CN117113914A - 基于数字孪生的电路板可靠性预测方法、系统及存储介质 - Google Patents
基于数字孪生的电路板可靠性预测方法、系统及存储介质 Download PDFInfo
- Publication number
- CN117113914A CN117113914A CN202311385087.4A CN202311385087A CN117113914A CN 117113914 A CN117113914 A CN 117113914A CN 202311385087 A CN202311385087 A CN 202311385087A CN 117113914 A CN117113914 A CN 117113914A
- Authority
- CN
- China
- Prior art keywords
- circuit board
- sensor
- real
- reliability
- time
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000003860 storage Methods 0.000 title claims abstract description 9
- 238000012360 testing method Methods 0.000 claims description 45
- 239000000758 substrate Substances 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 238000012423 maintenance Methods 0.000 claims description 6
- 238000013461 design Methods 0.000 claims description 4
- 241000699670 Mus sp. Species 0.000 claims description 3
- 230000009471 action Effects 0.000 claims description 3
- -1 and wires Substances 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 3
- 230000015556 catabolic process Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 3
- 230000005855 radiation Effects 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 2
- 238000009434 installation Methods 0.000 claims description 2
- 238000004088 simulation Methods 0.000 claims description 2
- 230000036541 health Effects 0.000 abstract description 3
- 230000005856 abnormality Effects 0.000 abstract description 2
- 238000004519 manufacturing process Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000011156 evaluation Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 239000000463 material Substances 0.000 description 5
- 238000010998 test method Methods 0.000 description 4
- 239000000654 additive Substances 0.000 description 3
- 230000000996 additive effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000007639 printing Methods 0.000 description 3
- 239000004593 Epoxy Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005328 electron beam physical vapour deposition Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011960 computer-aided design Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000001351 cycling effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000009713 electroplating Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000001465 metallisation Methods 0.000 description 1
