通过学习频域反射系数信号模式对电子互连进行非破坏性故障诊断
机器学习
2024-10-08 v3
摘要
互连的故障检测与诊断对于电子设备的预测与健康管理（PHM）至关重要。传统方法依赖电子信号作为预测因子，往往难以在不进行破坏性测试的情况下准确识别缺陷的根本原因。此外，这些方法易受噪声干扰，可能导致误报。为应对这些局限，本文提出一种新颖的非破坏性方法，用于互连缺陷的早期故障检测与准确诊断，并具有更强的抗噪能力。我们的方法独特地利用了跨一系列频率的反射系数信号模式，从而实现根本原因识别与严重程度评估。该方法脱离了传统的时序列分析，并有效地将信号数据转换为适用于先进学习算法的格式。此外，我们引入了一种新颖的严重程度评级集成学习（SREL）方法，提升了在噪声环境中的诊断准确率和鲁棒性。实验结果表明，所提方法对故障检测与诊断有效，并具有扩展到实际工业应用的潜力。
引用
@article{arxiv.2304.10207,
title = {Non-destructive Fault Diagnosis of Electronic Interconnects by Learning Signal Patterns of Reflection Coefficient in the Frequency Domain},
author = {Tae Yeob Kang and Haebom Lee and Sungho Suh},
journal= {arXiv preprint arXiv:2304.10207},
year = {2024}
}
备注
Accepted in Microelectronics Reliability