CN117830309B - 一种基于人工智能的电子元器件故障诊断系统 - Google Patents
一种基于人工智能的电子元器件故障诊断系统 Download PDFInfo
- Publication number
- CN117830309B CN117830309B CN202410244842.5A CN202410244842A CN117830309B CN 117830309 B CN117830309 B CN 117830309B CN 202410244842 A CN202410244842 A CN 202410244842A CN 117830309 B CN117830309 B CN 117830309B
- Authority
- CN
- China
- Prior art keywords
- temperature
- welding spot
- value
- chip
- electronic component
- 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.)
- Active
Links
- 238000003745 diagnosis Methods 0.000 title claims abstract description 51
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 10
- 238000011156 evaluation Methods 0.000 claims abstract description 35
- 238000004458 analytical method Methods 0.000 claims abstract description 27
- 238000011548 physical evaluation Methods 0.000 claims abstract description 23
- 238000000605 extraction Methods 0.000 claims abstract description 13
- 238000003466 welding Methods 0.000 claims description 153
- 230000004044 response Effects 0.000 claims description 109
- 238000012360 testing method Methods 0.000 claims description 32
- 238000000034 method Methods 0.000 claims description 11
- 230000005540 biological transmission Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 7
- 238000009529 body temperature measurement Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 4
- 238000010191 image analysis Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 238000003708 edge detection Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 abstract description 6
- 230000036314 physical performance Effects 0.000 abstract description 4
- 238000001514 detection method Methods 0.000 abstract description 3
- 230000000694 effects Effects 0.000 abstract description 3
- 230000000007 visual effect Effects 0.000 abstract description 3
- 230000000704 physical effect Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 229910000679 solder Inorganic materials 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 230000001149 cognitive effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
Landscapes
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