- 238000000465 moulding Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 229910052709 silver Inorganic materials 0.000 description 1
- 239000004332 silver Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000005979 thermal decomposition reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/39—Circuit design at the physical level
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tests Of Electronic Circuits (AREA)
Abstract
本发明公开了基于数字孪生的电路板可靠性预测方法、系统及存储介质,属于数字孪生的技术领域。包括以下步骤:于电路板上安装至少一组传感器;按照预定时间间隔获取每组传感器的实时数据并存储,同时生成实时故障预测信号;在数据库中提取并汇总关于传感器的故障数据得到历史条件数据;将所述历史条件数据与对应传感器的实时数据进行整合和归纳,建立可靠性预测模型;利用所述可靠性预测模型预测电路板的可靠性,所述可靠性预测模型用于模拟并预测健康状态、剩余寿命和潜在异常。本发明通过在电路板上组装传感器,实时监测电路板的状态和性能。基于时间维度对电路板的可靠性进行预测,通过收集传感器数据和历史条件数据,生成可靠性预测模型。
Description
技术领域
本发明属于数字孪生的技术领域,特别是涉及基于数字孪生的电路板可靠性预测方法、系统及存储介质。
背景技术
数字孪生技术通过将物理实体与数字化模型相结合,提供了一种全新的方式来监测、分析和优化物理实体的运行和性能,具有广泛的应用前景。
现有方案通过专业工程人员使用测量仪器对电路进行取样测试,通过测试输出频率,测试电路可靠性。步骤如下:
2.1准备工作:首先确定需要检测的电路和相关设备。再准备测试所需的环境和工具,如温度控制设备、湿度控制设备、振动台等。
2.2设定测试参数:根据具体的可靠性测试方法,设定测试参数。例如,确定需要测试的温度范围、湿度范围、振动频率等。
2.3进行测试:将电路放置在测试设备中,确保其与测试设备的连接正确。根据设定的测试参数,启动测试设备,开始进行测试。可以使用自动化测试设备进行测试,也可以手动进行测试。
2.4数据记录和分析:在测试过程中,记录电路的性能表现和测试结果。可以使用数据记录设备或软件来记录数据。根据测试数据进行分析,评估电路的可靠性。可以使用统计分析方法和可靠性评估模型来进行分析。
2.5结果评估:根据测试结果,评估电路可靠性。可以比较测试结果与预设的可靠性指标或标准,来判断电路是否符合要求。如果测试结果不符合要求,需要进行修正或改进。可以通过调整设计、材料选择或制造工艺等方式来提高电路的可靠性。
2.6报告编制:根据测试结果和评估,编制测试报告。报告应包括测试过程的详细描述、测试结果的分析和评估、以及可能的改进建议。
现有测试方案主要存在以下缺点:
1.时间消耗:现有的可靠性检测流程通常需要较长的时间来完成,特别是在进行长时间的老化测试时。这可能会延长产品的开发周期和上市时间。
2.成本高昂:可靠性测试所需的设备和工具通常比较昂贵,而且需要专业的技术人员进行操作和维护。这可能会增加制造商的成本。
3.可重复性差:由于可靠性测试涉及到多个环境因素和参数,测试结果可能会受到多种因素的影响,导致测试结果的可重复性较差。
4.无法覆盖所有情况:尽管可靠性测试方法多种多样,但仍然无法覆盖所有可能的使用场景和环境条件。因此,即使通过了可靠性测试,仍然可能在实际使用中出现问题。
5.无法完全预测产品寿命:可靠性测试只能评估产品在一定条件下的可靠性,无法完全预测产品的寿命。产品的寿命还受到其他因素的影响,如使用环境、使用方式和维护等。
6.缺乏统一标准:目前缺乏统一的可靠性测试标准,不同制造商和行业可能采用不同的测试方法和评估标准,导致结果的可比性较差。
发明内容
本发明为解决上述背景技术中存在的技术问题,提供了基于数字孪生的电路板可靠性预测方法、系统及存储介质。
本发明采用以下技术方案:基于数字孪生的电路板可靠性预测方法,包括以下步骤:
于电路板内和/或电路板外安装至少一组传感器;按照预定时间间隔获取每组传感器的实时数据并存储,同时生成实时故障预测信号;基于所述实时故障预测信号生成所需的显示信号或者显示图像;
于数据库中提取并汇总关于传感器的故障数据得到历史条件数据;将所述历史条件数据与对应传感器的实时数据进行整合和归纳,建立可靠性预测模型;
利用所述可靠性预测模型预测电路板的可靠性,所述可靠性预测模型用于模拟并预测健康状态、剩余寿命和潜在异常,若模拟的效果不佳,则给出对应的决策进行维护。
