一种回收芯片使用寿命的检测方法技术

本发明专利技术公开了一种回收芯片使用寿命的检测方法，包括步骤一、获取芯片样本仿真数据集，仿真数据集包括芯片样本的老化参数和芯片样本的使用寿命；步骤二、采用主成分分析法筛选出老化参数中的关键特征参数，得到芯片样本仿真训练集；步骤三、通过梯度提升决策树算法建立使用寿命预测模型，并优化使用寿命预测模型的参数；步骤四、清洗回收芯片的历史数据，获取回收芯片的老化参数，并将回收芯片的老化数据输入使用寿命预测模型，得到回收芯片的使用寿命。本发明专利技术采用主成分分析法对老化参数进行降维融合，进而通过梯度提升决策树算法训练得到使用寿命预测模型，用于对回收芯片使用寿命的预测，模型拟合速度快，训练时间短，预测精度高。高。高。

【技术实现步骤摘要】
一种回收芯片使用寿命的检测方法


[0001]本专利技术涉及芯片回收
，特别涉及一种回收芯片使用寿命的检测方法。

技术介绍

[0002]电子废弃物俗称“电子垃圾”，是指被废弃不再使用的电器或电子设备，电子垃圾需要谨慎处理，在一些发展中国家，电子垃圾的现象十分严重，造成的环境污染威胁着当地居民的身体健康，电子芯片作为一种电子产品，其回收多是采取粉碎、焚烧处理，这样不仅会造成资源的极大浪费，还会污染环境，所谓回收芯片是指由原厂生产，但是已经使用过，从PCB板移除下来的芯片，一类为老化型，即芯片已使用过，但仍具备功能，只是性能有所退化；另一类为功能丧失型，即已经不能按照元器件制造商规定的规格执行任何功能的芯片，回收芯片很容易经不法分子将回收的芯片以旧充新，流入市场，一旦回收芯片被误用于交通、关键基础设施以及军事装备等领域，可能导致灾难性的系统故障或造成重大安全事故。因此，有必要提出一种回收芯片使用寿命的检测方法，能够对回收电路板的使用寿命进行检测评定。