Abstract
本发明公开了一种基于人工智能的电子元器件故障诊断系统,涉及电子元器件技术领域;该系统包括:数据库、特征提取模块和故障诊断模块;特征提取模块通过自动提取电子元器件的物理特征和电学特征参数,并将其用于故障诊断和性能分析,有助于提高检测效率和准确性,降低故障风险,为电子元器件的维护和管理提供可靠的数据支持;故障诊断模块通过物理性能分析和电学性能分析以得到物理评估指数、电学评估指数和工作温度区间,并据此判定电子元器件的故障类型,最后将故障结果进行显示;实现了电子元器件的自动化特征提取和智能故障诊断,帮助提高维修效率、降低故障风险,并通过故障显示功能提供直观的故障信息,进一步提升故障诊断的效果。
Description
技术领域
本发明涉及电子元器件技术领域,特别是涉及一种基于人工智能的电子元器件故障诊断系统。
背景技术
随着电子元器件在电子产品中的广泛应用,其质量和可靠性对电子产品的性能和使用寿命都有着直接的影响,而电子元器件故障则会导致电子产品出现各种问题,如性能下降、停机、损坏等,从而对用户带来不便和经济损失;因此,电子元器件故障诊断对于电子产品来说尤为重要;
电子元器件诊断已经成为电子制造业中不可或缺的一部分;现有电子元器件的故障诊断中,由于电子元器件的内部结构和工作原理复杂以致于复杂的故障问题难以被及时发现和诊断,并且诊断过程通常需要借助经验丰富的技术人员进行操作和解读,使得诊断过程和诊断结果更加依赖人工经验,由于不同技术人员之间的认知偏差,易导致诊断结果的不确定性,极大的降低了电子元器件故障诊断效率和准确性。
发明内容
基于此,有必要针对上述背景技术提到的问题,提供一种基于人工智能的电子元器件故障诊断系统。
本发明的目的可以通过以下技术方案实现:一种基于人工智能的电子元器件故障诊断系统,包括数据库、特征提取模块和故障诊断模块;
特征提取模块通过提取物理特征参数和电学特征参数,并将其发送至故障诊断模块;其中物理特征参数包括各焊点的重合比值、各焊点的比对差距量值、芯片平整量值、焊点重合值、引脚重合值和芯片重合值,电学特征参数包括各温度下的温度响应值和各频率下的频率响应值;
故障诊断模块基于物理特征参数和电学特征参数分别进行物理特性分析电学特性分析以得到物理评估指数、电学评估指数和工作温度区间,并据此进行故障诊断以得到诊断结果;
其中物理特性分析具体如下:
步骤一:任取其中一个电子元器件,将电子元器件的各焊点的重合比值和比对差距量值通过设定的公式进行计算以得到该电子元器的焊点均一值CS,其中a1、a2分别为设定的权重系数;
步骤二:将电子元器件的焊点重合值H1、引脚重合值H2和芯片重合值H3通过设定的公式进行计算以的得到该电子元器件的表观重合值Hz,其中a3、a4、a5分别为设定的权重系数;
步骤三:将焊点均一值CS、芯片平整量值LU和表观重合值Hz通过设定的公式进行计算以得到该电子元器件的物理评估指数LG,其中a6、a7、a8分别为设定权重系数;以此类推以得到所有电子元器件的物理评估指数;上述e为自然常数。
在一些实施例中,电学特性分析具体如下:
图像解析:以温度为横坐标,以温度响应值为纵坐标得到温度响应值随温度变化曲线图;在温响点处作曲线的切线,并计算切线斜率记为温响斜率记为Rg,其中g=1,2,3……m4,m4取值为正整数,m4表示的是温度测试参数中的最大温度序号,g为温度测试参数中的任意一个温度的序号;将大于零的温响斜率进行求和计算以得到响应增加度记为b1,将小于零的温响斜率进行求和计算并取绝对值以得到响应降低度记为b2;将响应增加度b1、响应降低度b2和温响斜率Rg代入设定的公式进行计算以得到温响评估指数Rz1,其中r1、r2、r3分别为设定的权重系数,/>为所有温响斜率的平均值;
将温度响应值与设定的温度响应区间进行比较分析以将温度响应值对应的温度分为严重延迟温度、中度延迟温度和轻微延迟温度;取中度延迟温度中的最小温度为工作温度上限,取轻微延迟温度中的最小温度为工作温度下限,由工作温度上限和工作温度下限构成该电子元器件的工作温度区间;
同理,以频率为横坐标,以频率响应值为纵坐标频率响应值随频率变化曲线图;对频率响应值随频率变化曲线图进行图像解析以得到频响评估指数;将温响评估指数Rz1和频响评估指数Rz2代入设定的公式DZ=d1×Rz1+d2×Rz2进行计算以得到电学评估指数DZ;其中d1和d2分别为设定权重系数。
在一些实施例中,依据物理评估指数、电学评估指数和工作温度区间进行故障诊断以得到诊断结果,具体如下:
将物理评估指数与设定的阈值进行比较分析,当物理评估指数小于设定的物理故障阈值时,则判定电子元器件的故障类型为物理特性故障类型,并将故障类型进行显示;
将电学评估指数与设定的阈值进行比较分析,当电学评估指数小于设定的电学故障阈值时,则判断电子元器件的故障类型为电学性能故障类型,并将故障类型进行显示;
将工作温度区间与标准工作温度区间进行比较,当工作温度区间属于或者等于标准工作温度区间时,则电子元器件工作温度区间正常;反之则判定电子元器件的工作温度区间异常,并将故障类型进行显示。