在进一步的实施中,所述电路板包括基板,以及集成在基板上的导线、元件连接器,以及安装在电路板内和/或电路板外的传感器;所述传感器根据实际需求采用内嵌的安装形式或外挂、飞线的连接形式。
在进一步的实施中,所述传感器包括内部检测用传感器和外部检测用传感器;
其中,所述外部检测用传感器为温度传感器、辐射传感器、环境温度传感器和压力传感器中的一种或几种;
所述内部检测用传感器为振动传感器、应力传感器、机械冲击传感器、内部温度传感器、温度循环传感器和湿度传感器中的一种或几种。
在进一步的实施中,所述实时故障预测信号的生成流程如下:
根据传感器的类型和设在电路板上的位置,预先设置对应的指标阈值范围,若传感器的实时数据不属于对应的指标阈值范围内,则显示为异常信号,并对所述异常信号赋予时间节点得到实时故障信号;反之为正常信号;
若所述实时故障信号在预定时间断内的出现频率高于次数阈值,则生成实时故障预测信号并显示。
在进一步的实施中,所述可靠性预测模型是基于电路板的物理特性建立而成,所述物理特性包括关于元器件的质量、刚度、固有频率和固有振型;具体建立流程如下:
将所述电路板预先划分为若干个子区域,对每个子区域执行以下步骤:
获取电路板的裸板质量m和电路板的总质量M,其中;为元器
件i的质量;采用以下公式计算阈值:;
若,则将元器件j归类为小元器件;反之,则将元器件归类为大元器件;其
中,1≤j≤i;
以质量为参考,利用总质量等效法将小元器件均匀分布在电路板上;
利用直接有限元成型法,对整个电路板上的大元器件建立有限元模型。
在进一步的实施中,所述可靠性预测模型用于模拟并预测电路板的质量状态的步骤如下:
在预定温度,单一电应力作用下,尺度参数和形状参数均由施加的电应力水
平确定;对电路板施加不同的电压Vcc并进行记录,将其作为输入,直到电路板出现击穿情
况,视为失效;
将得出的尺度参数和形状参数的值,代入以下失效函数得到失效时间t;
;其中,t为失效时间;
然后再次对目标PCB进行测试,根据失效时间t,得出目标电路板的失效概率;当失效概率超过产品设计值或额定值时,就判断为电路板存在质量问题。
在进一步的实施中,还包括:可靠性预测模型的测试与训练,具体为:
将预定时间间隔获取每组传感器的实时数据作为可靠性预测模型的输入,可靠性模型的输出为模拟失效预测信号,将所述模拟失效预测信号与对应的实时故障预测信号进行分析,以训练可靠性预测模型。
一种基于数字孪生的电路板可靠性预测系统,用于实现如上所述的可靠性预测方法,包括:
PCB状态单元,包括以下组件:控制器、可靠性预测模型和数据库;所述可靠性预测模型是通过历史条件数据与对应传感器的实时数据整合而成,所述数据库用于存储按照预定时间间隔获取每组传感器的实时数据,所述实时数据来源于电路板内和/或电路板外安装至少一组传感器;
输入/输出(I/O)接口,用于传输所述实时数据和所述实时故障预测信号,同时用于PCB状态单元的数据传输;
用户界面,包括显示器、键盘、鼠标、图形用户界面、触摸屏;用于显示信号或者图像,并给使用者提供操作界面;
一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上所述的基于数字孪生的电路板可靠性预测方法的步骤。
本发明的有益效果:
时间维度预测,本发明基于时间维度对电路板的可靠性进行预测,通过收集传感器数据和历史条件数据,生成可靠性预测模型。而现有方案可能更侧重于静态的可靠性测试,无法提前预测电路板的可靠性。
实时质量监测,本发明通过在电路板上组装传感器,可以实时监测电路板的状态和性能。而现有方案可能更倾向于离线的可靠性测试,无法实时监测电路板的变化和故障。
附图说明
图1为基于数字孪生的电路板可靠性预测方法的流程图。
图2为实施例1中的DS18B20温度传感器架构图。
图3为实施例1中的威尔分布图。
图4为实施例2中的基于数字孪生的电路板可靠性预测系统图。
图5为实施例2中的PCB状态单元图。
具体实施方式
实施例1
本实施例公开基于数字孪生的电路板可靠性预测方法,如图1所示,包括以下步骤:
于电路板内和/或电路板外安装至少一组传感器;本实施例中的电路板为PCB板,其上配置有多走线或导电墨线,这些线路绘制在基板的表面上。基板可以由用于PCB生产的任何类型的材料制成,包括但不限于环氧板,如FR4环氧板等。导电墨线材料可用于集成电路制造中使用的任何类型的墨线,包括但不限于银导电墨线。
PCB 可能包含一个或多个由导电墨线通信连接的IC集成电路,这些电路实现PCB的各种既定功能(如存储器IC,CPU等)。同时,PCB还可能包含执行特定功能的其他组件,包括但不限于LED灯,摄像头,存储器,I/O组件和其他电路。同时,在本提案中PCB还会装有一个或多个传感器。需要说明的是,在PCB装有一个或多个传感器时,这些传感器用于收集PCB可靠性的各个数据。同时,也可以在PCB周边配置传感器,用于收集外部环境、生产条件数据。例如湿度传感器、辐射传感器(如光传感器,X射线传感器)、环境温度传感器和压力传感器等。此外,在另一些案例中,传感器会被用于检测内部条件,例如振动传感器(如谐波振动或随机振动)、应力(高周期或低周期疲劳)传感器(如检测基板的弯曲或扭曲的传感器)、机械冲击传感器、内部温度传感器(如测量CPU使用产生的热量的温度传感器)、温度循环传感器和湿度传感器。
