CN105717384A - 元器件敏感参数退化的测量方法 - Google Patents

Abstract

本发明涉及一种元器件敏感参数退化的测量方法，包括：获取不同时刻元器件的敏感参数、影响所述敏感参数的应力和测量时刻；对所述敏感参数及应力进行数据预处理；对所述敏感参数、应力、测量时刻进行数据处理，获得去除所述应力及去除测量随机误差后的敏感参数。通过采用本发明所公开的元器件敏感参数退化的测量方法，去除了试验应力波动对元器件敏感参数退化信息的干扰，减少了基于敏感参数退化的元器件寿命的试验时间，能够快速获得元器件敏感参数变化趋势，降低了基于敏感参数退化的试验系统建设成本。

Description

元器件敏感参数退化的测量方法

技术领域

本发明涉及一种测量方法，具体涉及一种元器件敏感参数退化的测量方法。

背景技术

产品的可靠性水平是多少，是产品使用之前必须要解决的一个问题。只有知道产品的寿命、失效率等可靠性水平，才能准确、恰当地对产品进行应用。随着工艺水平的提高和新技术的采用，产品的可靠性水平越来越高。器件的可靠性水平越高，器件寿命越长，器件敏感参数退化速率越缓慢，在有限的试验时间内，其表征元器件可靠性的敏感参数的退化量小，敏感参数的值受到试验应力(如温度、电压、电流、频率、功率负载等)及测量噪声的扰动，因此造成敏感参数的退化信息淹没在扰动信号中。

现有技术中，为测量得到元器件敏感参数退化信号，建立敏感参数退化模型，现有方法主要是通过两个方面来克服敏感参数受到的扰动：控制试验应力的稳定度；延长试验时间。控制试验应力的稳定度，减少试验应力的漂移和波动，可以直接降低敏感参数受到的外部应力的扰动，易用测量得到敏感参数退化信息；延长试验时间可以使得敏感参数的变化足够的大，实现在干扰信号中提取出敏感参数退化信息。

但是控制试验应力的稳定度在实际应用中，受到技术和经费的双重制约，很难实现。而且对于敏感参数退化极为缓慢的高可靠性、长寿命元器件，试验时间可能需要数年甚至十多年的时间，试验时间太长，这在工程上是不可行的。因此，现有技术测试结果存在试验应力的干扰。试验应力波动对元器件敏感参数退化信息的干扰导致试验时间很长。

发明内容

本发明所要解决的技术问题是如何去除试验应力波动对元器件敏感参数退化信息的干扰。

为实现上述发明目的，本发明提出了一种元器件敏感参数退化的测量方法，包括：

获取不同时刻元器件的敏感参数、影响所述敏感参数的应力和测量时刻；

对所述敏感参数及应力进行数据预处理；

对所述敏感参数、应力、测量时刻进行数据处理，获得去除所述应力及去除测量随机误差后的敏感参数。

进一步地，所述对所述敏感参数及应力进行数据预处理包括：

确定所述敏感参数及应力合理的取值范围；

逐行扫描，去除超出取值范围的所述敏感参数及应力。

进一步地，所述获得去除所述应力及去除测量随机误差后的敏感参数，是按下式计算的：

${\hat{x}}_{\mathrm{bk}}={{\hat{x}}_k}^{+}+K_{\mathrm{bk}}({\hat{x}}_{b(k+1)}-{\hat{x}}_{k+1}^{-})$

其中，为反向处理量，是一个列矢量，第一行即为去除应力扰动及测量随机误差后的敏感参数，为后验预计量，为k+1行的先验预计量，K_bk代表第一中间量，k代表第k行数据，k的取值从N-1递推到1，代表第k+1行的反向处理量，第N行的反向处理量与第N行的后验预计量相等。

