备广适用性。在加速模型的研究中，单应力加速模型相对比较成熟。但影响产品的寿命的环境应力是复杂的，比如会受到温度、震动和湿度等应力的影响，实际上,也正是这些应力的综合效果影响了产品的寿命。因此在加速寿命试验中引入综合应力，不仅可以缩短试验时间、提高试验效率、而且可以更精确地模拟实际环境条件，得到更可信的结果。虽然产品受到的是多种环境应力的综合影响，但要在它们与产品寿命之间建立某种函数关系，却是一件非常困难的事情。因此，在单加速应力寿命试验中，仅使用单应力加速模型难以获得可信度高的试验结果。因为各种应力引起产品失效的机理不一样，同时不同应力之间也存在着相互耦合的作用，要将它们和寿命相结合，还必须了解产品本身的属性，比如材料、几何特性等。因此很难找出一个能够真实描述实际情况且又具有普遍适用性的应力-寿命关系。在实际工程中，可以找到了一个合适的加速模型，但是求解多维极大似然方程组却很困难。人工神经网络作为一种模拟人脑神经系统的结构与功能特征的数学处理方法，具有自学习能力，不需要任何先验函数的假设，即可从试验数据中自动总结规律，并可用总结出的规律来预测未知。人工神经网络技术可以把具有复杂因果关系的物理量在经过适当数量的训练之后比较准确地反映出来，并可用总结出的规律来预测未知的信息。BP网络是一种应用十分广泛的人工神经网络，它的重要功能之一就是实现非线性函数映射。许多领域已经运用BP网络进行数据预测,并取得了很好的效果。但是基于有监督学习的人工神经网络是采用的主要方法之一，传统的神经网络初始值是随机赋值的，易陷入局部最小值，出现预测曲线过拟合的现象。通过优化算法对初始值的预处理，预测性能能够得到一定的提升。但又受到有标签数据数量的限制，往往由于有标签训练样本的数量不足，直接导致BP神经网络模型因训练不足而预测精度欠缺。另外，BP神经网络属于浅层结构的学习方法，对于训练样本利用低效，在数据表达能力上有限，难以表达高度复杂的函数，处理高度复杂的问题。深度学习方法具有强大的复杂函数拟合能力，能够应对不可测因素较多的复杂应用场景。深度学习网络作为一种模拟人脑神经系统结构与功能特征的数学处理方法，不需要任何先验函数的假设，即可从试验数据中自动总结规律，并可利用总结出来的规律来预测未知。相比于传统神经网络，深度学习网络的无监督学习过程能够利用无标签数据进行网络超参数的训练，避免出现过数据拟合的风险，加速网络训练速度，使得深度学习网络能够拥有更多的隐藏层数，通过多隐藏层结构从已知在数据中获得数据间更为高层次抽象的函数联系，在预测与识别中可以表现出更加优异的性能。深度信念网络是由多层受限玻尔兹曼机(RestrictedBoltzmannMachine，RBM)堆叠而成，RBM是一种概率生成模型，其内部各层神经元间没有联接，每层神经元是独立同分布的，仅隐藏层与可视层间存在全连接，因而大大降低了网络训练的复杂性。逐层对RBM利用无标签样本进行无监督训练后，多次迭代训练后，即可将网络的超参数调整为较为理想状态。然后将无监督学习获得的超参数作为BP神经网络训练初值对网络进行无监督训练，迭代一定次数后即可完成深度信念网络模型建模。通过自学习可以将产品寿命与多应力之间的数学关系准确映射出来，自动总结试验数据的规律，把具有复杂因果关系的物理量在经过适当数量的无监督学习和有监督训练之后获得。这非常有利于解决在多加速应力水平以及存在不确定影响因素时可靠性特征的外推问题。
技术实现思路
本专利技术目的在于提供一种长寿命电子器件件可靠性评估方法，以解决常应力下试验时间过长以及单应力加速推导模型在综合因素影响下性能受限的问题，有效提高电子元件的试验效率，缩短评估时间，同时提高产品可靠性评估的鲁棒性。为了实现上述目的，本专利技术采用的技术方案是基于深度信念网络的多应力下长寿命电子器件可靠性寿命评估方法，该方法主要有四部分内容组成：第一、基于器件失效机理，确定器件老化试验加速应力的种类和数量；第二、基于恒加寿命试验和定数截尾的试验方法获取电子器件老化数据；第三、基于韦布尔分布根据器件失效数据获取器件计算估计出可靠性参数；第四、基于深度信念网络建立加速应力与可靠性参数间的训练模型，结合试验数据对深度信念网络进行超参数训练，确定加速推导模型。这四部分关系如图1所示，其中：A表示加速应力确定即环境应力种类确定部分。进行恒加寿命试验首先要确定加速应力种类和数量，即必须明确产品运行环境和故障模式，设备在使用生产过程中受到的环境应力是复杂的，确定影响设备寿命的应力种类即明确电子产品运行环境和故障机理，利用多种加速应力作用以及试验条件严酷化，在短时间内使产品发生故障。B表示恒加寿命试验设计方法即恒加寿命试验设计部分。确定综合加速应力水平，加速寿命试验的目的就是在失效机理不变的情况下在高应力下获取试验数据。根据器本文档来自技高网...