基于上述描述,所述电路板包括基板,以及集成在基板上的导线、元件和连接器;于电路板内和/或电路板外安装传感器的步骤如下:
S101、根据所述导线、元件和连接器的尺寸和位置使用计算机辅助设计电路板模型;如电路板的电路布线、连接器、过孔和其他必要元件的精确尺寸和位置。
S102、使用电路布线软件(如CAD)在计算机中生成电路图,所述电路图包括电路板上预设置的元件和导线,以及相互之间的连接关系;电路图应该包括所有连接的导线和元件,以及它们之间的连接方式。
S103、根据S102中的电路图、以及材料选择对应的增材制造工艺;常见的增材制造工艺包括激光直接成像(LDI)、电子束物理气相沉积(EB-PVD)、选择性热分解、选择性激光熔化(SLM)等。
S104、将S101中的电路板模型发送至增材制造设备中进行打印;在打印过程中,设备会根据模型逐层添加材料,以构建最终的PCB。
S105、打印完成后,将各个导线和元件连接起来,以便形成完整的电路;形成完整的电路。金属化处理是指使用电镀或其他方法在过孔中沉积金属,以实现电路的导通。
S106、对电路进行测试和验证,以确保其功能正常。
需要说明的是,若步骤101和步骤102中的部分传感器无法以内嵌的形式安装在电路板中,即无法在电路板中预留出所需的安装空间,则采用外挂、飞线的形式进行设计和安装。
对应的,实时数据是通过一个或多个传感器生成的,包括本文中描述的任何类型的传感器的数据。例如传感器数据可以配置为一个温度传感器,生成温度数据,温度传感器可以在特定的时间间隔内生成温度数据,当随着时间的推移收集这些数据时,产生图形数据,便于计算最小/最大温度随时间的变化,升温时间,以及其他温度特性。
基于上述描述,所述实时故障预测信号的生成流程如下:
根据传感器的类型和设在电路板上的位置,预先设置对应的指标阈值范围,若传感器的实时数据不属于对应的指标阈值范围内,则显示为异常信号,并对所述异常信号赋予时间节点得到实时故障信号;反之为正常信号;
若所述实时故障信号在预定时间断内的出现频率高于次数阈值,则生成实时故障预测信号并显示。在本实施例中,实时数据至少包括:电压Vcc、功耗P、温度T等。
由电路板状态单元(如PCB状态单元)接收传感器数据和历史条件数据,其中历史条件数据包括基于内部或外部条件的电路板的一个或多个组件的故障数据。例如,PCB状态单元可能从温度传感器接收传感器数据,并接收历史条件数据(如通过输入/输出接口加载到数据库中),该数据包括在许多温度周期后导电墨线和多走线的故障率。在实际生产中,一般使用DS18B20温度传感器,其结构图如图2所示。
在另一个实施例中,PCB状态单元可能从振动传感器接收传感器数据,并接收历史条件数据,该数据包括在振动应力后CPU的故障率。
所述可靠性预测模型是基于电路板的物理特性建立而成,所述物理特性包括关于元器件的质量、刚度、固有频率和固有振型;具体建立流程如下:
将所述电路板预先划分为若干个子区域,换言之,将PCB板模块化,如将其按坐标分解为若干个区域或细化到单个组件中,并对每个子区域执行以下步骤:
获取电路板的裸板质量m和电路板的总质量M,其中;为元器
件i的质量;采用以下公式计算阈值:;
若,则将元器件j归类为小元器件;反之,则将元器件归类为大元器件;其
中,1≤j≤i;该阈值在本发明中测得为1.8。
以质量为参考,利用总质量等效法将小元器件均匀分布在电路板上;
利用直接有限元成型法,对整个电路板上的大元器件建立有限元模型。
由于元器件在PCB上分布相对比较均匀,因此在建立有限元模型时,首先利用总质量等效法将小元器件的质量均匀布置在PCB上。总质量等效法考虑整个PCB质量,并将质量均布在基板上,但不考虑刚度影响。
大元器件利用直接有限元成型法,对整个PCB直接建立有限元模型。依据其实际位置进行建模.考虑到大元器件基体( 包括大电容、 变压器、 线圈等) 的刚度远高于元器件管脚和基板的刚度,因此将基体简化为位于质心的集中质量点。
可靠性预测模型用于模拟并预测电路板的质量状态的步骤如下:
在预定温度,单一电应力作用下,尺度参数和形状参数均由施加的电应力水
平确定;对电路板施加不同的电压Vcc并进行记录,将其作为输入,直到电路板出现击穿情
况,视为失效;
将得出的尺度参数和形状参数的值,代入以下失效函数得到失效时间t;
;其中,t为失效时间;
然后再次对目标PCB进行测试,根据失效时间t,得出目标电路板的失效概率;当失
效概率超过产品设计值或额定值时,就判断为电路板存在质量问题。为尺度参数,表示故
障发生的时间间隔;尺度参数的值越小,表示故障发生的时间间隔越短,故障发生越频
繁;尺度参数的值越大,表示故障发生的时间间隔越长,故障发生越稀少;表示形状参
数。如图3所示。
还包括:可靠性预测模型的测试与训练,具体为:
将预定时间间隔获取每组传感器的实时数据作为可靠性预测模型的输入,可靠性模型的输出为模拟失效预测信号,将所述模拟失效预测信号与对应的实时故障预测信号进行分析,以训练可靠性预测模型。
本发明基于时间维度对电路板的可靠性进行预测。通过收集电路板的各项数据,包括传感器数据和历史条件数据,可以生成可靠性预测模型。这样可以提前预测电路板的可靠性,并采取相应的措施,避免潜在的故障和损失。