进一步地，所述第一中间量K_bk是按下式计算的：

$K_{\mathrm{bk}}=P_k^{+}{F}_k^T{\left(P_{k+1}^{-}\right)}^{-1}$

其中，K_bk代表第一中间量，代表第二中间量，代表k+1行的第三中间量，F_k代表时间状态转移矩阵。

进一步地，所述后验预计量是按下式计算的：

${\hat{x}}_k^{+}={\hat{x}}_k^{-}+K_k(y-H_k{\hat{x}}_k^{-})$

其中，为后验预计量，为先验预计量，K_k为第四中间量，y为特征提取矩阵，H_k为应力测量矩阵

进一步地，所述先验预计量是按下式计算的：

${\hat{x}}_k^{-}=F_{k-1}{\hat{x}}_{k-1}^{+}$

其中，为先验预计量，F_k-1为k-1行的时间转移矩阵，为k-1行的后验预计量，初始的后验预计量的第一行元素值取为敏感参数的初始测量值，或前若干个敏感参数测试值的均值，的其它行元素值取为0。

进一步地，所述特征提取矩阵y_k是按下式计算的：

$y_k=\left[\begin{array}{c}{S}_0\\ 0\\ 0\\ Z_k^1\\ .\\ .\\ .\\ Z_k^m\end{array}\right]$

其中，y_k为特征提取矩阵，S₀为敏感参数的初始测量值，或前若干个敏感参数测试值的均值，为k行第1个应力值，为k行第m个应力值，m为应力个数。

进一步地，所述第二中间量是按下式计算的：

$P_k^{+}=(I-K_k{H}_k)P_k^{-}{(I-K_k{H}_k)}^T+K_k{\mathrm{RK}}_k^T$

其中，代表第二中间量，代表第三中间量，K_k代表第四中间量，H_k为应力测量矩阵，第二中间量的初始值取值为R，R为测量误差矩阵。

进一步地，所述第四中间量K_k是按下式计算的：

$K_k=P_k^{-}{H}_k^T{(H_k{P}_k^{-}{H}_k^T+R)}^{-1}$

其中，K_k代表第四中间量，代表第三中间量，H_k为应力测量矩阵，R为测量误差矩阵。

所述应力测量矩阵H_k为(m+3)×(m+3)的矩阵，m代表应力的个数，H_k[1,1]＝1，其余的矩阵元素取值为0；

其中，代表应力测量矩阵H_k的第一行第3+i列的元素为i取值范围从1到m，表示第k行的第i个试验应力测量值，表示第i个试验应力的初始设定值。

所述测量误差矩阵R的计算公式为：

R＝ε×I_m+3

其中，I_m+3为(m+3)×(m+3)的单位矩阵，m为应力个数，ε表示测量误差。

进一步地，所述第三中间量是按下式计算的：

$P_k^{-}=F_{k-1}{P}_{k-1}^{+}{F}_{k-1}^T+Q$

其中，代表第三中间量，F_k-1为k-1行的时间转移矩阵，为k-1行的第二中间变量，Q为模型误差矩阵。

所述时间转移矩阵F_k的计算公式为：

$F_k=\left[\begin{array}{ccccc}1& h_k& {h_k}^2/2& 0& 0\\ 0& 1& h_k& 0& 0\\ 0& 0& 1& 0& 0...\\ 0& 0& 0& 1& 0\\ 0& 0& 0& 0& 1\end{array}\right]$

其中，F_k为时间转移矩阵，是一个(m+3)×(m+3)的矩阵，m代表应力的个数，F_k的对角线为1，F_k[1,2]＝h_k，F_k[1,3]＝h_k ²/2，F_k[2,3]＝h_k，其余矩阵元素取0，h_k为测量时间间隔。

所述模型误差矩阵Q是按下式计算的：

Q＝ξ×I_m+3

其中，I_m+3为(m+3)×(m+3)的单位矩阵，m为应力个数，ξ值控制数据处理后敏感参数波动范围，对于提取敏感参数长期变化趋势的情况，ξ取值范围为ξ＜S₀×1E-6，S₀为敏感参数的初始测量值，或前若干个敏感参数测试值的均值。

通过采用本发明所公开的元器件敏感参数退化的测量方法，去除了试验应力波动对元器件敏感参数退化信息的干扰，减少了基于敏感参数退化的元器件寿命的试验时间，能够快速获得元器件敏感参数变化趋势，降低了基于敏感参数退化的试验系统建设成本。

