结合制造工艺及仿真的电子类单机贮存可靠性评估方法与流程

本发明属于电子类单机产品性能分析
技术领域：
，涉及一种电子类单机贮存可靠性评估方法，具体涉及一种结合制造工艺及仿真的电子类单机贮存可靠性评估方法。
背景技术：
导弹产品根据其任务剖面可分为工作阶段及贮存阶段，相对于工作阶段，其贮存阶段占据了全寿命周期中的绝大部分时间，即满足“长期贮存，一次使用”的特点，因此，要求组成武器装备的各个部件或元器件均具有较高的环境适应性和较长的贮存寿命，它们在贮存期的高可靠性是装备正常使用的重要保障。弹上电子类单机在导弹系统中主要起信号传递、系统控制等功能，在实际贮存环境剖面(如振动、电磁、温度和湿度等)长期作用下，单机的特性参数将发生变化。当特性参数值超出其允许的容差范围时，将造成整个武器装备系统失效，故需要对其进行贮存可靠性研究。电子类单机在长贮状态下退化过程缓慢，通常需要引入贮存加速退化试验来加速其退化过程。由于单机产品成本较高，可供试验使用的样本较少，若直接进行贮存可靠性评估，评估精度受单机产品分散性及试验数据测试波动性影响程度较大，从而导致所预测的单机贮存期与实际情况相比出现较大偏差。因此，在试验样本有限的情况下，如何提高电子类单机贮存可靠性的评估准确度是一项亟待解决的问题。电子类单机是由材料、元器件、零部件等底层单元间的电路连接所构成的，其贮存可靠性直接决定了单机的贮存可靠性。相对于单机产品，底层单元的贮存可靠性数据更加丰富。同时，单机的贮存可靠性是设计、制造和管理出来的，单机的贮存可靠性与其底层单元的制造工艺密切相关，其中的工艺数据蕴含着丰富的贮存可靠性信息。因此，将底层元器件的工艺数据注入底层单元的贮存退化模型中，结合单机功能仿真模型(如eda电路仿真模型、多物理场耦合模型等)，进行单机贮存可靠性评估，能够在单机试验样本有限情况下，有效提高其贮存可靠性评估精度。技术实现要素：为了解决评估电子类单机贮存可靠性时，无法提供充足的试验样本量，从而难以反应产品分散性，致使电子类单机贮存可靠性评估准确度较低的问题，本发明提供了一种结合制造工艺及仿真的电子类单机贮存可靠性评估方法。本发明的目的是通过以下技术方案实现的：一种结合制造工艺及仿真的电子类单机贮存可靠性评估方法，包括如下步骤：步骤一：根据电子类单机的原理功能及原理图，利用仿真软件建立电子类单机功能仿真模型；步骤二：基于步骤一所建立的电子类单机功能仿真模型，利用灵敏度分析方法，结合使用厂家调研结果，确定影响电子类单机输出特性指标的关键底层单元；步骤三：根据步骤二中对使用厂家的调研结果，得到电子类单机在实际贮存过程中出现的失效模式，分析与之对应的失效机理，确定基于失效物理的各关键底层单元贮存退化模型形式；步骤四：针对电子类单机各关键底层单元进行加速贮存退化试验，监测各关键底层单元输出特性的贮存退化数据；步骤五：通过调研电子类单机各关键底层单元的生产厂家及实际跟厂，得到各关键底层单元的工艺过程数据，即各关键底层单元的输出特性初始分布情况；同时，结合步骤三中得到的各关键底层单元的贮存退化模型及步骤四中各关键底层单元的贮存试验退化数据，利用粒子滤波预测方法，得到具有分布特性的各关键底层单元贮存退化模型；步骤六：根据电子类单机的结构特点，对步骤五中得到的具有分布特性的各底层单元贮存退化模型进行随机抽样，抽选出可构建n个电子类单机的n组关键底层单元组合，并将贮存时间带入，得到n组关键底层单元贮存退化数据；步骤七：将步骤六中所得到n组关键底层单元组合的贮存退化数据带入步骤一中所建立的电子类单机功能仿真模型中，得到n组虚拟的电子类单机输出特性参数贮存退化数据；步骤八：利用最小二乘法对步骤七所得到的n组虚拟的电子类单机输出特性参数贮存退化数据在各贮存时间下的分布情况进行拟合，得到电子类单机各贮存时刻输出特性退化数据分布参数；步骤九：利用最小二乘法对步骤八中得到的电子类单机各贮存时刻输出特性退化数据分布参数进行拟合，得到电子类单机输出特性退化数据分布参数退化模型；步骤十：根据步骤九中得到的电子类单机输出特性退化数据分布参数退化模型，将贮存时间t带入，得到t时刻电子类单机输出特性退化数据的分布概率密度函数，结合电子类单机失效阈值，计算电子类单机在t时刻的贮存可靠度。相比于现有技术，本发明具有如下优点：1、本发明基于电子类单机关键底层单元制造工艺及功能仿真对电子类单机进行贮存可靠性评估，在单机试验样本有限的条件下，提高了其贮存可靠性评估精度。