通过在电路板上组装传感器,可以实时监测电路板的状态和性能。这样可以及时发现潜在的问题,并采取相应的措施进行修复或改进,提高电路板的可靠性。通过自动化和数据分析的方式,提高测试和评估的效率。这样可以节省时间和人力成本,并提高生产效率。
实施例2
本实施例公开一种基于数字孪生的电路板可靠性预测系统,用于实现实施例1所述的可靠性预测方法,如图4所示PCB与PCB状态单元的组件进行链接并传递信息,包括:
PCB状态单元,包括以下组件:控制器、可靠性预测模型和数据库;所述可靠性预测模型是通过历史条件数据与对应传感器的实时数据整合而成,所述数据库用于存储按照预定时间间隔获取每组传感器的实时数据,所述实时数据来源于电路板内和/或电路板外安装至少一组传感器;
输入/输出(I/O)接口,用于传输所述实时数据和所述实时故障预测信号,同时用于PCB状态单元的数据传输;
用户界面,包括显示器、键盘、鼠标、图形用户界面、触摸屏;用于显示信号或者图像,并给使用者提供操作界面;
此外,PCB状态单元中整合了孪生模块,它将来自一个或多个传感器的实时数据与已有的历史数据(如现场故障数据)整合在一起,将这些数据在数据库中进行整合和归纳,以产生一个数字孪生模型。数字孪生模型模拟并预测PCB的健康状况,同时预测PCB剩余寿命和潜在异常。孪生模块可以通过软件实现、也可以通过硬件实现、也可以软硬件结合实现。例如孪生模块可以是由PCB状态单元内的一个或多个处理单元执行的软件程序。
PCB状态单元还包括一个控制器,它与PCB状态单元的组件、PCB以及I/O通信接口进行连接。控制器可以包括一个或多个处理器、存储器和通信接口。其中处理器种类多样,包括微处理器、特定集成电路(ASIC)、现场可编程门阵列(FPGA)、数字信号处理器(DSP)等。
存储器可以是有形的、计算机可读的存储介质,提供存储功能,用于存储与控制器、应用实例以及其他组件的操作相关的各种数据和程序代码。因此,存储器可以存储数据,如用于操作应用实例或其他组件的指令程序。存储器可以使用各种类型和组合的存储器,包括随机存取存储器(RAM)、只读存储器(ROM)、闪存(如安全数字(SD)存储卡、迷你SD存储卡和微型SD存储卡)、固态硬盘(SSD)存储器等。存储器可以与控制器集成,可以包括独立的存储器,或者可以是两者的组合。
在一些实施例中,PCB状态单元的一个或多个组件包含在PCB中,如图5所示。
综上所述,通过实时监测和预测电路板的可靠性,可以及时发现潜在问题并采取相应措施,提高产品的质量和可靠性,减少故障率和维修成本。通过自动化和数据驱动的方式,可以提高测试和评估的效率,减少人力和时间成本。同时,通过预测和预防故障,可以减少维修和更换成本。根据电路板的具体情况和需求进行个性化定制,提供定制化的可靠性测试和预测服务。这可以帮助制造商在市场上实现差异化竞争,满足不同客户的需求。
Claims (9)
1.基于数字孪生的电路板可靠性预测方法,其特征在于,包括以下步骤:
于电路板内和/或电路板外安装至少一组传感器;按照预定时间间隔获取每组传感器的实时数据并存储,同时生成实时故障预测信号;基于所述实时故障预测信号生成所需的显示信号或者显示图像;
于数据库中提取并汇总关于传感器的故障数据得到历史条件数据;将所述历史条件数据与对应传感器的实时数据进行整合和归纳,建立可靠性预测模型;
利用所述可靠性预测模型预测电路板的可靠性,所述可靠性预测模型用于模拟并预测质量状态,若模拟的效果不佳,则给出对应的决策进行维护。
2.根据权利要求1所述的基于数字孪生的电路板可靠性预测方法,其特征在于,所述电路板包括基板,以及集成在基板上的导线、元件连接器,以及安装在电路板内和/或电路板外的传感器;所述传感器根据实际需求采用内嵌的安装形式或外挂、飞线的连接形式。
3.根据权利要求1所述的基于数字孪生的电路板可靠性预测方法,其特征在于,所述传感器包括内部检测用传感器和外部检测用传感器;
其中,所述外部检测用传感器为温度传感器、辐射传感器、环境温度传感器和压力传感器中的一种或几种;
所述内部检测用传感器为振动传感器、应力传感器、机械冲击传感器、内部温度传感器、温度循环传感器和湿度传感器中的一种或几种。
4.根据权利要求3所述的基于数字孪生的电路板可靠性预测方法,其特征在于,所述实时故障预测信号的生成流程如下:
根据传感器的类型和设在电路板上的位置,预先设置对应的指标阈值范围,若传感器的实时数据不属于对应的指标阈值范围内,则显示为异常信号,并对所述异常信号赋予时间节点得到实时故障信号;反之为正常信号;
若所述实时故障信号在预定时间断内的出现频率高于次数阈值,则生成实时故障预测信号并显示。
5.根据权利要求1所述的基于数字孪生的电路板可靠性预测方法,其特征在于,所述可靠性预测模型是基于电路板的物理特性建立而成,所述物理特性包括关于元器件的质量、刚度、固有频率和固有振型;具体建立流程如下:
将所述电路板预先划分为若干个子区域,对每个子区域执行以下步骤:
获取电路板的裸板质量m和电路板的总质量M,其中;/>为元器件i的质量;采用以下公式计算阈值/>:/>;
若,则将元器件j归类为小元器件;反之,则将元器件归类为大元器件;其中,1≤j≤i;
