CN117330932B - 一种芯片测试温控方法及系统 - Google Patents
一种芯片测试温控方法及系统 Download PDFInfo
- Publication number
- CN117330932B CN117330932B CN202311272269.0A CN202311272269A CN117330932B CN 117330932 B CN117330932 B CN 117330932B CN 202311272269 A CN202311272269 A CN 202311272269A CN 117330932 B CN117330932 B CN 117330932B
- Authority
- CN
- China
- Prior art keywords
- temperature
- chip
- data
- airflow
- test
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 73
- 238000000034 method Methods 0.000 title claims abstract description 25
- 230000008859 change Effects 0.000 claims abstract description 36
- 239000013598 vector Substances 0.000 claims abstract description 33
- 238000012549 training Methods 0.000 claims abstract description 17
- 238000010801 machine learning Methods 0.000 claims abstract description 12
- 238000010276 construction Methods 0.000 claims abstract description 10
- 230000015556 catabolic process Effects 0.000 abstract description 3
- 238000006731 degradation reaction Methods 0.000 abstract description 3
- 230000001276 controlling effect Effects 0.000 description 6
- 238000000513 principal component analysis Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 238000001816 cooling Methods 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/28—Testing of electronic circuits, e.g. by signal tracer
- G01R31/2851—Testing of integrated circuits [IC]
- G01R31/2855—Environmental, reliability or burn-in testing
- G01R31/2872—Environmental, reliability or burn-in testing related to electrical or environmental aspects, e.g. temperature, humidity, vibration, nuclear radiation
- G01R31/2874—Environmental, reliability or burn-in testing related to electrical or environmental aspects, e.g. temperature, humidity, vibration, nuclear radiation related to temperature
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D23/00—Control of temperature
- G05D23/19—Control of temperature characterised by the use of electric means
- G05D23/20—Control of temperature characterised by the use of electric means with sensing elements having variation of electric or magnetic properties with change of temperature
- G05D23/22—Control of temperature characterised by the use of electric means with sensing elements having variation of electric or magnetic properties with change of temperature the sensing element being a thermocouple
Landscapes
- Engineering & Computer Science (AREA)
- Environmental & Geological Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Toxicology (AREA)
- Computer Hardware Design (AREA)
