【技术实现步骤摘要】
本专利技术涉及电路测试，尤其涉及一种集成电路高温环境下封装密封性评估方法及系统。
技术介绍
1、集成电路的封装密封性直接影响着器件的可靠性和使用寿命，封装材料和结构的性能发生退化会导致密封失效和器件损坏，因此，对集成电路进行封装密封性评估对于保障器件的可靠运行至关重要；
2、但是，传统方法在检测效率、灵敏度、稳定性和可靠性等方面存在不足，难以满足当前集成电路可靠性评估的需求，特别是在高温环境下，器件的失效机理更加复杂，对封装密封性评估提出了更高的要求；
3、因此，亟需一种方法解决现有技术中存在的问题。
技术实现思路
1、本专利技术实施例提供一种集成电路高温环境下封装密封性评估方法及系统，至少能解决现有技术中存在的部分问题。
2、本专利技术实施例的第一方面，提供一种集成电路高温环境下封装密封性评估方法，包括：
3、获取待测集成电路的温度数据、示踪气体浓度数据以及气压数据，对所述温度数据采用双向经验模态分解算法分解得到双向温度固有模态函数，结合分数阶希尔伯特变换提取非线性温度瞬时特征值，对所述示踪气体浓度数据采用非局部加权自适应各向异性扩散滤波器进行降噪，采用混合张量分解方法构建多维浓度分布特征矩阵，对所述气压数据采用自适应形态学小波包分解算法得到气压频域特征值，将所述非线性温度瞬时特征值、所述多维浓度分布特征矩阵以及述气压频域特征值输入量子深度自编码器网络生成量子特征向量；
4、将所述量子特征向量输入多头交叉注意力网络生成自
5、将所述概率特征向量输入基于知识蒸馏的密封性缺陷诊断模型，通过教师网络和学生网络的协同训练输出密封性缺陷类型以及对应的置信度，将所述时序动态特征序列输入预先构建的因果长短期记忆网络预测失效趋势，构建动态异构知识图谱进行失效模式匹配得到失效模式演化规律，基于失效趋势预测结果以及所述失效模式演化规律，通过多目标帕累托差分进化算法计算密封性缺陷扩散速率、应力分布特征值、失效概率和剩余寿命，对所述待测集成电路的封装可靠性进行评级，得到可靠性评级结果并输出密封性评估报告。
6、在一种可选的实施方式中，
7、获取待测集成电路的温度数据、示踪气体浓度数据以及气压数据，对所述温度数据采用双向经验模态分解算法分解得到双向温度固有模态函数，结合分数阶希尔伯特变换提取非线性温度瞬时特征值，对所述示踪气体浓度数据采用非局部加权自适应各向异性扩散滤波器进行降噪，采用混合张量分解方法构建多维浓度分布特征矩阵，对所述气压数据采用自适应形态学小波包分解算法得到气压频域特征值，将所述非线性温度瞬时特征值、所述多维浓度分布特征矩阵以及述气压频域特征值输入量子深度自编码器网络生成量子特征向量包括：
8、在待测集成电路的四个角位置以及中心位置布置温度传感器获取温度数据矩阵，在所述待测集成电路的内部均匀布置示踪气体传感器获取示踪气体浓度数据矩阵，在所述待测集成电路的外部布置气压传感器获取气压数据矩阵；
9、对所述温度数据矩阵通过双向经验模态分解算法进行分解，筛选满足极值点数目与过零点数目相差不超过一、局部均值为零、相邻局部极值点之间至少包含一个过零点、首尾极值点分别为局部最大值点和局部最小值点的固有模态函数，对所述固有模态函数按照频率由高到低进行正向分解，按照频率由低到高进行反向分解，得到双向温度固有模态函数，对所述双向温度固有模态函数采用分数阶希尔伯特变换和小波变换核函数提取非线性温度瞬时特征值；
10、对所述示踪气体浓度数据矩阵采用非局部加权自适应各向异性扩散滤波器进行降噪处理，根据所述示踪气体浓度数据矩阵的分布特征自适应调整相似性窗口和搜索窗口的大小，得到降噪后的示踪气体浓度数据矩阵；
11、将所述降噪后的示踪气体浓度数据矩阵构建为三阶张量，其中第一维表示传感器编号，第二维表示时间点编号，第三维表示示踪气体浓度值，通过核张量分解方式对所述三阶张量进行分解，得到多维浓度分布特征矩阵；
12、对所述气压数据矩阵进行预处理，通过圆盘形结构元素进行形态学开运算和闭运算，对预处理后的气压数据采用自适应层数的小波包分解，并采用自适应阈值策略提取能量特征和奇异值特征，得到气压频域特征值；
13、将所述非线性温度瞬时特征值、所述多维浓度分布特征矩阵以及所述气压频域特征值归一化处理后转换为量子态矢量，将所述量子态矢量输入量子深度自编码器网络，在所述量子深度自编码器网络的相邻层之间设置量子非门、阿达马门和旋转门，通过参数化量子电路训练得到量子特征向量，所述量子特征向量包含所述待测集成电路的温度、示踪气体浓度以及气压的综合特征信息。
14、在一种可选的实施方式中，
15、对所述示踪气体浓度数据矩阵采用非局部加权自适应各向异性扩散滤波器进行降噪处理如下公式所示：
16、；
17、其中，表示示踪气体浓度数据矩阵在时间上的变化率， c( x， y， t)为示踪气体浓度数据矩阵，表示在空间位置( x， y)处和时间 t上的气体浓度值， x表示传感器所在位置的横坐标， y表示传感器所在位置的纵坐标， t表示时间， w( x， y)表示自适应权重函数，▽ c( x， y)表示气体浓度矩阵在空间位置( x， y)处的空间梯度， t表示转置，▽ c( x， y， t)表示示踪气体浓度数据矩阵在时间 t上的空间梯度。
18、在一种可选的实施方式中，
19、对所述双向温度固有模态函数采用分数阶希尔伯特变换和小波变换核函数提取非线性温度瞬时特征值包括：
20、将双向温度固有模态函数添加至预先设置的分数阶希尔伯特变换模块中，对所述双向温度固有模态函数进行分数阶微分得到分数阶导数信号，对所述分数阶导数信号进行希尔伯特变换得到第一复值解析信号，基于所述第一复本文档来自技高网...