以质量为参考,利用总质量等效法将小元器件均匀分布在电路板上;
利用直接有限元成型法,对整个电路板上的大元器件建立有限元模型。
6.根据权利要求1所述的基于数字孪生的电路板可靠性预测方法,其特征在于,所述可靠性预测模型用于模拟并预测电路板的质量状态的步骤如下:
在预定温度,单一电应力作用下,尺度参数和形状参数/>均由施加的电应力水平确定;对电路板施加不同的电压Vcc并进行记录,将其作为输入,直到电路板出现击穿情况,视为失效;
将得出的尺度参数和形状参数/>的值,代入以下失效函数得到失效时间t;
;其中,t为失效时间;
然后再次对目标PCB进行测试,根据失效时间t,得出目标电路板的失效概率;当失效概率超过产品设计值或额定值时,就判断为电路板存在质量问题。
7.根据权利要求1所述的基于数字孪生的电路板可靠性预测方法,其特征在于,还包括:可靠性预测模型的测试与训练,具体为:
将预定时间间隔获取每组传感器的实时数据作为可靠性预测模型的输入,可靠性模型的输出为模拟失效预测信号,将所述模拟失效预测信号与对应的实时故障预测信号进行分析,以训练可靠性预测模型。
8.一种基于数字孪生的电路板可靠性预测系统,用于实现如权利要求1至7中任意一项所述的可靠性预测方法,其特征在于,包括:
PCB状态单元,包括以下组件:控制器、可靠性预测模型和数据库;所述可靠性预测模型是通过历史条件数据与对应传感器的实时数据整合而成,所述数据库用于存储按照预定时间间隔获取每组传感器的实时数据,所述实时数据来源于电路板内和/或电路板外安装至少一组传感器;
输入/输出(I/O)接口,用于传输所述实时数据和所述实时故障预测信号,同时用于PCB状态单元的数据传输;
用户界面,包括显示器、键盘、鼠标、图形用户界面、触摸屏;用于显示信号或者图像,并给使用者提供操作界面。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的基于数字孪生的电路板可靠性预测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311385087.4A CN117113914B (zh) | 2023-10-25 | 2023-10-25 | 基于数字孪生的电路板可靠性预测方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311385087.4A CN117113914B (zh) | 2023-10-25 | 2023-10-25 | 基于数字孪生的电路板可靠性预测方法、系统及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117113914A true CN117113914A (zh) | 2023-11-24 |
CN117113914B CN117113914B (zh) | 2024-02-13 |
Family
ID=88813226
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311385087.4A Active CN117113914B (zh) | 2023-10-25 | 2023-10-25 | 基于数字孪生的电路板可靠性预测方法、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117113914B (zh) |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5567884A (en) * | 1994-03-09 | 1996-10-22 | International Business Machines Corporation | Circuit board assembly torsion tester and method |
US20030072117A1 (en) * | 2001-10-12 | 2003-04-17 | Mitsubishi Denki Kabushiki Kaisha | Electric power conversion apparatus |
CN103176077A (zh) * | 2012-12-06 | 2013-06-26 | 华中科技大学 | 一种数控成品电路板在环境综合作用下的可靠性快速测评方法 |
KR101397424B1 (ko) * | 2012-11-26 | 2014-05-20 | 한미반도체 주식회사 | 압축 몰딩 검사방법 |
CN106482827A (zh) * | 2016-11-11 | 2017-03-08 | 北京航空航天大学 | 基于互功率谱函数模态参数识别的电子产品振动dlp方法 |
US20170149356A1 (en) * | 2015-11-24 | 2017-05-25 | The University Of North Carolina At Charlotte | High Power Density Printed Circuit Board (PCB) Embedded Inductors |
