[发明专利]基于表面微应变信号的IGBT键合引线故障诊断方法

权利要求书

1.一种基于表面微应变信号的IGBT键合引线故障诊断方法，包括以下步骤：

(1)、获取IGBT表面微应变信号

1.1)、建立IGBT几何模型，包括模块的基座铜底板、DBC焊料层、DBC衬底、IGBT芯片焊料层、IGBT芯片，DBC衬底，利用COMSOL Multiphysics5.5对各层结构分别建立对应的模型，设置形状、材料和参数；

1.2)、添加电场、热场、力场，对每个物理场设定边界条件，完成热-力-电多物理场的耦合，并在电场中添加激励条件为一定大小、频率、占空比的PWM方波电流；

1.3)、对模型进行网格剖析并进行计算，得到仿真结果，选取每根键合线引脚附近处的Z轴位移变化保存为一组数据；分别设置键合线不同故障类型，重复上述步骤，得到键合线故障的表面位移变化数据即表面微应变信号；

(2)、故障特征分析

2.1)、计算时域常用特征参数，包括有量纲参数：峰值、均值、斜度、均方根值和方差，无量纲参数：峰值因子、峭度指标、波形指标；

2.2)、分析信号的频域特征，对信号进行傅里叶变换k＝0,1,...,N-1,计算频域特征参数，如主频幅值、频率方差、均方频率；

2.3)、特征参数选取，将故障参数和正常状态的参数作对比，适当选取能表征故障类别的特征参数；

(3)、构建分类模型

3.1)、构建样本

3.1.1)、根据步骤1.3)中的测量方法，将故障一共分为n类，每种类别对应的标签为y_n∈{1,2,...,N}；

3.1.2)、将每种类别下特征向量作为一个样本，如X_n＝(x₁,x₂,...,x_m)^T是一个六维向量，x_i是第i个引脚处的位移幅值，X_n是第n个样本；

3.1.3)、在样本后面加上对应的类别，构建样例为(X_n,y_n)，所有样例的集合就构成了样本集S＝{(X₁,y₁),(X₂,y₂)...,(X_N,y_N)}；

(3.2)、多分类问题转化为二分类问题

基于一类对余类方法OVA，将步骤3.1.1)中的多分类问题转化为二分类问题，即对于每一个类将其作为+1类，其余四类的所有样本当成-1类，这样就将多分类问题转化成了二分类问题，从而转化成了二次规划问题求解；

3.3)、数学建模

3.3.1)、公式表征

利用(3.2)中的OVA方法，每次将样本集分为两大类x₁和x₂，在二维空间下建立直线方程x₂＝ax₁+b，写成向量积的形式令得到该二维空间中的决策面ω^T·x+b＝0，该决策面将x₁和x₂进行分隔，即y₁＝+1,y₂＝-1两类的样本点分布在决策面两边；

3.3.2)、寻找最大分类间隔

假设决策面正好位于间隔区域中轴线，到决策面最近的样本点位于ω^T·x+b＝±1，这些样本点也称为支持向量，由距离公式可以得到每个样本点到决策面的距离为要使分类间隔最大化即支持向量与决策面距离最大，则最大，只需最小化||ω||；

3.4)、求解最优化问题

3.4.1)、要使||ω||最小，等价于使最小，将所有样本点代入决策面方程，并将两个类别标签y_i与之相乘，构造最优化问题：

3.4.2)、利用拉格朗日乘子法将(1)式的问题写成

3.4.3)、写出对偶问题

3.4.4)、对w、b求偏导，令其为0进行求解

解得：

3.4.5)、步骤3.4.3)中满足KKT条件：

的解记为：

ω^*是样本数据的线性组合，λ_i与支持向量有关，非支持向量λ_i＝0；

3.4.6)、将其代入(3)式得到对偶问题为：

(3.5)、引入核函数，写出对偶问题

3.5.1)、构造核函数

由于数据是线性不可分的，这里引入核函数将数据映射到高位线性空间，因此需要构造核函数：

k(x_i,x_j)＝φ(x_i)·φ(x_j) (8)

根据样本特征和数量，采用对小样本也有较好性能的径向基函数进行构造，其取值仅仅依赖于特定点距离：

Φ(x_i,x_j)＝Φ(||x_i-x_j||) (9)

代入得到高斯核函数：

3.5.2)、使用核函数之后，支持向量机求解的对偶问题为；

(3.6)、求解对偶问题，得到决策函数

找到使λ_i≠0的支持向量(x_k,y_k)，将其代入(3)式得到约束问题的解为：

再代入(11)式得到决策函数:

(4)、绘制故障状态混淆矩阵图

4.1)、在Python工具中导入步骤(3.1)中的样本集,并设定好训练集和测试集；

4.2)、利用Python语言和工具包实现分类模型，完成代码编写和参数选取，导入训练样本集，完成基于表面微应变信号的IGBT键合引线故障诊断模型训练；

4.3)、导入测试样本集，设置故障类型并在坐标轴标出，绘制混淆矩阵图，显示出模型的预测情况，打印分类评价指标表。