2、本发明在贮存可靠性评估过程中所采用工艺数据来自厂家现场实测，采用的单机底层单元贮存退化数据来自实际加速贮存试验，基于上述数据进行的电子类单机贮存可靠性评估结果可信度高。3、本发明为电子类单机的贮存可靠性评估提供了一种新的思路。附图说明图1是本发明结合制造工艺及仿真的电子类单机贮存可靠性评估方法的流程图。图2是某型滚控电子模块功能仿真模型图。图3是某型号金属膜电阻的阻值初始分布图。图4是某型号金属膜电阻在175℃时的阻值贮存退化分布图。图5是一组滚控电子模块在175℃时输出周期的退化分布图。图6是某型滚控电子模块在175℃时的周期均值拟合图。具体实施方式下面结合附图对本发明的技术方案作进一步的说明，但并不局限于此，凡是对本发明技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，均应涵盖在本发明的保护范围中。具体实施方式一：本实施方式提供了一种结合制造工艺及仿真的电子类单机贮存可靠性评估方法，首先，通过eda仿真模型(电子类)及多物理场耦合模型(机电类)对电子类单机进行描述，建立电子类单机功能仿真模型，结合厂家调研结果，利用灵敏度分析方法确定影响电子类单机输出特性参数的关键底层单元；然后，对关键底层单元进行失效模式及失效机理分析，结合关键底层单元工艺数据及加速贮存试验中实测的贮存退化数据，建立具有分布特性的关键底层单元贮存退化模型；最后，将关键底层单元贮存退化模型带入所建立的电子类单机功能仿真模型中，得到电子类单机输出特性参数的贮存退化数据，利用最小二乘方法，得到具有分布特性的电子类单机输出特性参数的贮存退化模型，带入失效阈值，完成电子类单机贮存可靠性评估。具体实施步骤如下：步骤一：根据电子类单机的原理功能及原理图，利用saber、pspice等eda仿真软件及ansys、flux等有限元仿真软件建立电子类单机功能仿真模型。步骤二：基于步骤一所建立的电子类单机功能仿真模型，利用灵敏度分析方法，结合使用厂家调研结果，确定影响电子类单机输出特性指标的关键底层单元(零部件、部组件、元器件等)。步骤三：根据步骤二中对使用厂家的调研结果，得到电子类单机在实际贮存过程中出现的失效模式，分析与之对应的失效机理，确定基于失效物理的各关键底层单元贮存退化模型形式。步骤四：针对电子类单机各关键底层单元进行加速贮存退化试验，监测各关键底层单元输出特性的贮存退化数据。步骤五：通过调研电子类单机各关键底层单元的生产厂家及实际跟厂，得到各关键底层单元的工艺过程数据，即各关键底层单元的输出特性初始分布情况。同时，结合步骤三中得到的各关键底层单元的贮存退化模型及步骤四中各关键底层单元的贮存试验退化数据，利用粒子滤波预测方法，得到具有分布特性的各关键底层单元贮存退化模型。上述的分布特性与初始分布同分布，如正态分布，威布尔分布等。步骤六：根据电子类单机的结构特点，对步骤五中得到的具有分布特性的各底层单元贮存退化模型进行随机抽样，抽选出可构建n个电子类单机的n组关键底层单元组合，并将贮存时间带入，得到n组关键底层单元贮存退化数据。步骤七：将步骤六中所得到n组关键底层单元组合的贮存退化数据带入步骤一中所建立的电子类单机功能仿真模型中，得到n组虚拟的电子类单机输出特性参数贮存退化数据。步骤八：利用最小二乘法对步骤七所得到的n组虚拟的电子类单机输出特性参数贮存退化数据在各贮存时间下的分布情况进行拟合，得到电子类单机各贮存时刻输出特性退化数据分布参数。步骤九：利用最小二乘法对步骤八中得到的电子类单机各贮存时刻输出特性退化数据分布参数进行拟合，得到电子类单机输出特性退化数据分布参数退化模型。所述退化模型一般为表1所述的形式：表1名称函数形式直线函数y(t)＝a+bt抛物线函数y(t)＝a+bt+ct2幂函数y(t)＝atb指数函数y(t)＝aexp(bt)对数函数y(t)＝a+blogct其中，y(t)表示退化数据在贮存时间t时的分布参数，a、b、c表示函数的未知系数，可通过最小二乘法获取。步骤十：根据步骤九中得到的电子类单机输出特性退化数据分布参数退化模型，将贮存时间t带入，得到t时刻电子类单机输出特性退化数据的分布概率密度函数，结合电子类单机失效阈值，计算电子类单机在t时刻的贮存可靠度。