CN109211500A (zh) * | 2018-07-16 | 2019-01-15 | 中国航空综合技术研究所 | 用于pbga封装互连焊点随机振动载荷下的可靠性分析方法 |
CN109917276A (zh) * | 2019-04-15 | 2019-06-21 | 天地(常州)自动化股份有限公司 | 多功能电路板自动测试设备、测试系统及测试方法 |
CN110398680A (zh) * | 2019-08-14 | 2019-11-01 | 华芯电子(天津)有限责任公司 | 一种pcb可靠性测试方法 |
CN111506474A (zh) * | 2020-04-14 | 2020-08-07 | 浪潮商用机器有限公司 | 一种电路板可靠性监测装置和一种服务器 |
CN217506400U (zh) * | 2022-07-04 | 2022-09-27 | 郑州光力瑞弘电子科技有限公司 | 一种防止晶圆夹具异动的控制系统 |
CN115158405A (zh) * | 2022-06-01 | 2022-10-11 | 青迈启迪轨道科技(天津)有限公司 | 一种全电子联锁系统qm-sio零散板卡 |
CN115311218A (zh) * | 2022-07-26 | 2022-11-08 | 江苏徐工国重实验室科技有限公司 | 电路板可靠性预测方法以及电路板应力加速寿命实验方法 |
CN115345121A (zh) * | 2022-08-12 | 2022-11-15 | 山东大学 | 一种印制电路板全生命周期数值仿真方法和系统 |
CN115906573A (zh) * | 2022-11-29 | 2023-04-04 | 中车大连电力牵引研发中心有限公司 | 一种基于可靠性分析的pcb寿命分析方法 |
CN116306485A (zh) * | 2023-03-31 | 2023-06-23 | 西安交通大学 | 一种电路板数字孪生体的建立方法、系统及终端 |
-
2023
- 2023-10-25 CN CN202311385087.4A patent/CN117113914B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5567884A (en) * | 1994-03-09 | 1996-10-22 | International Business Machines Corporation | Circuit board assembly torsion tester and method |
US20030072117A1 (en) * | 2001-10-12 | 2003-04-17 | Mitsubishi Denki Kabushiki Kaisha | Electric power conversion apparatus |
KR101397424B1 (ko) * | 2012-11-26 | 2014-05-20 | 한미반도체 주식회사 | 압축 몰딩 검사방법 |
CN103176077A (zh) * | 2012-12-06 | 2013-06-26 | 华中科技大学 | 一种数控成品电路板在环境综合作用下的可靠性快速测评方法 |
US20170149356A1 (en) * | 2015-11-24 | 2017-05-25 | The University Of North Carolina At Charlotte | High Power Density Printed Circuit Board (PCB) Embedded Inductors |
CN106482827A (zh) * | 2016-11-11 | 2017-03-08 | 北京航空航天大学 | 基于互功率谱函数模态参数识别的电子产品振动dlp方法 |
CN109211500A (zh) * | 2018-07-16 | 2019-01-15 | 中国航空综合技术研究所 | 用于pbga封装互连焊点随机振动载荷下的可靠性分析方法 |
CN109917276A (zh) * | 2019-04-15 | 2019-06-21 | 天地(常州)自动化股份有限公司 | 多功能电路板自动测试设备、测试系统及测试方法 |
CN110398680A (zh) * | 2019-08-14 | 2019-11-01 | 华芯电子(天津)有限责任公司 | 一种pcb可靠性测试方法 |
CN111506474A (zh) * | 2020-04-14 | 2020-08-07 | 浪潮商用机器有限公司 | 一种电路板可靠性监测装置和一种服务器 |
CN115158405A (zh) * | 2022-06-01 | 2022-10-11 | 青迈启迪轨道科技(天津)有限公司 | 一种全电子联锁系统qm-sio零散板卡 |
CN217506400U (zh) * | 2022-07-04 | 2022-09-27 | 郑州光力瑞弘电子科技有限公司 | 一种防止晶圆夹具异动的控制系统 |
CN115311218A (zh) * | 2022-07-26 | 2022-11-08 | 江苏徐工国重实验室科技有限公司 | 电路板可靠性预测方法以及电路板应力加速寿命实验方法 |