【技术保护点】
1.基于深度信念网络的多应力下长寿命电子器件可靠性寿命评估方法，其特征在于：该方法主要有四部分内容组成：第一、基于器件失效机理，确定器件老化试验加速应力的种类和数量；第二、基于恒加寿命试验和定数截尾的试验方法获取电子器件老化数据；第三、基于韦布尔分布根据器件失效数据获取器件计算估计出可靠性参数；第四、基于深度信念网络建立加速应力与可靠性参数间的训练模型，结合试验数据对深度信念网络进行超参数训练，确定加速推导模型；其中：A表示加速应力确定即环境应力种类确定部分；进行恒加寿命试验首先要确定加速应力种类和数量，即必须明确产品运行环境和故障模式，设备在使用生产过程中受到的环境应力是复杂的，确定影响设备寿命的应力种类即明确电子产品运行环境和故障机理，利用多种加速应力作用以及试验条件严酷化，在短时间内使产品发生故障；B表示恒加寿命试验设计方法即恒加寿命试验设计部分；确定综合加速应力水平，加速寿命试验的目的就是在失效机理不变的情况下在高应力下获取试验数据；根据器件具体使用环境，选取多种外部环境应力并以其综合应力水平作为寿命试验的加速条件；随机选取需要被检测的器件样品，分别安排在不同综合应力水平下进行加速寿命试验，记录器件样品的失效时间及失效个数；C表示数据统计分析过程即可靠性参数分布估计过程，不同电子器件不同工况下可靠性寿命存在差异，利用不同应力水平下元件可靠性特征计算元件寿命分布服从的概率分布，从而估算出器件的可靠性寿命；D表示确定可靠性寿命外推模型即应力水平与可靠性寿命的推导模型建立过程；加速寿命试验的外推模型是为了建立加速应力和可靠性寿命间的数学关系；使用深度信念网络建立多种加速应力和可靠性寿命间的推导模型。...

【技术特征摘要】
1.基于深度信念网络的多应力下长寿命电子器件可靠性寿命评估方法，其特征在于：该方法主要有四部分内容组成：第一、基于器件失效机理，确定器件老化试验加速应力的种类和数量；第二、基于恒加寿命试验和定数截尾的试验方法获取电子器件老化数据；第三、基于韦布尔分布根据器件失效数据获取器件计算估计出可靠性参数；第四、基于深度信念网络建立加速应力与可靠性参数间的训练模型，结合试验数据对深度信念网络进行超参数训练，确定加速推导模型；其中：A表示加速应力确定即环境应力种类确定部分；进行恒加寿命试验首先要确定加速应力种类和数量，即必须明确产品运行环境和故障模式，设备在使用生产过程中受到的环境应力是复杂的，确定影响设备寿命的应力种类即明确电子产品运行环境和故障机理，利用多种加速应力作用以及试验条件严酷化，在短时间内使产品发生故障；B表示恒加寿命试验设计方法即恒加寿命试验设计部分；确定综合加速应力水平，加速寿命试验的目的就是在失效机理不变的情况下在高应力下获取试验数据；根据器件具体使用环境，选取多种外部环境应力并以其综合应力水平作为寿命试验的加速条件；随机选取需要被检测的器件样品，分别安排在不同综合应力水平下进行加速寿命试验，记录器件样品的失效时间及失效个数；C表示数据统计分析过程即可靠性参数分布估计过程，不同电子器件不同工况下可靠性寿命存在差异，利用不同应力水平下元件可靠性特征计算元件寿命分布服从的概率分布，从而估算出器件的可靠性寿命；D表示确定可靠性寿命外推模型即应力水平与可靠性寿命的推导模型建立过程；加速寿命试验的外推模型是为了建立加速应力和可靠性寿命间的数学关系；使用深度信念网络建立多种加速应力和可靠性寿命间的推导模型。2.根据权利要求1所述的基于深度信念网络的多应力下长寿命电子器件可靠性寿命评估方法，其特征在于：环境应力种类的确定部分A，恒加寿命试验设计部分B和可靠性参数分布估计过程C，以及应力水平与可靠性寿命的推导模型建立过程D；环境应力种类确定部分A，确定环境应力种类，明确发生故障的物理化学过程；根据装备种类和使用环境，分析即确定装备在变化应力作用下工作时导致装备发生故障的物理、化学过程的规律；装备的加速老化试验就是对故障模式的再现，选取加速应力需要参照产品正常工作时影响其寿命的主要环境应力来决定；恒加寿命试验设计方法部分B，参考装备厂家给出的技术参数为不同老化因素确定使用应力和最大应力，按照应力等差数列法或倒数等间隔原则设置不同类型应力的应力水平；而后根据组合原则获取全部应力组合样本；使用随机抽样方法选取试验样本，根据部分综合应力水平数量等容量分组，并在相应应力水平下进行试验；确定定时截尾寿命试验测试周期，周期设定以使失效不过多发生于前两个为周期为宜；数据统计分析部分C，统计装备失效数量及失效时间数据，推导出装备寿命的韦布尔分布特征参数，根据所获得特征参数的不同，韦布尔分布可近似变换为指数分布，瑞利分布，近似对数正态分布和近似正态分布等，进而估算出不同加速应力下装备的可靠性参数；可靠性寿命外推模型建立部分D，选取深度信念网络，使用由不同类型应力的全部应力水平组合而成的综合应力水平和可靠度作为无监督训练样本数据，选取部分综合加速应力数据以及可靠度数据作为模型输入训练数据，将其对应的可靠性寿命作为模型训练输出，进行有监督训练，最终完成...

【专利技术属性】
技术研发人员：张利国，孙启龙，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：北京,11