附图说明

通过参考附图会更加清楚的理解本发明的特征和优点，附图是示意性的而不应理解为对本发明进行任何限制，在附图中：

图1示出了本发明元器件敏感参数退化的测量方法的流程图；

图2示出了采用本发明的实施方式获得的某元器件敏感参数退化测量结果示意图。

具体实施方式

下面将结合附图对本发明的实施例进行详细描述。

如图1所示，本发明元器件敏感参数退化的测量方法的流程图，包括：获取不同时刻元器件的敏感参数、影响所述敏感参数的应力和测量时刻；对所述敏感参数及应力进行数据预处理；对所述敏感参数、应力、测量时刻进行数据处理，获得去除所述应力及去除测量随机误差后的敏感参数。下面对本发明提供的元器件敏感参数退化的测量方法展开详细的说明。

具体地，获取不同时刻元器件的敏感参数、影响所述敏感参数的应力和测量时刻，同一时刻的测试数据构成一行，并将数据记录在如下所示的表1中：

表1待处理数据的形式

数据行k

测试时刻T

敏感参数S

应力1

应力2

……

应力m

k＝1

k＝2

…

k＝N

敏感参数可以是直接测量值，也可为1个或多个直接测量值的合成。一个被测元器件可有1个或多个被测敏感参数，本实施方式以一个待分析敏感参数为例，对于多个敏感参数的情况，需要按照1个待分析敏感参数的测量方法逐一进行处理，在此不做赘述。

对上述技术方案的一种改进，所述对所述敏感参数及应力进行数据预处理可以包括：

确定所述敏感参数及应力合理的取值范围；

逐行扫描，去除超出取值范围的所述敏感参数及应力。

具体地，数据预处理主要是避免错误的或不完整的数据影响到后续的计算。对于敏感参数及应力的值应当根据实际的情况设置一个合理的取值范围。选取取值范围的原则是在试验系统或被测元器件正常工作的情况下，以极小的概率超出取值范围。例如，试验系统的温度波动度为±0.1℃，试验设定温度为125℃，即意味着试验温度应力波动范围在125℃±0.1℃，略微放宽波动范围，一般可取系统波动范围的3到5倍，即125℃±0.3℃或125℃±0.5℃作为正常监测值取值范围。

逐行扫描数据，对于超出取值范围或不完整的数据行，将整行数据删除，即该行数据不参与后续的数据分析。

对上述技术方案的一种改进，所述获得去除所述应力及去除测量随机误差后的敏感参数，可以按式(1)计算：

${\hat{x}}_{\mathrm{bk}}={{\hat{x}}_k}^{+}+K_{\mathrm{bk}}({\hat{x}}_{b(k+1)}-{\hat{x}}_{k+1}^{-})---\left(1\right)$

其中，为反向处理量，是一个列矢量，第一行即为去除应力扰动及测量随机误差后的敏感参数，为后验预计量，为k+1行的先验预计量，K_bk代表第一中间量，k代表第k行数据，k的取值从N-1递推到1，代表第k+1行的反向处理量，第N行的反向处理量与第N行的后验预计量相等。

所述第一中间量K_bk可以按式(2)计算：

$K_{\mathrm{bk}}=P_k^{+}{F}_k^T{\left(P_{k+1}^{-}\right)}^{-1}---\left(2\right)$

其中，K_bk代表第一中间量，代表第二中间量，代表k+1行的第三中间量，F_k代表时间状态转移矩阵。

所述后验预计量可以按式(3)计算：

${\hat{x}}_k^{+}={\hat{x}}_k^{-}+K_k(y-H_k{\hat{x}}_k^{-})---\left(3\right)$

其中，为后验预计量，为先验预计量，K_k为第四中间量，y为特征提取矩阵，H_k为应力测量矩阵

所述先验预计量可以按式(4)计算：

${\hat{x}}_k^{-}=F_{k-1}{\hat{x}}_{k-1}^{+}---\left(4\right)$

其中，为先验预计量，F_k-1为k-1行的时间转移矩阵，为k-1行的后验预计量，初始的后验预计量的第一行元素值取为敏感参数的初始测量值，或前若干个敏感参数测试值的均值，的其它行元素值取为0。

所述特征提取矩阵y可以按式(5)计算：

$y_k=\left[\begin{array}{c}{S}_0\\ 0\\ 0\\ Z_k^1\\ .\\ .\\ .\\ Z_k^m\end{array}\right]---\left(5\right)$