CN115345121A (zh) * | 2022-08-12 | 2022-11-15 | 山东大学 | 一种印制电路板全生命周期数值仿真方法和系统 |
CN115906573A (zh) * | 2022-11-29 | 2023-04-04 | 中车大连电力牵引研发中心有限公司 | 一种基于可靠性分析的pcb寿命分析方法 |
CN116306485A (zh) * | 2023-03-31 | 2023-06-23 | 西安交通大学 | 一种电路板数字孪生体的建立方法、系统及终端 |
Non-Patent Citations (2)
Title |
---|
张艳: "PCB型Rogowski线圈的可靠性研究", 《高压电器》, no. 6, 30 December 2006 (2006-12-30), pages 421 - 423 * |
牛佳豪: "多种器件焊点形态预测及复杂组件温度循环可靠性分析", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 4, 15 April 2022 (2022-04-15), pages 135 - 346 * |
Also Published As
Publication number | Publication date |
---|---|
CN117113914B (zh) | 2024-02-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112382064B (zh) | 一种基于数字孪生技术的电力物联网故障预警方法及系统 | |
CN103728965B (zh) | 一种航空发动机的监视装置和方法、fadec系统 | |
US20100249976A1 (en) | Method and system for evaluating a machine tool operating characteristics | |
CN110517762B (zh) | 生成用于识别和/或预测医疗设备的故障的知识库的方法 | |
CN111542791B (zh) | 使用设施诊断系统的设施诊断方法 | |
JP7098316B2 (ja) | 物理ベース及びデータ駆動型モデルを使用した、ビークルからの妨害的異常表示の削減 | |
JP2004118839A (ja) | 技術設備内で故障した機能ユニットの特定を支援する方法 | |
JP2006277370A (ja) | 回路基板の品質解析システム及び品質解析方法 | |
CN109783850A (zh) | 高加速应力筛选试验的剩余寿命评估与可靠性分析方法 | |
CN104462700A (zh) | 基于故障物理的电子产品可靠性仿真试验方法 | |
JP7393415B2 (ja) | 計画に従った設置後にスイッチキャビネットの内容物を試験するためのデバイス及び方法 | |
CN101999101A (zh) | 系统运行预测的确定方法 | |
CN110174878A (zh) | 一种无人化智能装备健康与保障综合管理通用系统 | |
Snook et al. | Physics of failure as an integrated part of design for reliability | |
CN117113914B (zh) | 基于数字孪生的电路板可靠性预测方法、系统及存储介质 | |
CN103077441A (zh) | 自识别电子产品的预测健康管理方法 | |
CN116955045A (zh) | 一种远程jtag多路复用测试方法及系统 | |
CN116306485A (zh) | 一种电路板数字孪生体的建立方法、系统及终端 | |
EP4206842A1 (en) | Digital twins (dt) for circuit board reliability prediction | |
EP3591483B1 (en) | Method, device and positioning system for positioning a sensor | |
CN116185748A (zh) | 一种主板状态检测系统、方法、电子设备和存储介质 | |
US20220414555A1 (en) | Prediction system, information processing apparatus, and information processing program | |
CN113627755B (zh) | 智能终端工厂的测试方法、装置、设备及存储介质 | |
CN115906573A (zh) | 一种基于可靠性分析的pcb寿命分析方法 | |
RU2441271C1 (ru) | Способ формирования тестов для контроля работоспособности и диагностики неисправной аппаратуры |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |