基于改进最小二乘支持向量机的FPGA焊点失效故障评估方法研究

针对现有现场可编程逻辑门阵列(FPGA)焊接点失效故障评估方法存在的无法提供准确的信息、样本数据少、时效性不高等问题,提出结合遗传算法(GA)改进最小二乘支持向量机(GA-LS-SVM)的FPGA焊接点失效故障评估方法。建立SJ BIST测试模型,选择合适的外接小电容,通过改变不同工作频率下可变电阻的大小模拟焊点阻值,获得基于小电容电压变化的故障数据,建立电容低电平的持续时间、电容测试工作频率和焊接点电阻值的三维数据图;最后利用遗传算法优化的最小二乘支持向量机对所得到的数据进行状态评估,由三维数据图可知,健康的FPGA焊接点与断裂的FPGA焊接点在低电平的持续时间具有明显差异。仿真实验结果表明,所提出的GA-LS-SVM方法焊接点健康状态等级分类的总准确率达到97.2%,相较于BP神经网络、标准SVM及LS-SVM方法分别提高了17.9%、13%及7.2%。