在一些实施例中,提取物理特征参数具体如下:
通过X射线扫描电子元器件以采集电子元器件内部结构图像,识别结构图像中的焊点部位并利用边缘检测算法提取焊点边缘,采用多边形近似方法将焊点边缘近似化以得到最小外接圆,将最小外接圆与焊点边缘进行重合以得到重合面积,并将重合面积除以最小外接圆的面积以得到重合比值记为Cp,其中p=1,2,3……m2,m2 取值为正整数,m2表示的是焊点总数;p为其中任意一个焊点的序号;任取其中一个焊点为目标焊点,与目标焊点相邻的焊点为比对焊点,计算目标焊点与比对焊点之间的距离记为Spk,其中 k=1,2,3……m3;m3取值为正整数,m3分别表示的目标焊点对应的比对焊点总数;k为其中任意一个比对焊点的序号;将Spk代入设定的公式计算以得到目标焊点的比对差距量值Sp,/>为目标焊点与所有比对焊点之间的距离的平均值;由此可得每个焊点的比对差距量值;
通过利用三维激光扫描对电子元器件进行扫描以构建三维模型,并将其记为目标三维模型;利用点云数据处理算法识别焊点部位、引脚连接部位和芯片部位,并将其在目标三维模型中标注以得到焊点三维坐标件、引脚连接三维坐标和芯片部位的三维坐标集合;依据目标模型中芯片三维坐标集合构建目标芯片三维模型,计算目标芯片三维模型中任意相邻两个点之间的间距记为Ui;将Ui和LB代入设定的公式进行计算以得到芯片平整量值LU,/>为目标芯片三维模型中所有间距均值;
通过将目标三维模型中与标准三维模型中的焊点部位、引脚连接部位和芯片部位对应的焊点三维坐标件、引脚连接三维坐标和芯片部位的三维坐标集合进行重合比对分析以得到焊点重合值、引脚重合值和芯片重合值。
在一些实施例中,通过将目标三维模型中与标准三维模型中的焊点部位、引脚连接部位和芯片部位对应的焊点三维坐标件、引脚连接三维坐标和芯片部位的三维坐标集合进行重合比对分析以得到焊点重合值、引脚重合值和芯片重合值;具体如下:
将目标三维模型和标准三维模型中相同位置的焊点部位、引脚部位和芯片进行配对以得到焊点部位对、引脚部位对和芯片部位对;通过识别焊点部对中的焊点部位匹配状态以得到匹配焊点对和不匹配焊点对;统计目标三维模型与标准三维模型中匹配焊点对和焊点部位对的数量,将匹配焊点对的数量除以焊点部位对的数量得到焊点重合值;
同理,通过识别引脚部位对中的引脚部位匹配状态以得到匹配引脚对和不匹配引脚对;统计目标三维模型与标准三维模型中匹配引脚对和引脚连接部位对的数量,将匹配引脚对的数量除以引脚连接部位对的数量以得到焊点重合值;
依据匹配成功的芯片部位对中的两个芯片部位的坐标集以构成两个芯片体积,并将两者的体积进行交集处理和并集处理以得到交集体积和并集体积,再将交集体积除以并集体积以得到体积重叠度;匹配成功的芯片部位对中芯片部位进行网格化处理,将两者分别转换为由若干个小三角形组成的表面模型,计算两者表面模型中相交部位的面积,并将所有相交部位的面积进行求和计算以得到交集表面积;再将交集表面积除以两者表面总面积以得到表面积重叠度;将体积重叠度和表面积重叠度进行加权计算以得到芯片重合值。
在一些实施例中,提取物电学特征参数具体如下:
将电子元器件分别依据温度测试参数和频率测试参数进行温度特性测试和响应特性测试以得到对应的温测参数和频测参数;将各温度下的功率、失真度和传输时长记为温测参数;将各频率下的功率、失真度和传输时长记为频测参数;
将各温度下的温测参数和各频率下的频测参数通过设定的公式组进行计算以得到各温度下的温度响应值TYg和各频率下的频率响应值PYf;其中y1、y2、y3、y4、y5、y6分别为设定的权重系数,/>为电子元器件额定功率;将各温度下的温度响应值和各频率下的频率响应值记为电学特征参数。
与现有技术相比,本发明的有益效果是:
(1)特征提取模块通过自动提取电子元器件的物理特征和电学特征参数,并将其用于故障诊断和性能分析,有助于提高检测效率和准确性,降低故障风险,为电子元器件的维护和管理提供可靠的数据支持;
(2)故障诊断模块通过物理性能分析和电学性能分析以得到物理评估指数、电学评估指数和工作温度区间,并据此判定电子元器件的故障类型,最后将故障结果进行显示;实现了电子元器件的自动化特征提取和智能故障诊断,帮助提高维修效率、降低故障风险,并通过故障显示功能提供直观的故障信息,进一步提升故障诊断的效果。
附图说明
为了更清楚地说明本申请实施例或传统技术中的技术方案,下面将对实施例或传统技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的原理框图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图对本发明的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似改进,因此本发明不受下面公开的具体实施例的限制。
如图1所示,一种基于人工智能的电子元器件故障诊断系统,包括:数据库、特征提取模块、故障诊断模块和显示终端;
数据库内保存有标准参数,其中标准参数包括标准温度工作区间、温度测试参数、频率测试参数和标准三维模型;其中标准三维模型件中标注有焊点部位、引脚连接部位和芯片部位,将标准三维模型输入至三维坐标系中以得到焊点三维坐标、引脚三维坐标和芯片三维坐标集合;依据芯片三维坐标集合构建芯片三维模型,计算芯片三维模型中任意相邻两个点之间的间距记为Bi,其中i=1,2,3……m1,m1取值为正整数,m1表示的是间距的总数,i为其中任意一个间距的序号;利用设定的公式进行计算以得到芯片平整参考量值LB,/>为所有间距均值;
特征提取模块通过对电子元器件的物理性能、电学特性进行特征提取以得到物理特征参数和电学特征参数,并将物理特征参数和电学特征参数发送至故障诊断模块;具体为:
将需要检测的电子元器件进行编号处理,由此每个电子元器件均对应一个电子编码为1,2,3,……,n;n为正整数;任取其中一个电子元器件进行物理特征提取;
通过X射线扫描电子元器件以采集电子元器件内部结构图像,识别结构图像中的焊点部位并利用边缘检测算法提取焊点边缘,任选其中一个焊点边缘,采用多边形近似方法将焊点边缘近似化以得到标准形态,并绘制出标准形态的最小外接圆,其中标准形态为正多边形(正五边形和正六边形等);将最小外接圆与焊点边缘进行重合比对以得到重合面积,并将重合面积除以最小外接圆的面积以得到重合比值;以此类推得到所有焊点边缘的重合比值记为Cp,其中p=1,2,3……m2,m2取值为正整数,m2表示的是焊点总数;p为其中任意一个焊点的序号;需要说明的是,焊点是焊球经过熔化后,焊料将焊球与焊盘牢固地连接在一起形成一个稳定的点;通常焊点要求圆形且均匀分布;重叠比值越大,说明焊点边缘越接近最小外接圆,则表示焊点的形状越接近圆形;任取其中一个焊点为目标焊点,与目标焊点相邻的焊点为比对焊点,计算目标焊点与比对焊点之间的距离记为Spk,其中 k=1,2,3……m3;m3取值为正整数,m3分别表示的目标焊点对应的比对焊点总数;k为其中任意一个比对焊点的序号;利用设定的公式计算以得到目标焊点的比对差距量值Sp,/>为目标焊点与所有比对焊点之间的距离的平均值;由此可得每个焊点的比对差距量值;
通过利用三维激光扫描对电子元器件进行扫描以得到大量点云数据,依据点云数据构建电子元器件的三维模型,并将其记为目标三维模型;利用点云数据处理算法识别焊点部位、引脚连接部位和芯片部位,并将其在目标三维模型中标注以得到焊点三维坐标件、引脚连接三维坐标和芯片部位的三维坐标集合;依据目标模型中芯片三维坐标集合构建目标芯片三维模型,计算目标芯片三维模型中任意相邻两个点之间的间距记为Ui;利用设定的公式进行计算以得到芯片平整量值LU,为/>目标芯片三维模型中所有间距均值;
将目标三维模型和标准三维模型中相同位置的焊点部位、引脚部位和芯片进行配对以得到焊点部位对、引脚部位对和芯片部位对,将配对成功的焊点部位对中的两个焊点三维坐标采用三维欧氏距离公式计算以得到焊点欧式距离,由此可得目标三维模型与标准三维模型中所有配对成功的焊点部位之间的焊点欧式距离;将其与设定的焊点距离阈值进行比较分析,当焊点欧式距离小于设定的距离阈值时,则将该焊点欧式距离所属的焊点部位对记为匹配焊点对;反之则是不匹配焊点对;统计目标三维模型与标准三维模型中匹配焊点对和焊点部位对的数量,将匹配焊点对的数量除以焊点部位对的数量得到焊点重合值记为H1;
将配对成功的引脚部位对中的两个引脚三维坐标采用三维欧氏距离公式计算以得到引脚欧式距离,由此可得目标三维模型与标准三维模型中所有配对成功的引脚连接部位之间的引脚欧式距离;将其与设定的引脚距离阈值进行比较分析,当引脚欧式距离小于设定的引脚距离阈值时,则将该引脚欧式距离所属的引脚连接部位对记为匹配引脚对;反之则是不匹配引脚对;统计目标三维模型与标准三维模型中匹配引脚对和引脚连接部位对的数量,将匹配引脚对的数量除以引脚连接部位对的数量得到引脚重合值记为H2;
依据匹配成功的芯片部位对中的两个芯片部位的坐标集以构成两个芯片体积,并将两者的体积进行交集处理和并集处理以得到交集体积和并集体积,再将交集体积除以并集体积以得到体积重叠度;匹配成功的芯片部位对中芯片部位进行网格化处理,将两者分别转换为由若干个小三角形组成的表面模型,计算两者表面模型中相交部位的面积,并将所有相交部位的面积进行求和计算以得到交集表面积;再将交集表面积除以两者表面总面积以得到表面积重叠度;将体积重叠度和表面积重叠度进行加权计算以得到芯片重合值记为H3;
将各焊点的重合比值Cp、各焊点的比对差距量值Sp、芯片平整量值LU、焊点重合值H1、引脚重合值H2和芯片重合值H3记为电子元器件的物理特征参数;
任取其中一个电子元器件进行电学特性提取:
将电子元器件分别依据温度测试参数和频率测试参数进行温度特性测试和响应特性测试以得到对应的温测参数和频测参数;具体表现为:存在一组温度测试参数为T1、T2……Tn,将电子元器件分别置于温度测试参数T1、T2……Tn以下进行温度特性测试以得到各温度下的功率、失真度和传输时长,并将其分别记为Y1g、Y2g和Y3g,其中g=1,2,3……m4,m4取值为正整数,m4表示的是温度测试参数中的最大温度序号,g为温度测试参数中的任意一个温度的序号;将各温度下的功率、失真度和传输时长记为温测参数;同理,存在一组频率测试参数,将电子元器件分别置于频率测试参数以下响应特性测试以得到各频率下电子元器件输出的功率、失真度和信号相位,并将其分别记为Y1f、Y2f和Y3f,其中f=1,2,3……m5,m5取值为正整数,m5表示的是频率测试参数中的最大频率序号;f表示的频率测试参数中任意一个频率的序号;将各频率下的功率、失真度和传输时长记为频测参数;其中失真度是指电子元器件在处理信号时输出信号与输入信号之间的畸变程度值;传输时长是指频率信号在电子元器件中传输的时长;
将各温度下的温测参数通过设定的公式进行计算以得到各温度下的温度响应值TYg;其中y1、y2、y3分别为设定的权重系数,/>为电子元器件额定功率;
将各频率下的频测参数通过设定的公式进行计算以得到各频率下的频率响应值PYf;其中y4、y5、y6分别为设定的权重系数;将各温度下的温度响应值和各频率下的频率响应值记为电学特征参数;
将物理特征参数和电学特征参数发送至故障诊断模块;
通过自动提取电子元器件的物理特征和电学特征参数,并将其用于故障诊断和性能分析,有助于提高检测效率和准确性,降低故障风险,为电子元器件的维护和管理提供可靠的数据支持。
故障诊断模块通过对接收到的物理特征参数和电学特征参数分别对电子元器件的物理性能和电学性能进行故障诊断以得到诊断结果,并将诊断结果进行显示;具体为:
物理性能分析:
任取其中一个电子元器件,将电子元器件的各焊点的重合比值和比对差距量值通过设定的公式进行计算以得到该电子元器的焊点均一值CS,其中a1、a2分别为设定的权重系数;需要说明的是,焊点均一值是衡量电子元器件形态分析的值,焊点均一值越大,表示该电子元器件的焊点越近圆形且分布越均匀;e为自然常数;
将电子元器件的焊点重合值H1、引脚重合值H2和芯片重合值H3通过设定的公式进行计算以的得到该电子元器件的表观重合值Hz,其中a3、a4、a5分别为设定的权重系数;
将焊点均一值CS、芯片平整量值LU和表观重合值Hz通过设定的公式进行计算以得到该电子元器件的物理评估指数LG,其中a6、a7、a8分别为设定权重系数;由公式可知,当焊点均一值越大,芯片平整量值小于一,表观重合值越大,说明电子元器件的整体物理性能越符合要求;以此类推以得到所有电子元器件的物理评估指数;
电学性能分析:
以温度为横坐标,以温度响应值为纵坐标构二维直角坐标系,将温度响应值按照对应的温度先后输入至坐标轴中,将温度响应值在坐标系中位置记为温响点,采用圆滑的曲线依次连接温响点以得到温度响应值随温度变化曲线图;在温响点处作曲线的切线,并计算切线斜率记为温响斜率Rg;将大于零的温响斜率进行求和计算以得到响应增加度记为b1,将小于零的温响斜率进行求和计算并取绝对值以得到响应降低度记为b2;利用设定的公式进行计算以得到温响评估指数Rz1,其中r1、r2、r3分别为设定的权重系数,/>为所有温响斜率的平均值;由公式可知,当温度响应值增加趋势越大(即/>>1),说明随着温度增加,电子元器件的响应特性越差,则温响评估指数越小;
将温度响应值与设定的温度响应区间进行比较分析,当温度响应值大于设定的温度响应区间中的最大值时,说明电子元器件在该温度响应值对应的温度下属于响应严重延迟,则将该温度响应值对应的温度记为严重延迟温度;当温度响应值处于设定的温度响应区间之内时,则将该温度响应值对应的温度记为中度延迟温度;当温度响应值小于设定的温度响应区间中的最小值时,则将该温度响应值对应的温度记为轻微延迟温度;取中度延迟温度中的最小温度为工作温度上限,取轻微延迟温度中的最小温度为工作温度下限,由工作温度上限和工作温度下限构成该电子元器件的工作温度区间;
以频率为横坐标,以频率响应值为纵坐标构二维直角坐标系,将频率响应值按照对应的频率先后输入至坐标轴中,将频率响应值在坐标系中位置记为频响点,采用圆滑的曲线依次连接频响点以得到频率响应值随频率变化曲线图;在频响点处作曲线的切线,并计算切线斜率记为频响斜率Rf;将大于零的频响斜率进行求和计算以得到增加趋势值记为b3,将小于零的温响斜率进行求和计算并取绝对值以得到增降低趋势值记为b4,利用设定的公式进行计算以得到频响评估指数Rz2,其中r3、r4分别为设定的权重系数,/>为所有频响斜率的平均值;由公式可知,当温度响应值增加趋势越大(即/>>1),说明随着频率增加,电子元器件的响应特性越差,则频响评估指数越小;
将温响评估指数Rz1和频响评估指数Rz2通过设定的公式DZ=d1×Rz1+d2×Rz2进行计算以得到电学评估指数DZ;其中d1和d2分别为设定权重系数;
将物理评估指数与设定的阈值进行比较分析,当物理评估指数小于设定的物理故障阈值时,则判定电子元器件的故障类型为物理特性故障类型,并将故障类型进行显示,具体为“电子元器件物理故障”;
将电学评估指数与设定的阈值进行比较分析,当电学评估指数小于设定的电学故障阈值时,则判断电子元器件的故障类型为电学性能故障类型,并将故障类型进行显示,具体为“电子元器件电学性能故障”;