【技术保护点】
1.集成电路高温环境下封装密封性评估方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，获取待测集成电路的温度数据、示踪气体浓度数据以及气压数据，对所述温度数据采用双向经验模态分解算法分解得到双向温度固有模态函数，结合分数阶希尔伯特变换提取非线性温度瞬时特征值，对所述示踪气体浓度数据采用非局部加权自适应各向异性扩散滤波器进行降噪，采用混合张量分解方法构建多维浓度分布特征矩阵，对所述气压数据采用自适应形态学小波包分解算法得到气压频域特征值，将所述非线性温度瞬时特征值、所述多维浓度分布特征矩阵以及述气压频域特征值输入量子深度自编码器网络生成量子特征向量包括：
3.根据权利要求2所述的方法，其特征在于，对所述示踪气体浓度数据矩阵采用非局部加权自适应各向异性扩散滤波器进行降噪处理如下公式所示：
4.根据权利要求2所述的方法，其特征在于，对所述双向温度固有模态函数采用分数阶希尔伯特变换和小波变换核函数提取非线性温度瞬时特征值包括：
5.根据权利要求1所述的方法，其特征在于，将所述量子特征向量输入多头交叉注意力网络生成自适应权重
6.根据权利要求1所述的方法，其特征在于，将所述概率特征向量输入基于知识蒸馏的密封性缺陷诊断模型，通过教师网络和学生网络的协同训练输出密封性缺陷类型以及对应的置信度，将所述时序动态特征序列输入预先构建的因果长短期记忆网络预测失效趋势，构建动态异构知识图谱进行失效模式匹配得到失效模式演化规律，基于失效趋势预测结果以及所述失效模式演化规律，通过多目标帕累托差分进化算法计算密封性缺陷扩散速率、应力分布特征值、失效概率和剩余寿命，对所述待测集成电路的封装可靠性进行评级，得到可靠性评级结果并输出密封性评估报告包括：
7.根据权利要求6所述的方法，其特征在于，将所述第一概率分布通过蒸馏损失函数迁移至所述学生网络中如下公式所示：
8.集成电路高温环境下封装密封性评估系统，用于实现前述权利要求1-7中任一项所述的方法，其特征在于，包括：
9.一种电子设备，其特征在于，包括：
10.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至7中任意一项所述的方法。
...【技术特征摘要】
1.集成电路高温环境下封装密封性评估方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，获取待测集成电路的温度数据、示踪气体浓度数据以及气压数据，对所述温度数据采用双向经验模态分解算法分解得到双向温度固有模态函数，结合分数阶希尔伯特变换提取非线性温度瞬时特征值，对所述示踪气体浓度数据采用非局部加权自适应各向异性扩散滤波器进行降噪，采用混合张量分解方法构建多维浓度分布特征矩阵，对所述气压数据采用自适应形态学小波包分解算法得到气压频域特征值，将所述非线性温度瞬时特征值、所述多维浓度分布特征矩阵以及述气压频域特征值输入量子深度自编码器网络生成量子特征向量包括：
3.根据权利要求2所述的方法，其特征在于，对所述示踪气体浓度数据矩阵采用非局部加权自适应各向异性扩散滤波器进行降噪处理如下公式所示：
4.根据权利要求2所述的方法，其特征在于，对所述双向温度固有模态函数采用分数阶希尔伯特变换和小波变换核函数提取非线性温度瞬时特征值包括：
5.根据权利要求1所述的方法，其特征在于，将所述量子特征向量输入多头交叉注意力网络生成自适应权重特征向量，构建异构时空图神经网络，提取特征节点间的时空依赖关系得到时空图特征向量，通过波形动态时间规整算法对所述时空图特征向量进行多尺度时序...
【专利技术属性】
技术研发人员：郭虎，李建伟，王才宝，
申请(专利权)人：北京炎黄国芯科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。