其中，y_k为特征提取矩阵，S₀为敏感参数的初始测量值，或前若干个敏感参数测试值的均值，为k行第1个应力值，为k行第m个应力值，m为应力个数。

所述第二中间量可以按式(6)计算：

$P_k^{+}=(I-K_k{H}_k)P_k^{-}{(I-K_k{H}_k)}^T+K_k{\mathrm{RK}}_k^T---\left(6\right)$

其中，代表第二中间量，代表第三中间量，K_k代表第四中间量，H_k为应力测量矩阵，第三中间量的初始值取值为R，R为测量误差矩阵。

所述第四中间量K_k可以按式(7)计算：

$K_k=P_k^{-}{H}_k^T{(H_k{P}_k^{-}{H}_k^T+R)}^{-1}---\left(7\right)$

其中，K_k代表第四中间量，代表第三中间量，H_k为应力测量矩阵，R为测量误差矩阵。

所述应力测量矩阵H_k为(m+3)×(m+3)的矩阵，m代表应力的个数，H_k[1,1]＝1，其余的矩阵元素取值为0；

其中，代表应力测量矩阵H_k的第一行第3+i列的元素为i取值范围从1到m，表示第k行的第i个试验应力测量值，表示第i个试验应力的初始设定值。

所述测量误差矩阵R的计算公式(8)为：

R＝ε×I_m+3(8)

其中，I_m+3为(m+3)×(m+3)的单位矩阵，m为应力个数，ε表示测量误差，取值范围为S₀×10^-2至S₀×10^-8,S₀为敏感参数的初始测量值，或前若干个敏感参数测试值的均值。

所述第三中间量可以按式(9)计算：

$P_k^{-}=F_{k-1}{P}_{k-1}^{+}{F}_{k-1}^T+Q---\left(9\right)$

其中，代表第三中间量，F_k-1为k-1行的时间转移矩阵，为k-1行的第二中间变量，Q为模型误差矩阵，R为测量误差矩阵。

所述时间转移矩阵F_k的计算公式(10)为：

$F_k=\left[\begin{array}{ccccc}1& h_k& {h_k}^2/2& 0& 0\\ 0& 1& h_k& 0& 0\\ 0& 0& 1& 0& 0...\\ 0& 0& 0& 1& 0\\ 0& 0& 0& 0& 1\end{array}\right]---\left(10\right)$

其中，F_k为时间转移矩阵，是一个(m+3)×(m+3)的矩阵，m代表应力的个数，F_k的对角线为1，F_k[1,2]＝h_k，F_k[1,3]＝h_k ²/2，F_k[2,3]＝h_k，其余矩阵元素取0，h_k为测量时间间隔，相应的可取为h_k＝T_k+1-T_k，表示后一个测量时刻T_k+1减去前一个测量时刻T_k，对于h₀由于不存在T₀，取h₀＝h₁或多个时间间隔的均值。

所述模型误差矩阵Q是按式(11)计算的：

Q＝ξ×I_m+3(11)

其中，I_m+3为(m+3)×(m+3)的单位矩阵，m为应力个数，ξ值控制数据处理后敏感参数波动范围，对于提取敏感参数长期变化趋势的情况，ξ取值范围为ξ＜S₀×1E-6，S₀为敏感参数的初始测量值，或前若干个敏感参数测试值的均值。

采用上述的实施方式，本发明获得了如图2所示的某元器件敏感参数(待测电流)退化测量结果示意图。图中显示了某元器件敏感参数(待测电流，纵轴)原始测量值随时间(横轴)变化的曲线，同时检测的应力为温度及偏置电压，经过数据处理后的敏感参数退化曲线如图2中的曲线所示。从图中可以看出，元器件原始测量结果受到应力的干扰，波动很大，经过处理后的元器件敏感参数波动范围较小，曲线比较平滑，去掉了应力以及测量随机误差的干扰。

通过采用本发明所公开的元器件敏感参数退化的测量方法，去除了试验应力波动对元器件敏感参数退化信息的干扰，减少了基于敏感参数退化的元器件寿命的试验时间，能够快速获得元器件敏感参数变化趋势，降低了基于敏感参数退化的试验系统建设成本。

虽然结合附图描述了本发明的实施方式，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。

Claims (10)

