基于多参数综合分析的电子元器件质量检测方法研究
DOI: http://dx.doi.org/10.12349/tie.v3i2.9142
Article ID: 9142
摘要
单一物理量的线性阈值判定已无法满足深亚微米级电子元器件在极端工况下的可靠性表征需求,这种传统的映射逻辑在面对多场耦合失效模式时显现出极高的漏检率与误判率。针对高精密MEMS-G400传感器阵列存在的非线性漂移和参数离散问题,建立一种基于多维特征空间映射的质量检测架构势在必行。该架构用FPGA高速采集链路提取时频域复合特征,用主成分分析对高维异构数据做正交解耦,然后导入支持向量机超平面实现良品和缺陷品的拓扑分离。实验以MEMS-G400量产批次Z-24为依托,结果表明该方法在温漂耦合噪声的特征识别精度较传统阈值法提高了12.54%,而且在计算复杂度受限的嵌入式终端上实现了毫秒级的实时推理,彻底颠覆了离线全检的传统质控形态。
关键词
多参数耦合;主成分分析;支持向量机;MEMS-G400
全文:
PDF参考
唐毅.基于主成分分析法的地质工程参数定量表征研究[J].石油天然气学报,2025,47(2):240-252.
顾兆军,叶经纬,刘春波,张智凯,王志.基于核主成分分析的半监督日志异常检测模型[J].江苏大学学报(自然科学版), 2025,46(1):64-72+97.
徐文圣,孙耀玺,刘奇广,庞雄奇,张虎.主成分分析方法识别和评价碳酸盐岩有效储层[J].西南石油大学学报(自然科学版) , 2025,47(3):25-36.
梁勇奇,侯振伟,张小飞,何焱.综合提示词工程和多级检查的电子元器件性能参数信息提取方法[J].智能安全,2025,4(1):52-60.
邱云峰,李泽宏.基于超参数优化机器学习算法与BP神经网络模型的元器件质量监测与故障预测研究[J].电子元件与材料,2025,44(10):1237-1244.
Refbacks
- 当前没有refback。
版权所有(c)2026 杨 欢, 薛 明辉

此作品已接受知识共享署名-非商业性使用 4.0国际许可协议的许可。