【技术实现步骤摘要】
本专利技术涉及闪存，尤其涉及一种nand flash寿命预测与管理方法及相关设备。
技术介绍
1、在nand flash存储
，寿命预测与管理是产品可靠性评估和性能优化中的重要环节，而性能参数的实时监测、寿命预测及管理策略制定则是性能评估中最关键和具有挑战性的阶段。准确预测nand flash的运行状态并实施有效管理对于生产企业、研发机构和测试中心来说至关重要，它直接影响产品的可靠性评估、性能优化和使用寿命。因此，一种有效的寿命预测与管理方法来监测性能参数并制定管理策略，对于确保nand flash的运行稳定性和可靠性至关重要。
2、现今，使用数据处理技术分析采样数据，建立衰退模型来评估运行状态并制定管理策略，或者尝试将人工智能技术应用于寿命预测和管理过程，以更好地评估性能退化趋势和优化管理参数。然而，这些方法仍然存在整合多维性能参数、处理非线性特征和适应动态工作环境等方面的挑战，并且这些预测和管理方法往往忽视了nand flash的一些独特特征，如阈值漂移、栅极干扰、温度效应等，而这些因素可能对寿命预测和管理决策产生显著影响。即现有的nand flash的寿命预测与管理方法忽视了多维性能参数和nand flash的一些独特特征，以致最终的寿命预测结果准确度较低，管理策略效果不佳。
技术实现思路
1、本专利技术的主要目的在于解决现有的nand flash的寿命预测与管理方法忽视了多维性能参数和nand flash的一些独特特征，以致最终的寿命预测结果准确度较低，管
2、本专利技术第一方面提供了一种nand flash寿命预测与管理方法，所述nand flash寿命预测与管理方法包括：获取目标nand flash对应第一预测参数的第一多源原始参数数据和对应第二预测参数的第二多源原始参数数据，并对所述第一多源原始参数数据和所述第二多源原始参数数据进行时序对齐和多重预处理，得到第一多模态参数数据和第二多模态参数数据；分别对所述第一多模态参数数据和所述第二多模态参数数据进行多层次特征提取，得到第一参数特征向量和第二参数特征向量，并对所述第一参数特征向量和所述第二参数特征向量进行多种特征关联计算，得到所述目标nand flash对应性能退化的多维度特征空间；对所述多维度特征空间中第一预测参数维度和第二参数预测维度对应的参数特征进行配对关联和特征组合，得到初始融合特征矩阵，并对所述初始融合特征矩阵进行nandflash寿命衰减的错误系数计算和性能衰退计算，得到综合特征矩阵；基于所述综合特征矩阵，对所述目标nand flash进行多p/e循环尺度的性能预测和预测时序组合，生成寿命预测结果，并基于预设的nand flash性能状态参数，对所述寿命预测结果进行多种状态参数的阈值区间划分和偏差计算，得到初始状态裕度；基于所述nand flash性能状态参数对应的性能状态参数关系式，对所述初始状态裕度进行加权计算，得到nand flash安全运行裕度，并对所述nand flash安全运行裕度进行多层级运行状态评估，得到所述目标nand flash的健康状态评估结果；对所述健康状态评估结果进行阈值比对和等级划分，得到nand flash的工作状态等级集合，并基于预设参数调整策略，对所述工作状态等级集合进行多管理参数的映射关联，生成所述目标nand flash的运行管理结果。
3、可选的，在本专利技术第一方面的第一种实现方式中，所述对所述第一多源原始参数数据和所述第二多源原始参数数据进行时序对齐和多重预处理，得到第一多模态参数数据和第二多模态参数数据，包括：对所述第一多源原始参数数据进行采样周期的统一转换，得到第一参数时间序列，以及对所述第二多源原始参数数据进行采集时间对齐，得到第二参数时间序列，并对所述第一参数时间序列和所述第二参数时间序列进行时间戳对齐和插值，得到同步参数序列；提取出所述同步参数序列中对应温度与电磁干扰异常数据，并对所述温度与电磁干扰异常数据进行滤波，生成稳态参数序列；对所述稳态参数序列中进行数据量纲的归一化，得到归一化参数序列，并对所述归一化参数序列进行周期性趋势去除和降噪，得到特征参数序列；基于所述第一预测参数和所述第二预测参数，对所述特征参数序列进行对应p/e循环次数的分段组合，得到第一多模态参数数据和第二多模态参数数据。
4、可选的，在本专利技术第一方面的第二种实现方式中，所述第一多模态参数数据包括闪存单元特征参数数据、电气参数数据和操作参数数据，所述第二多模态参数数据包括温度变化数据和错误参数数据，所述第一参数特征向量包括电压分布偏移特征、单元间干扰强度参数、电导率特征矩阵、电压裕度参数、编程速率参数、电荷保持时间参数、块间差异参数、编程特征参数和读取特征参数，所述第二参数特征向量包括温度变化序列特征、温度敏感特征矩阵、错误分布特征和纠错特征参数，所述分别对所述第一多模态参数数据和所述第二多模态参数数据进行多层次特征提取，得到第一参数特征向量和第二参数特征向量，包括：对所述闪存单元特征参数数据中对应的阈值电压分布数据进行概率密度计算和子带分解，得到电压分布偏移特征，以及对所述闪存单元特征参数数据中对应的栅极耦合系数数据进行相邻单元干扰计算，得到单元间干扰强度参数，以及对所述闪存单元特征参数数据中对应的通道电导率进行电导特征提取，生成电导率特征矩阵；对所述电气参数数据中对应的读写电压窗口进行边界扫描，得到电压裕度参数，以及对所述电气参数数据中对应的编程斜率进行时序特征的提取，得到编程速率参数，以及对所述电气参数数据中对应的电荷保持特征进行漏电流计算，得到电荷保持时间参数；对所述操作参数数据中对应的擦写速率数据进行差异计算，得到块间差异参数，以及对所述操作参数数据中对应的编程时间数据进行统计计算，得到编程特征参数，以及对所述操作参数数据中对应的读取时间数据进行波动计算，得到读取特征参数；对所述温度变化数据中对应的温度波动特征进行温度数值的计算，得到温度变化序列特征，以及基于所述温度变化数据，对所述电气参数数据进行交叉计算，得到温度敏感特征矩阵；对所述错误参数数据中对应的原始错误比特进行统计计算，得到错误分布特征，对所述错误参数数据中对应的错误校正码校正强度进行数值校正，得到纠错特征参数。
5、可选的，在本专利技术第一方面的第三种实现方式中，所述对所述第一参数特征向量和所述第二参数特征向量进行多种特征关联计算，得到所述目标nand flash对应性能退化的多维度特征空间，包括：对所述电压分布偏移特征进行状态划分和重叠度计算，得到电压工作状态维度，并基于所述电压工作状态维度，对所述单元间干扰强度参数和所述电导率特征矩阵进行相邻单元影响强度和电流变化率计算，得到干扰特征维度；基于所述干扰特征维度，对电压裕度参数、编程速率参数和电荷保持时间参数进行窗口范围和漏电流斜率计算，得到电气特征维度，并基于所述电气特征维度，对所述块间差异参数、所述编程特征参数和所述读取特征参数进行磨损差异度和时序参数偏移量计算，得到操作特征维度；基于所述操作特征维度，对所述温度变本文档来自技高网...