1.一种元器件敏感参数退化的测量方法，其特征在于，包括：

获取不同时刻元器件的敏感参数、影响所述敏感参数的应力和测量时刻；

对所述敏感参数及应力进行数据预处理；

对所述敏感参数、应力、测量时刻进行数据处理，获得去除所述应力及去除测量随机误差后的敏感参数。

2.根据权利要求1所述的测量方法，其特征在于，所述对所述敏感参数及应力进行数据预处理包括：

确定所述敏感参数及应力合理的取值范围；

逐行扫描，去除超出取值范围的所述敏感参数及应力。

3.根据权利要求1所述的测量方法，其特征在于，所述获得去除所述应力及去除测量随机误差后的敏感参数，是按下式计算的：

其中，为反向处理量，是一个列矢量，第一行即为去除应力扰动及测量随机误差后的敏感参数，为后验预计量，为k+1行的先验预计量，K_bk代表第一中间量，k代表第k行数据，k的取值从N-1递推到1，代表第k+1行的反向处理量，第N行的反向处理量与第N行的后验预计量相等。

4.根据权利要求3所述的测量方法，其特征在于，所述第一中间量K_bk是按下式计算的：

其中，K_bk代表第一中间量，代表第二中间量，代表k+1行的第三中间量，F_k代表时间状态转移矩阵。

5.根据权利要求3所述的测量方法，其特征在于，所述后验预计量是按下式计算的：

其中，为后验预计量，为先验预计量，K_k为第四中间量，y为特征提取矩阵，H_k为应力测量矩阵。

6.根据权利要求5所述的测量方法，其特征在于，所述先验预计量是按下式计算的：

其中，为先验预计量，F_k-1为k-1行的时间转移矩阵，为k-1行的后验预计量，初始的后验预计量的第一行元素值取为敏感参数的初始测量值，或前若干个敏感参数测试值的均值，的其它行元素值取为0。

7.根据权利要求5所述的测量方法，其特征在于，所述特征提取矩阵y_k是按下式计算的：

其中，y_k为特征提取矩阵，是一个列矢量，S₀为敏感参数的初始测量值，或前若干个敏感参数测试值的均值，为k行第1个应力值，为k行第m个应力值，m为应力个数。

8.根据权利要求4所述的测量方法，其特征在于，所述第二中间量是按下式计算的：

其中，代表第二中间量，代表第三中间量，K_k代表第四中间量，H_k为应力测量矩阵，第二中间量的初始值取值为R，R为测量误差矩阵。

9.根据权利要求5或8所述的测量方法，其特征在于，所述第四中间量K_k是按下式计算的：

其中，K_k代表第四中间量，代表第三中间量，H_k为应力测量矩阵，R为测量误差矩阵；

所述应力测量矩阵H_k为(m+3)×(m+3)的矩阵，m代表应力的个数，H_k[1,1]＝1，其余的矩阵元素取值为0；

其中，代表应力测量矩阵H_k的第一行第3+i列的元素为i取值范围从1到m，表示第k行的第i个试验应力测量值，表示第i个试验应力的初始设定值；

所述测量误差矩阵R是按下式计算的：

R＝ε×I_m+3

其中，I_m+3为(m+3)×(m+3)的单位矩阵，m为应力个数，ε表示测量误差。

10.根据权利要求9所述的测量方法，其特征在于，所述第三中间量是按下式计算的：

其中，代表第三中间量，F_k-1为k-1行的时间转移矩阵，为k-1行的第二中间变量，Q为模型误差矩阵；

所述时间转移矩阵F_k是按下式计算的：

其中，F_k为时间转移矩阵，是一个(m+3)×(m+3)的矩阵，m代表应力的个数，F_k的对角线为1，F_k[1,2]＝h_k，F_k[1,3]＝h_k ²/2，F_k[2,3]＝h_k，其余矩阵元素取0，h_k为测量时间间隔；

所述模型误差矩阵Q是按下式计算的：

Q＝ξ×I_m+3

其中，I_m+3为(m+3)×(m+3)的单位矩阵，m为应力个数，ξ值控制数据处理后敏感参数波动范围，对于提取敏感参数长期变化趋势的情况，ξ取值范围为ξ<S₀×1E-6，S₀为敏感参数的初始测量值，或前若干个敏感参数测试值的均值。