将工作温度区间与标准工作温度区间进行比较,当工作温度区间属于或者等于标准工作温度区间时,说明该电子元器件的实际工作温度区间符合要求;反之则判定电子元器件的工作温度区间异常,并将故障类型进行显示,具体为“电子元器件工作温度区间异常”;
通过物理性能分析以得到电子元器件的焊点均一值、表观重合值,并将其与芯片平整量值进行综合分析以得到物理评估指数,从而判断电子元器件是否存在物理特性故障,有助于快速定位故障点;通过电学性能分析以得到电子元器件的工作温度区间和电学评估指数,将电学评估指数与设定的阈值进行比较以判定子元器件是否存在电学性能故障;将电子元器件的工作温度区间与标准工作温度区间进行比较,有助于判断电子元器件的工作温度是否符合要求,及时发现工作温度异常问题;最后将故障结果进行显示,由此可得到故障诊断模块能够提供准确的故障诊断,帮助提高维修效率、降低故障风险,并通过故障显示功能提供直观的故障信息,进一步提升故障诊断的效果。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (3)
1.一种基于人工智能的电子元器件故障诊断系统,其特征在于,包括特征提取模块和故障诊断模块;
特征提取模块用于提取物理特征参数和电学特征参数,并将其发送至故障诊断模块;其中物理特征参数包括各焊点的重合比值、各焊点的比对差距量值、芯片平整量值、焊点重合值、引脚重合值和芯片重合值,电学特征参数包括各温度下的温度响应值和各频率下的频率响应值;
故障诊断模块基于物理特征参数和电学特征参数分别进行物理特性分析电学特性分析以得到物理评估指数、电学评估指数和工作温度区间,并据此进行故障诊断以得到诊断结果;
其中物理特性分析具体如下:
步骤一:任取其中一个电子元器件,将电子元器件的各焊点的重合比值Cp和比对差距量值Sp通过设定的公式进行计算以得到该电子元器件的焊点均一值CS,其中a1、a2分别为设定的权重系数;m2表示的是焊点总数;p为其中任意一个焊点的序号;
步骤二:将电子元器件的焊点重合值H1、引脚重合值H2和芯片重合值H3通过设定的公式进行计算以的得到该电子元器件的表观重合值Hz,其中a3、a4、a5分别为设定的权重系数;
步骤三:将焊点均一值CS、芯片平整量值LU和表观重合值Hz通过设定的公式进行计算以得到该电子元器件的物理评估指数LG,其中a6、a7和a8分别为设定权重系数;以此类推以得到所有电子元器件的物理评估指数,e为自然常数;
提取物理特征参数具体如下:
通过X射线扫描电子元器件以采集电子元器件内部结构图像,识别结构图像中的焊点部位并利用边缘检测算法提取焊点边缘,采用多边形近似方法将焊点边缘近似化以得到最小外接圆,将最小外接圆与焊点边缘进行重合以得到重合面积,并将重合面积除以最小外接圆的面积以得到重合比值;任取其中一个焊点为目标焊点,与目标焊点相邻的焊点为比对焊点,计算目标焊点与比对焊点之间的距离,并将其进行公式化计算分析以得到目标焊点的比对差距量值;
通过利用三维激光扫描对电子元器件进行扫描以构建三维模型,并将其记为目标三维模型;利用点云数据处理算法识别焊点部位、引脚连接部位和芯片部位,并将其在目标三维模型中标注以得到焊点三维坐标件、引脚连接三维坐标和芯片部位的三维坐标集合;依据目标模型中芯片三维坐标集合构建目标芯片三维模型,计算目标芯片三维模型中任意相邻两个点之间的间距,并将其进行公式化计算分析以得到芯片平整量值;
通过将目标三维模型中与标准三维模型中的焊点部位、引脚连接部位和芯片部位对应的焊点三维坐标件、引脚连接三维坐标和芯片部位的三维坐标集合进行重合比对分析以得到焊点重合值、引脚重合值和芯片重合值;
得到焊点重合值、引脚重合值和芯片重合值的具体过程如下:
将目标三维模型和标准三维模型中相同位置的焊点部位、引脚部位和芯片进行配对以得到焊点部位对、引脚部位对和芯片部位对;通过识别焊点部对中的焊点部位匹配状态以得到匹配焊点对和不匹配焊点对;统计目标三维模型与标准三维模型中匹配焊点对和焊点部位对的数量,将匹配焊点对的数量除以焊点部位对的数量得到焊点重合值;
同理,通过识别引脚部位对中的引脚部位匹配状态以得到匹配引脚对和不匹配引脚对;统计目标三维模型与标准三维模型中匹配引脚对和引脚连接部位对的数量,将匹配引脚对的数量除以引脚连接部位对的数量以得到焊点重合值;
依据匹配成功的芯片部位对中的两个芯片部位的坐标集以构成两个芯片体积,并将两者的体积进行交集处理和并集处理以得到交集体积和并集体积,再将交集体积除以并集体积以得到体积重叠度;匹配成功的芯片部位对中芯片部位进行网格化处理,将两者分别转换为由若干个小三角形组成的表面模型,计算两者表面模型中相交部位的面积,并将所有相交部位的面积进行求和计算以得到交集表面积;再将交集表面积除以两者表面总面积以得到表面积重叠度;将体积重叠度和表面积重叠度进行加权计算以得到芯片重合值;
提取物电学特征参数具体如下:
将电子元器件分别依据温度测试参数和频率测试参数进行温度特性测试和响应特性测试以得到对应的温测参数和频测参数;将各温度下的功率、失真度和传输时长记为温测参数;将各频率下的功率、失真度和传输时长记为频测参数;