技术实现思路

[0003]本专利技术提供了一种回收芯片使用寿命的检测方法，采用主成分分析法对芯片老化参数进行降维融合，进而通过梯度提升决策树算法训练得到使用寿命预测模型，用于对回收芯片使用寿命的预测，模型拟合速度快，训练时间短，预测精度高。
[0004]本专利技术的技术方案为：
[0005]一种回收芯片使用寿命的检测方法，包括：
[0006]步骤一、获取芯片样本仿真数据集，仿真数据集包括芯片样本的老化参数和芯片样本的使用寿命；r/>[0007]步骤二、采用主成分分析法筛选出老化参数中的关键特征参数，得到芯片样本仿真训练集；
[0008]步骤三、通过梯度提升决策树算法建立使用寿命预测模型，并优化使用寿命预测模型的参数；
[0009]步骤四、清洗回收芯片的历史数据，获取回收芯片的老化参数，并将回收芯片的老化数据输入使用寿命预测模型，得到回收芯片的使用寿命。
[0010]优选的是，老化参数包括电压、电流、阻值、门级电容和结温。
[0011]优选的是，芯片样本的老化参数通过芯片老化测试平台测量得到；
[0012]芯片样本的使用寿命通过芯片加速寿命试验得到。
[0013]优选的是，步骤二包括：
[0014]计算芯片样本的老化参数经验均值和协方差矩阵；
[0015]对协方差矩阵进行特征向量分解，并根据数据保留比例筛选出关键特征参数。
[0016]优选的是，步骤三包括：
[0017]选择回归树作为基学习器模型，初始化基学习器模型的损失函数；
[0018]输入芯片样本仿真训练集，对损失函数的一阶泰勒公式展开逼近残差，迭代强化基学习器模型；
[0019]采用网格搜索法优化使用寿命预测模型的参数。
[0020]优选的是，迭代强化所述基学习器模型包括：
[0021]计算芯片样本的关键特征参数残差，将残差作为新样本的使用寿命值，训练得到回归树；
[0022]计算回归树的每个叶子节点的最优拟合值，并更新回归树。
[0023]优选的是，芯片加速寿命试验包括：
[0024]获取芯片样本在加速应力试验下的失效时间；
[0025]根据失效时间和加速应力计算芯片样本的使用寿命。
[0026]优选的是，加速应力包括加速温度、加速湿度和加速电压。
[0027]优选的是，使用寿命的计算过程包括：
[0028]根据加速温度和实际应用环境温度计算温度加速因子；
[0029]根据加速湿度和实际应用环境湿度计算湿度加速因子；
[0030]根据加速电压和实际应用电压计算电压加速因子；
[0031]根据温度加速因子、湿度加速因子和电压加速因子计算得到综合加速因子；
[0032]根据综合加速因子和失效时间计算使用寿命。
[0033]优选的是，使用寿命的计算公式为：
[0034][0035]其中，表示预测芯片使用寿命，t
*
表示失效时间，AF表示综合加速因子。
[0036]本专利技术的有益效果是：
[0037]1、本专利技术提供了一种回收芯片使用寿命的检测方法，采用主成分分析法对老化参数进行降维融合，进而通过梯度提升决策树算法训练得到使用寿命预测模型，用于对回收芯片使用寿命的预测，模型拟合速度快，训练时间短，预测精度高。
[0038]2、本专利技术提供了一种回收芯片使用寿命的检测方法，通过加速寿命试验和老化平台测试得到芯片样本数据集合，通过主成分分析筛选出关键特征参数，进行使用寿模型的迭代训练，提高了数据拟合的速率，将加速寿命实验的寿命预测方法转化为机器学习的预测方法，大大提高了回收芯片寿命检测的效率，节约了设备和人工成本。
附图说明
[0039]图1为本专利技术提供的一种回收芯片使用寿命的检测方法流程图。
具体实施方式
[0040]以下由特定的具体实施例说明本专利技术的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本专利技术的其他优点及功效，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0041]“内”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系，这仅仅
是为了便于描述，而不是指示或暗示装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。
[0042]此外，还需要说明的是，在本专利技术的描述中，除非另有明确的规定和限定，术语“设置”、“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域技术人员而言，可根据具体情况理解上述术语在本专利技术中的具体含义。
[0043]如图1所示，一种回收芯片使用寿命的检测方法包括：
[0044]S110、获取芯片样本仿真数据集，仿真数据集包括芯片样本的老化参数和芯片样本的使用寿命。
[0045]其中，老化参数包括电压、电流、阻值、门级电容和结温，芯片样本的老化参数通过芯片老化测试平台测量得到；芯片样本的使用寿命通过芯片加速寿命试验得到。
[0046]S120、采用主成分分析法筛选出老化参数中的关键特征参数，得到芯片样本仿真训练集；
[0047]S130、通过梯度提升决策树算法建立使用寿命预测模型，并优化使用寿命预测模型的参数；
[0048]S140、清洗回收芯片的历史数据，获取回收芯片的老化参数，并将回收芯片的老化数据输入使用寿命预测模型，得到回收芯片的使用寿命。
[0049]主成分是一种数据压缩和特征提取的多变量统计分析技术，能够有效去除数据间的相关性，目本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种回收芯片使用寿命的检测方法，其特征在于，包括：步骤一、获取芯片样本仿真数据集，所述仿真数据集包括芯片样本的老化参数和芯片样本的使用寿命；步骤二、采用主成分分析法筛选出所述老化参数中的关键特征参数，得到芯片样本仿真训练集；步骤三、通过梯度提升决策树算法建立使用寿命预测模型，并优化所述使用寿命预测模型的参数；步骤四、清洗回收芯片的历史数据，获取所述回收芯片的老化参数，并将所述回收芯片的老化数据输入所述使用寿命预测模型，得到所述回收芯片的使用寿命。2.如权利要求1所述回收芯片使用寿命的检测方法，其特征在于，所述老化参数包括电压、电流、阻值、门级电容和结温。3.如权利要求2所述的回收芯片使用寿命的检测方法，其特征在于，所述芯片样本的老化参数通过芯片老化测试平台测量得到；所述芯片样本的使用寿命通过芯片加速寿命试验得到。4.如权利要求3所述的回收芯片使用寿命的检测方法，其特征在于，所述步骤二包括：计算所述芯片样本的老化参数经验均值和协方差矩阵；对所述协方差矩阵进行特征向量分解，并根据数据保留比例筛选出关键特征参数。5.如权利要求4所述的回收芯片使用寿命的检测方法，其特征在于，所述步骤三包括：选择回归树作为基学习器模型，初始化所述基学习器模型的损失函数；输入所述芯片样本仿真训练集，对所述损失函数的一阶泰勒公式展开逼近残差，迭代强化所述基学习器模型；采用...

【专利技术属性】
技术研发人员：魏巍，汪姗姗，袁燕，谭孝东，朱光辉，李再宝，
申请(专利权)人：慧镕电子系统工程股份有限公司，
类型：发明
国别省市：