一种通用智能化的核电仪控环境下三极管寿命预测方法技术

本发明专利技术是一种在核电仪控环境下通用智能化的三极管寿命预测方法，它包括：获取多种类型三极管的退化机理敏感参数及其退化特征，对其退化机理敏感参数值进行聚类分析；对退化曲线应用深度学习方法，绘制得到不同类别三极管典型的参数退化曲线，测试得到其退化机理敏感参数值。利用贝叶斯分类器算法，根据所测参数值将待测三级管归入预置的某一类型当中。其后将参数值与类型对应的参数退化曲线比对，得到三个寿命分布。提出三参数竞争退化模型，求三种分布的极小值分布作为最终的三极管预测寿命分布，最后求取最终寿命分布的期望值作为三极管寿命的预测结果。本发明专利技术能够有效应对核电仪控环境三极管寿命普遍较长、试验代价高的问题，具有通用智能化特点。具有通用智能化特点。具有通用智能化特点。

【技术实现步骤摘要】
一种通用智能化的核电仪控环境下三极管寿命预测方法
1

[0001]本专利技术属于电子元器件寿命预测技术，尤其涉及一种通用智能化的三极管寿命预测方法。
2
技术介绍

[0002]核电行业的关键仪控设备目前正面临系统的过时和老化问题，安装在仪表、控制和安全系统应用中的原始设备通常使用已超过30年，电子板件和电子元器件的老化故障日益增多。这些故障会降低系统可靠性和可用性，严重时可导致电厂停堆。同时，核电行业仪控设备所使用的电子元器件往往具有较长的使用寿命、试验代价高，大多数电厂缺乏良好的技术依据，只能选择将器件直接运行至失效或定期规模更换。这两种策略都花费巨大，因此需要更好地了解老化机理和故障前兆的方法、开展电子元器件寿命预测的研究，以开发更具经济性的电子元器件老化检查、缓解与管理技术。
[0003]三极管是核电行业仪控装置中的核心电子元器件之一，其退化失效机理和轨道多样，缺乏通用智能的退化机理参数提取和寿命预测装置。中国专利公开号CN114091347A，公开日2022年2月5日，专利技术创造的名称为一种电子元器件寿命预测方法，该申请案公开了较泛化的电子元器件寿命预测方法，不能够针对三极管这一特定器件展开分析，同时对于晶体管的寿命预测不具备通用性，即一次训练所得模型仅能用于一种型号的寿命预测。本专利技术则依据三极管退化物理机制，明确给出了三极管的退化机理敏感参数，并最终可以实现通用智能化的寿命预测，即对于不同型号、不同批次的三极管，即使缺乏充足的试验数据，也能够根据简单的参数测试得到其寿命预测值。
[0004]针对三极管这一特定的核电行业仪控设备的关键电子元器件，为实现其通用智能化的寿命预测，首先研究确定三极管退化机理敏感参数及其测试方法，在此基础上学习不同型号三极管的退化机理敏感参数的退化特征，从而能够根据待预测三极管的所测参数值，应用学习得到的退化特征预测其失效寿命。
[0005]由于元器件的制作工艺与预期使用环境不同，其退化机理敏感参数值往往差异较大，且会产生多种数值组合形式。由于参数值大小很大程度上由器件的材料、设计与工艺所决定，因此具有相似参数组合的三极管型号不但功能相似，还往往具有相似的退化特征。
[0006]通过针对不同型号三极管退化特征的分类、学习与提炼，将为三极管通用智能化的寿命预测打下基础。在已经得到了三极管不同的退化机理敏感参数组合所对应的退化特征的条件下，通过贝叶斯分类器方法，结合测得的三极管退化机理敏感参数，找到其对应的参数退化特征，在此基础上应用三参数竞争退化模型得到最终的寿命分布，可以实现三极管通用智能化的寿命预测。
3
技术实现思路