将各温度下的温测参数和各频率下的频测参数通过设定的公式组进行计算以得到各温度下的温度响应值TYg和各频率下的频率响应值PYf;其中y1、y2、y3、y4、y5、y6分别为设定的权重系数,Y1g、Y2g和Y3g分别为各温度下的功率、失真度和传输时长;Y1f、Y2f和Y3f分别为各频率下电子元器件输出的功率、失真度和传输时长;为电子元器件额定功率;将各温度下的温度响应值和各频率下的频率响应值记为电学特征参数。
2.根据权利要求1所述的一种基于人工智能的电子元器件故障诊断系统,其特征在于,电学特性分析具体如下:
图像解析:以温度为横坐标,再以温度响应值为纵坐标得到温度响应值随温度变化曲线图;在温响点处作曲线的切线,并计算切线斜率记为温响斜率;将大于零的温响斜率进行求和计算以得到响应增加度,将小于零的温响斜率进行求和计算并取绝对值以得到响应降低度;将响应增加度、响应降低度和温响斜率进行公式化计算分析以得到温响评估指数;
将温度响应值与设定的温度响应区间进行比较分析,以将温度响应值对应的温度分为严重延迟温度、中度延迟温度和轻微延迟温度;取中度延迟温度中的最小温度为工作温度上限,取轻微延迟温度中的最小温度为工作温度下限,由工作温度上限和工作温度下限构成该电子元器件的工作温度区间;
同理,以频率为横坐标,再以频率响应值为纵坐标频率响应值随频率变化曲线图;对频率响应值随频率变化曲线图进行图像解析以得到频响评估指数;将温响评估指数和频响评估指数进行公式化计算分析以得到电学评估指数。
3.根据权利要求2所述的一种基于人工智能的电子元器件故障诊断系统,其特征在于,依据物理评估指数、电学评估指数和工作温度区间进行故障诊断以得到诊断结果,具体如下:
将物理评估指数与设定的物理故障阈值进行比较分析,当物理评估指数小于设定的物理故障阈值时,则判定电子元器件的故障类型为物理特性故障类型,并将故障类型进行显示;
将电学评估指数与设定的电学故障阈值进行比较分析,当电学评估指数小于设定的电学故障阈值时,则判断电子元器件的故障类型为电学性能故障类型,并将故障类型进行显示;
将工作温度区间与标准工作温度区间进行比较,当工作温度区间属于或者等于标准工作温度区间时,则电子元器件工作温度区间正常;反之则判定电子元器件的工作温度区间异常,并将故障类型进行显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410244842.5A CN117830309B (zh) | 2024-03-05 | 2024-03-05 | 一种基于人工智能的电子元器件故障诊断系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410244842.5A CN117830309B (zh) | 2024-03-05 | 2024-03-05 | 一种基于人工智能的电子元器件故障诊断系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117830309A CN117830309A (zh) | 2024-04-05 |
CN117830309B true CN117830309B (zh) | 2024-05-07 |
Family
ID=90515607
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410244842.5A Active CN117830309B (zh) | 2024-03-05 | 2024-03-05 | 一种基于人工智能的电子元器件故障诊断系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117830309B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5410398A (en) * | 1979-08-20 | 1995-04-25 | Northrop Grumman Corporation | Automatic boresight compensation device |
US5494856A (en) * | 1994-10-18 | 1996-02-27 | International Business Machines Corporation | Apparatus and method for creating detachable solder connections |
CN113059483A (zh) * | 2021-03-19 | 2021-07-02 | 上海泽丰半导体科技有限公司 | 基板整平治具、整平方法及探针卡 |
CN114386312A (zh) * | 2021-12-08 | 2022-04-22 | 华能沁北发电有限责任公司 | 一种设备故障诊断方法 |