【技术保护点】
1.一种NAND FLASH寿命预测与管理方法，其特征在于，所述NAND FLASH寿命预测与管理方法包括：
2.根据权利要求1所述NAND FLASH寿命预测与管理方法，其特征在于，所述对所述第一多源原始参数数据和所述第二多源原始参数数据进行时序对齐和多重预处理，得到第一多模态参数数据和第二多模态参数数据，包括：
3.根据权利要求1所述NAND FLASH寿命预测与管理方法，其特征在于，所述第一多模态参数数据包括闪存单元特征参数数据、电气参数数据和操作参数数据，所述第二多模态参数数据包括温度变化数据和错误参数数据，所述第一参数特征向量包括电压分布偏移特征、单元间干扰强度参数、电导率特征矩阵、电压裕度参数、编程速率参数、电荷保持时间参数、块间差异参数、编程特征参数和读取特征参数，所述第二参数特征向量包括温度变化序列特征、温度敏感特征矩阵、错误分布特征和纠错特征参数，所述分别对所述第一多模态参数数据和所述第二多模态参数数据进行多层次特征提取，得到第一参数特征向量和第二参数特征向量，包括：
4.根据权利要求3所述NAND FLASH寿命预测与管理方
5.根据权利要求4所述NAND FLASH寿命预测与管理方法，其特征在于，所述对所述多维度特征空间中第一预测参数维度和第二参数预测维度对应的参数特征进行配对关联和特征组合，得到初始融合特征矩阵，并对所述初始融合特征矩阵进行NAND FLASH寿命衰减的错误系数计算和性能衰退计算，得到综合特征矩阵，包括：
6.根据权利要求5所述NAND FLASH寿命预测与管理方法，其特征在于，所述基于所述综合特征矩阵，对所述目标NAND FLASH进行多P/E循环尺度的性能预测和预测时序组合，生成寿命预测结果，包括：
7.根据权利要求1所述NAND FLASH寿命预测与管理方法，其特征在于，所述基于预设的NAND FLASH性能状态参数，对所述寿命预测结果进行多种状态参数的阈值区间划分和偏差计算，得到初始状态裕度，包括：
8.一种NAND FLASH寿命预测与管理装置，其特征在于，所述NAND FLASH寿命预测与管理装置包括：
9.一种NAND FLASH寿命预测与管理设备，其特征在于，所述NAND FLASH寿命预测与管理设备包括：存储器和至少一个处理器，所述存储器中存储有指令；
10.一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指令，其特征在于，所述指令被处理器执行时实现如权利要求1-7中任一项所述NAND FLASH寿命预测与管理方法的各个步骤。
...【技术特征摘要】
1.一种nand flash寿命预测与管理方法，其特征在于，所述nand flash寿命预测与管理方法包括：
2.根据权利要求1所述nand flash寿命预测与管理方法，其特征在于，所述对所述第一多源原始参数数据和所述第二多源原始参数数据进行时序对齐和多重预处理，得到第一多模态参数数据和第二多模态参数数据，包括：
3.根据权利要求1所述nand flash寿命预测与管理方法，其特征在于，所述第一多模态参数数据包括闪存单元特征参数数据、电气参数数据和操作参数数据，所述第二多模态参数数据包括温度变化数据和错误参数数据，所述第一参数特征向量包括电压分布偏移特征、单元间干扰强度参数、电导率特征矩阵、电压裕度参数、编程速率参数、电荷保持时间参数、块间差异参数、编程特征参数和读取特征参数，所述第二参数特征向量包括温度变化序列特征、温度敏感特征矩阵、错误分布特征和纠错特征参数，所述分别对所述第一多模态参数数据和所述第二多模态参数数据进行多层次特征提取，得到第一参数特征向量和第二参数特征向量，包括：
4.根据权利要求3所述nand flash寿命预测与管理方法，其特征在于，所述对所述第一参数特征向量和所述第二参数特征向量进行多种特征关联计算，得到所述目标nand flash对应性能退化的多维度特征空间，包括：
5.根据权利要求4所述nand ...
【专利技术属性】
技术研发人员：张波，
申请(专利权)人：深圳市芯存科技有限公司，
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。