基于长短时记忆算法的热应力下半导体器件故障预测模型

摘要

针对半导体器件故障主要由时间和应力导致的问题,从多源数据入手,提出基于长短时记忆(LSTM)算法的热应力下半导体器件故障预测模型,研究半导体器件状态随热应力等级和应力累计时长的变化趋势,预测半导体器件故障时间.该模型利用LSTM算法具备长期记忆能力的优势搭建多源数据堆叠结构,提高模型拟合半导体器件状态曲线的能力;通过加权滑动平均滤波法滤除高低频噪音;基于1阶预测器数据压缩算法处理连续缓变的特征向量;采用实验数据对模型进行测试.结果表明:所提模型可较好地反映热应力作用下半导体器件状态的变化趋势,5次实验的预测误差均在1.7％以内,具有较高的准确性;模型能够提前预测故障时间,验证了模型的可行性和有效性.