[0007]本专利技术要解决的技术问题是：针对核电行业仪控装置中所用三极管类型多样，寿命普遍较长、试验代价高的问题，提供了一种通用智能化的三极管寿命预测方法。
[0008]本专利技术的技术方案概述如下：
[0009]一种基于贝叶斯分类器的通用智能化三极管寿命预测方法，包括：
[0010]步骤一：收集数据，获取多种不同型号三极管的退化机理敏感参数值及其退化特征；
[0011]步骤二：将来自不同型号的三极管退化机理敏感参数组合聚类分析，将这些型号依据退化机理敏感参数的特征划分为多个聚类；
[0012]步骤三：采用深度学习方法，提炼每一聚类下三极管退化机理敏感参数的退化特征，绘制该聚类下的三极管退化机理敏感参数的典型退化曲线。
[0013]步骤四：对待测三极管施加激励，提取得到其退化机理敏感参数；
[0014]步骤五：利用贝叶斯分类器算法，根据所测参数值将待测三级管归入预置的某一类型当中；
[0015]步骤六：将参数值与类型对应的参数退化曲线比对，根据三种不同的退化机理敏感参数的退化特征，得到三个寿命分布；
[0016]步骤七：在步骤三得出的三个寿命分布的基础上，利用三参数竞争退化模型得到最终的三极管寿命分布；
[0017]步骤八：求取最终寿命分布的期望值作为三极管寿命的预测结果。
[0018]步骤一中所述的三极管退化机理敏感参数及其退化特征，可以是通过对三极管的可靠性试验得到，可以是通过对于三极管制造工艺或失效机理仿真得到，也可以是通过已有数据库直接获取得到。
[0019]所述的三极管的退化机理敏感参数包括三极管的R
BE
,R
BC
以及放大倍数β。
[0020]步骤二中所述的三极管的退化机理敏感参数，可以是通过为多种不同型号的三极管施加测试激励，通过运算提取得到；也可以通过已有数据直接获取得到。
[0021]步骤二中所述聚类分析采用EM算法，也即期望最大化算法。
[0022]步骤三中所述的三极管退化机理敏感参数的典型退化曲线，包括R
BE
退化曲线，R
BC
退化曲线以及放大倍数β退化曲线。
[0023]步骤四中所述的对三极管施加激励的方法是：R
BE
,R
BC
参数的提取首先由多次施压测流分别测量出三极管的截止电压和导通电压，随后取二者中值区段作为常用工作电压区段，在施流测压曲线中利用最小二乘法计算该电压区段斜率，作为提取得到的R
BE
,R
BC
参数；β参数在施加的基极电流I
B
一定时，随着U
CE
增加，I
C
值趋于稳定，由I
C
/I
B
即可得到测试值。
[0024]步骤五中所述的预置类型，是指具有相似退化机理敏感参数特征并具有相似退化特征的三极管的集合。
[0025]步骤七中所述的利用三参数竞争退化模型得到最终的三极管寿命分布的办法，是通过求取三种寿命分布的极小值分布的方式得到最终的寿命分布。
4附图说明
[0026]图1为本专利技术流程示意图；
[0027]图2为退化机理敏感参数提取原理图；
5具体实施方式
[0028]下面结合附图与具体实施方式对本专利技术做进一步详细描述。
[0029]本专利技术的实现过程如图1，它包括：
[0030]首先通过试验方法获得多种不同型号三极管的退化机理敏感参数及其退化特征。对于退化机理敏感参数测试，其方法如图2所示：退化机理参数提取控制器对待测三极管基极
‑
发射极多次施压测流得到截止电压1和导通电压2，取二者中值区段作为常用工作电压区段3，在施流测压曲线中利用最小二乘法计算该电压区段斜率作为提取得到的R
BE
参数。同理对待测三极管基极
‑
集电极多次施压测流得到的截止电压1和导通电压2，自适应退化机理参数计算软件模块取二者中值区段作为常用工作电压区段3，并在施流测压曲线中利用最小二乘法计算该电压区段斜率作为提取得到的R
BC
参数。β参数在施加给定的基极电流I
B
时，逐步增加U
CE
，I
C
值趋于稳定，以I本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种通用智能化的三极管寿命预测方法，其特征在于，该方法具体步骤如下：步骤一：收集数据，获取多种不同型号三极管的退化机理敏感参数值及其退化特征；步骤二：将来自不同型号的三极管退化机理敏感参数组合聚类分析，将这些型号依据退化机理敏感参数的特征划分为多个聚类；步骤三：采用深度学习方法，提炼每一聚类下三极管退化机理敏感参数的退化特征，绘制该聚类下的三极管退化机理敏感参数的典型退化曲线。步骤四：对待测三极管施加激励，提取得到其退化机理敏感参数；步骤五：利用贝叶斯分类器算法，根据所测参数值将待测三级管归入预置的某一类型当中；步骤六：将参数值与类型对应的参数退化曲线比对，根据三种不同的退化机理敏感参数的退化特征，得到三个寿命分布；步骤七：在步骤三得出的三个寿命分布的基础上，利用三参数竞争退化模型得到最终的三极管寿命分布；步骤八：求取最终寿命分布的期望值作为三极管寿命的预测结果。2.根据权利要求1所述的基于退化机理敏感参数的三极管退化特征聚类分析学习方法，其特征在于，步骤一中所述的三极管退化机理敏感参数及其退化特征，可以是通过对三极管的可靠性试验得到，可以是通过对于三极管制造工艺或失效机理仿真得到，也可以是通过已有数据库直接获取得到。3.根据权利要求1所述的基于退化机理敏感参数的三极管退化特征聚类分析学习方法，其特征在于，所述的三极管的退化机理敏感参数包括三极管的R
BE
,R
BC
以及放大倍数β。4.根据权利要求1所述的基于退化机理敏感参数的三极管退化特征聚类分析学习方法，其特征在于，步骤二中所述的三极管的退化机理敏感参数，可以是通过为多种不同型号的三极管施加测试激励，通过运算提取得到；也可以通过已有数据直接获取得...

【专利技术属性】
技术研发人员：姚金勇，刘润利，曾思哲，颜思玮，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：