CN114444734A (zh) * | 2022-01-27 | 2022-05-06 | 山东电工电气集团有限公司 | 一种基于边缘计算的变压器多模态故障诊断方法 |
-
2024
- 2024-03-05 CN CN202410244842.5A patent/CN117830309B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5410398A (en) * | 1979-08-20 | 1995-04-25 | Northrop Grumman Corporation | Automatic boresight compensation device |
US5494856A (en) * | 1994-10-18 | 1996-02-27 | International Business Machines Corporation | Apparatus and method for creating detachable solder connections |
CN113059483A (zh) * | 2021-03-19 | 2021-07-02 | 上海泽丰半导体科技有限公司 | 基板整平治具、整平方法及探针卡 |
CN114386312A (zh) * | 2021-12-08 | 2022-04-22 | 华能沁北发电有限责任公司 | 一种设备故障诊断方法 |
CN114444734A (zh) * | 2022-01-27 | 2022-05-06 | 山东电工电气集团有限公司 | 一种基于边缘计算的变压器多模态故障诊断方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117830309A (zh) | 2024-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108564181B (zh) | 电力设备故障检测与维修方法及终端设备 | |
CN111459700B (zh) | 设备故障的诊断方法、诊断装置、诊断设备及存储介质 | |
US10393788B2 (en) | Apparatus and method for diagnosing state of power cable and measuring remaining life thereof using VLF TD measurement data | |
CN113762525B (zh) | 一种具有差分隐私保护的联邦学习模型训练方法 | |
CN114977483A (zh) | 一种智能电网调控控制设备故障诊断系统 | |
CN115545479A (zh) | 一种配电网重要节点或重要线路的确定方法及装置 | |
CN117830309B (zh) | 一种基于人工智能的电子元器件故障诊断系统 | |
CN113391256B (zh) | 一种现场作业终端的电能表计量故障分析方法及系统 | |
CN112729884B (zh) | 基于大数据的设备故障诊断方法及装置 | |
CN115879826B (zh) | 一种基于大数据的精细化工工艺质检方法、系统及介质 | |
CN112749894A (zh) | 一种缺陷检测模型评价方法以及装置 | |
CN112577456B (zh) | 测量设备点检方法及运行控制装置、计算机可读存储介质 | |
CN115314305A (zh) | 一种基于人工智能的网络安全态势感知系统及方法 | |
CN105656453B (zh) | 一种基于时间序列的光纤电流互感器随机噪声实时滤波方法 | |
CN114235181A (zh) | 一种用于rfid无线无源测温芯片的安装定位系统 | |
CN113376564A (zh) | 基于数据分析的智能电表计量校正方法、装置及终端 | |
CN115909745A (zh) | 一种路测数据的显著性差异比对方法、装置、设备和介质 | |
CN111859629A (zh) | 一种直升机动部件的检测规划方法及系统 | |
CN115144037B (zh) | 一种锂电池防爆性能安全监测方法及系统 | |
CN113393450B (zh) | 用于数字线划图的数据质检方法、系统及可读存储介质 | |
CN111581737B (zh) | 一种基于有限元仿真的结构件可靠性评估方法及系统 | |
CN117648596B (zh) | 一种建筑施工的数字孪生与智能传感器融合方法与系统 | |
CN115327497B (zh) | 雷达检测范围确定方法、装置、电子设备及可读介质 | |
CN117589109B (zh) | 石英中心托盘制作工艺的质量检测与控制方法 | |
CN117951573A (zh) | 智能家电的内容发布平台及方法 |
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 |