一种电子器件湿热环境下的加速寿命预测方法与流程

本发明属于电子器件寿命预测领域，具体涉及一种电子器件湿热环境下的加速寿命预测方法。

背景技术

随着电子器件高度集成化和微小化，器件的用途越来越广泛，与之相应的结构也越来越复杂。设备的使用环境不同，器件的失效机理也各有各的不同，对具体器件的失效机理进行研究时，通过在非正常工作状态下的替代性试验方法和试验数据来“预测”产品的寿命，这就是加速寿命试验方法。短时间内对产品施加高于普通环境的外界压力(应力、高温、高腐蚀性等)可以使产品加速失效，然后基于收集到的失效数据，经过分析计算，达到对正常工作状态下的产品的可靠性进行评估的目的。

复杂的环境中，器件所受到的应力也多样化，致使器件受损的也将不仅仅是温度，湿度、电应力、牵引力也将对电子器件的寿命造成很大的影响。影响电子器件寿命的因素中，温度和湿度占据最主要的部分，分析单一因素无法对复杂环境下的寿命模型进行准确预测。同时考虑两种应力对电子器件寿命的影响不仅可以解决绝大部分环境下器件寿命预测的问题，也可以举一反三，对其余环境下的器件寿命进行较为准确地建模和分析。

技术实现要素：

针对现有技术中的上述不足，本发明提供的一种电子器件湿热环境下的加速寿命预测方法解决了可靠性工作者难以为设计者提供具体的、行之有效的可靠性问题解决措施的问题。

为了达到上述发明目的，本发明采用的技术方案为：一种电子器件湿热环境下的加速寿命预测方法，包括以下步骤：

s1、分析电子器件湿热贮存环境，整理试验数据；

s2、建立电子器件湿热环境下的加速寿命模型，并验证其准确性；

s3、推导湿热环境下的电子器件加速寿命及模型中的相关参数；

s4、求解湿热环境下电子器件的平均寿命，绘制寿命趋势图。

进一步地：所述步骤s1中的试验数据为电子器件湿热加速寿命。

进一步地：所述步骤s2具体包括：

s21确定单因素下电子器件加速寿命模型，所述加速寿命模型包括arrhenius模型和eyring模型；arrhenius模型是基于温度引起失效的加速寿命预测模型；eyring模型可以用于湿度应力引起失效的加速寿命预测模型；

s22将温度疲劳寿命模型与常用的湿度疲劳寿命模型结合，得到湿热双应力加速寿命模型；

s23对提出的湿热双应力老化寿命模型进行推理证明，确认其准确性。

进一步地：所述步骤s3的具体包括：

s31、基于对数正态分布的湿热加速寿命数学推导；

s32、基于对数正态分布的湿热加速寿命模型参数计算。

进一步地：所述步骤s4具体包括：

s41、根据试验数据求解电子器件平均贮存寿命；

s42、利用matlab绘制与温度、湿度相关的平均寿命趋势图。

本发明的有益效果为：本发明同时考虑两种应力对电子器件寿命的影响，不仅可以解决绝大部分环境下器件寿命预测的问题，也可以举一反三，对其余环境下的器件寿命进行较为准确地建模和分析。

附图说明

图1为本发明流程图；

图2为本发明实施例提供的电子器件温度-湿度加速寿命曲面图；

图3为本发明实施例提供的湿度加速寿命曲线图；

图4为本发明实施例提供的温度加速寿命曲线图。

具体实施方式

下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

如图1所示，一种电子器件湿热环境下的加速寿命预测方法，包括以下步骤：

s1、分析电子器件湿热贮存环境，整理试验数据；试验数据为电子器件湿热加速寿命。

在老化箱中对固体火箭发动机(srm)粘接界面进行不同环境应力强度、不同时间的湿热老化(每种条件各三枚试件)，得到某型电子器件加速寿命试验数据见表1。

表1

s2、建立电子器件湿热环境下的加速寿命模型，并验证其准确性，具体包括：

s21、确定单因素下电子器件加速寿命模型，所述加速寿命模型包括arrhenius模型和eyring模型；arrhenius模型是基于温度引起失效的加速寿命预测模型；eyring模型可以用于湿度应力引起失效的加速寿命预测模型。

arrhenius模型表示式为：

其中：l为可以测试的寿命尺度，包括平均寿命、特征寿命、中位寿命等；c为待定模型参数，b为另一待定模型参数。

eyring模型表达式为：

其中：l为寿命尺度；v为绝对单位的应力值(如相对湿度等)；a和b为待定模型参数。a和b可用极大似然法求解下面的两个方程获得。

s22、将温度疲劳寿命模型与常用的湿度疲劳寿命模型结合，得到湿热双应力加速寿命模型：

其中：l(h,t)代表的是加速湿热老化寿命，b，c均为待定模型参数；a为常数，h是相对湿度，t为绝对温度。

s23、对提出的湿热双应力老化寿命模型进行推理证明，确认其准确性。

当温度不变时：

式中，为对应于温度t0的常数：

这符合eyring模型。

同理，

式中，为对应于湿度h0的常数：

这符合arrhenius模型。

综上，这种新的模型更能满足自适应加速寿命试验寿命预测的要求。

s3、推导湿热环境下的电子器件加速寿命及模型中的相关参数，具体为：s31、基于对数正态分布的湿热加速寿命数学推导。

器件的寿命t的对数服从正态分布，t的分布函数为：

失效概率密度f(t)为：

可靠度函数r(t)为：

对数正态分布的失效率函数为：

最终得到寿命平均值为：

标准差为σs：

寿命为tr：

其中，k1-r表示正态分布函数的1-r上侧分位点，μ和σ分别为标准正态分布的均值与标准差。

s32、基于对数正态分布的湿热加速寿命模型参数计算。

将式(12)求得的平均寿命代入失效概率密度函数中，就能得到湿热模型的时间应力表达式为：

可靠度函数r(t,h,t0)的计算公式见式(16)。

产品的平均寿命为：

在湿热加速应力下的产品失效率为：

通过极大似然估计法对参数进行估计。

通过计算得到平均寿命和方差，平均寿命见式(21)。

方差见式(22)。

可以得到：

式(23)有三个参数，a为与湿热无关的固定常数，b、φ分别是与湿度和温度相关的参数。

令x＝ln(a),y＝φ,z＝b，则式(23)可表示为：

s4、求解湿热环境下电子器件的平均寿命，绘制寿命趋势，具体为：

s41、根据试验数据求解电子器件平均贮存寿命。

式(24)为三元一次方程，要想求得参数至少需要三组数据，取表5-3中的三组数据求解。

求解得到，a＝e^-6.213，φ＝350.6，b＝210.2，并经过计算得到平均贮存寿命为4290天，约为12年。与器件的初始设计值相符。

s42、利用matlab绘制与温度、湿度相关的平均寿命趋势图。

求出a、φ、b三个参数后，即可求出允许范围内任何温度湿度组合的相关可靠性数据。利用matlab绘制与温度、湿度相关的平均寿命趋势图，见图2，图3和图4。

图2表示器件平均寿命随温度、湿度变化的曲面，可以看出湿度增大，温度升高都会显著影响器件的疲劳寿命，图3表示加速寿命受温度影响的变化曲线，图4表示加速寿命受湿度影响的变化曲线。

电子器件的可靠度服从对数正态分布，结合极大似然估计法，求取加速寿命模型参数，最后根据部分试验数据对其进行寿命预测，极大的节约了成本，得到的寿命预测也更符合实际情况。