本步骤中，假设t时刻退化数据的分布概率密度函数为f(dt|y1t,y2t,…,ymt)，其中dt为t时刻退化数据，y1t,y2t,…,ymt为退化数据分布概率密度函数的在t时刻的m个分布参数，失效阈值上下限分别为ku和kl，在计算t时刻的贮存可靠度时，可采用如下公式：具体实施方式二：本实施方式以滚控电子模块为对象进行结合制造工艺及仿真的贮存可靠性评估，如图1所示，具体步骤如下：步骤一：根据滚控电子模块功能及原理图，在saber电路仿真软件中建立如图2所示某型滚控电子模块功能仿真模型。步骤二：基于步骤一所建立的滚控电子模块功能仿真模型，利用灵敏度分析方法，结合使用厂家调研结果，最终确定了某型滚控电子模块的关键元器件为金属膜电阻、聚金属化脂薄膜电容、线绕电位器、稳压二极管、继电器、连接器。步骤三：根据步骤二中对使用厂家的调研结果，某型滚控电子模块的失效模式主要为输出pwm波的占空比及周期超差和单机无输出失效。下面以金属膜电阻为例进行失效模式及失效机理分析。金属膜电阻是以特种金属或合金作电阻材料，用真空蒸发或溅射的方法在陶瓷基体上形成电阻膜层，然后通过刻槽调试电阻值，并在其表面涂上环氧树脂密封保护而成。由于温度、湿度的不断交替变化而产生一种“呼吸”效应，使水分子能够通过漆层进入导电带和螺纹槽中，并和槽两边的导电带形成电解槽。电阻基体所含的碱金属离子(导电膜除溅射上的金属导电膜外可能还存在碱金属k离子和ca离子)在槽间电场中位移，产生离子电流。湿气存在时，电解过程更剧烈(k离子和ca离子极易溶入水中)。分离出碱金属离子或形成碱性溶液侵蚀陶瓷基体表面或金属膜层，从而影响金属膜附着力，使金属膜层局部松动或脱落造成金属膜电阻器阻值增大，进而导致滚控电子模块输出pwm波的占空比及周期超差，上述金属膜电阻失效机理通常应用线性模型描述，如式(2)所示：r(t)＝a*t+r(0)(2)。式中：r(t)——t时刻的金属膜电阻阻值大小；r(0)——初始时刻的金属膜电阻阻值大小；a——为退化模型随机影响系数；t——贮存时间。剩余关键元器件也按照上述方法进行失效模式及失效机理分析，得到基于失效物理的各底层关键元器件贮存退化模型形式。步骤四：对某型滚控电子模块中的关键元器件分别进行加速贮存退化试验。本次试验选择温度应力进行加速，分别在90℃、120℃、130℃、175℃及190℃五种应力下对各关键元器件的10个样本进行加速贮存退化试验，定期监测其外特性参数。步骤五：通过调研滚控电子模块各底层关键元器件的生产厂家及实际跟厂，得到各底层元器件的工艺过程数据，即各底层元器件的输出特性初始分布情况。同时，结合步骤三中得到的各底层关键元器件的贮存退化模型及步骤四中各底层关键元器件的贮存试验退化数据，利用粒子滤波预测方法，得到具有分布特性的各底层关键元器件贮存退化模型。式(2)中r(0)的正态分布均值与标准差分别为1.0016×10-6与47.4653，a的正态分布均值与标准差分别为16.74与-0.4399。图3为某型号金属膜电阻的阻值初始分布图，图4为某型号金属膜电阻在175℃时的阻值贮存退化分布图。步骤六：根据滚控电子模块结构特点，对步骤五中得到的具有分布特性的各底层关键元器件贮存退化模型进行随机抽样，抽选出可构建1000个滚控电子模块的1000组底层关键元器件组合，并将贮存时间带入，得到1000组关键元器件贮存退化数据。步骤七：将步骤六中所得到1000组继电器组合的贮存退化数据带入步骤一中所建立的滚控电子模块功能仿真模型中，得到1000组滚控电子模块贮存退化数据。图5为其中一组滚控电子模块在175℃时输出周期的退化分布图。步骤八：利用最小二乘法对步骤七所得到的1000组虚拟的滚控电子模块贮存退化数据在各贮存时间下的分布情况进行拟合，得到各贮存时间下的滚控电子模块输出特性退化数据分布参数。步骤九：利用最小二乘法对步骤八中得到的滚控电子模块各贮存时刻输出特性退化数据分布参数进行拟合，得到滚控电子模块输出特性退化数据分布参数的退化模型。图6为某型滚控电子模块在175℃时的周期均值拟合图。由图6可以看出，该滚控电子模块周期均值服从表1中的对数模型，利用最小二乘法对未知参数进行估计，可得a＝203.5，b＝-1.012，c＝e。步骤十：根据步骤九中得到的滚控电子模块输出特性退化数据分布参数退化模型，将贮存时间t带入，得到t时刻滚控电子模块输出特性退化数据的分布概率密度函数，结合滚控电子模块失效阈值，利用式(1)计算滚控电子模块在t时刻的贮存可靠度。例如，t＝500时,可靠度为0.99。当前第1页12