- Microelectronics & Electronic Packaging (AREA)
- General Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Control Of Temperature (AREA)
Abstract
本发明涉及芯片测试领域，具体为一种芯片测试温控方法及系统，本发明采用特征向量构建、机器学习算法训练等方法建立了温度预测模型，能够准确地预测芯片温度变化趋势，提高了测试结果的准确性。之后通过设置温差阈值，提前根据温度变化趋势来调节气流温度，确保了芯片上任意两个热点的温差不超过设定的温差阈值，在避免芯片某区域因热点温度超过测试温度而导致的芯片性能下降、失效或损坏的同时，也进一步提高了测试的稳定性和可靠性。
Description
技术领域
本发明涉及芯片测试领域，具体为一种芯片测试温控方法及系统。
背景技术
在现代电子设备中，芯片作为其核心部件，其性能直接影响到设备的运行效果。因此，对芯片进行严格的温度控制是保证设备稳定运行的关键因素之一。然而，在实际的芯片测试过程中，由于环境条件的变化（如温度、湿度等）以及测试设备自身的问题，可能会导致芯片的温度波动，从而影响芯片的性能和寿命。
传统的芯片测试温控系统通常依赖于人工设定和调整温度，这种方法虽然简单直观，但无法准确预测和应对环境变化带来的影响。此外，人工调节的温度往往不能实时响应芯片的实际温度变化，导致温度控制的精度不高，且可能由于过度或不足的加热或降温而对芯片造成损害。
现有的芯片温控测试通常采用高低温气流控制芯片温度，如专利申请号：CN113484730A，专利名称：针对芯片测试的气流温度控制方法及系统，该方法在测试时，将芯片放置在试验机的密闭测试腔内，试验机输入高温或低温的不同流速的气流，使得芯片表面温度发生剧烈变化，从而模拟大气温度急剧变化的极限环境，并通过检测设备对芯片进行适应性检测。
但发明人发现，该类方法在具体实施时存在着以下问题：在通过高温气流对芯片进行加热时，芯片表面的温度变化并不一致，这导致芯片内部温度存在温差，在高温气流影响下，在芯片整体温度达到测试温度前，芯片部分区域的温度将迅速达到并超过测试温度，这将会引起芯片过热而导致芯片性能下降、失效或损坏，若使用的气流温度过低，则会影响到芯片温控测试速度，降低测试效率。
发明内容
本发明的技术问题在于现有技术在通过高温气流对芯片进行加热时，芯片表面的温度变化并不一致，这导致芯片内部温度存在温差，在芯片整体温度达到测试温度前，芯片部分区域的温度将迅速达到并超过测试温度。
本发明提供的基础方案：一种芯片测试温控系统，包括数据采集模块、温度分析模块和温差控制模块；
所述数据采集模块用于采集芯片温度数据和气流温度数据；
所述温度分析模块用于通过芯片温度数据和气流温度数据对芯片温度变化趋势进行预测；
所述温差控制模块设有温差阈值，用于根据预测结果控制气流温度，确保芯片上任意两个热点的温差不超过设定的温差阈值。
进一步，所述数据采集模块包括芯片温度采集模块和气流温度采集模块；
所述芯片温度采集模块包括红外热像仪和若干个片上温度传感器，所述红外热像仪用于采集环境温度数据，所述片上温度传感器用于采集芯片各区域的热点温度数据；所述气流温度采集模块通过热电偶采集气流温度数据。
进一步，所述温度分析模块包括特征向量构建模块、模型训练模块和温度预测模块；
所述特征向量构建模块用于根据历史芯片温度数据和气流温度数据，构建特征向量；
所述模型训练模块用于通过机器学习算法对特征向量进行训练，得到温度预测模型；
所述温度预测模块用于将气流温度数据和芯片温度数据输入到温度预测模型中，根据温度预测模型的输出结果，分析芯片温度变化趋势。
进一步，所述温差控制模块包括温差分析模块和气流温度调节模块；
所述温差分析模块设有温差阈值，根据芯片温度变化趋势分析各个热点的温差；当芯片整体温度达到测试温度前，存在任意两个热点的温差达到温差阈值时，通过气流温度调节模块调节气流温度，确保芯片上任意两个热点的温差不超过设定的温差阈值。
进一步，气流温度调节规则为：
高温测试时，降低气流温度，确保当芯片整体温度达到测试温度前，芯片上任意两个热点的温差不超过设定的温差阈值；
低温测试时，提高气流温度，确保当芯片整体温度达到测试温度前，芯片上任意两个热点的温差不超过设定的温差阈值。
一种芯片测试温控方法，包括步骤：
S1：采集芯片温度数据和气流温度数据；
S2：根据气流温度数据和芯片温度数据对芯片温度变化趋势进行预测；
S3：根据预测结果控制气流温度。
进一步，所述S1中的芯片温度数据包括热点温度数据和环境温度数据，所述气流温度数据为生成的气流温度；
所述热点温度数据为芯片表面各区域的温度数据，所述环境温度数据为芯片周围空气温度。
进一步，所述S2包括步骤：
S201：根据历史芯片温度数据和气流温度数据，构建特征向量；
S202：通过机器学习算法对特征向量进行训练，得到温度预测模型；
S203：将气流温度数据和芯片温度数据输入到温度预测模型中；
S204：根据温度预测模型的输出结果，分析芯片温度变化趋势。
进一步，所述S3包括步骤：
S301：设置温差阈值；
S302：根据芯片温度变化趋势分析各个热点的温差；
S303：当芯片整体温度达到测试温度前，存在任意两个热点的温差达到温差阈值时，调节气流温度，确保芯片上任意两个热点的温差不超过设定的温差阈值。
进一步，所述S303中的气流温度调节规则为：
高温测试时，降低气流温度，确保当芯片整体温度达到测试温度前，芯片上任意两个热点的温差不超过设定的温差阈值；
低温测试时，提高气流温度，确保当芯片整体温度达到测试温度前，芯片上任意两个热点的温差不超过设定的温差阈值。
本发明的原理及优点在于：
本发明采用特征向量构建、机器学习算法训练等方法建立了温度预测模型，能够准确地预测芯片温度变化趋势，提高了测试结果的准确性。之后通过设置温差阈值，提前根据温度变化趋势来调节气流温度，确保了芯片上任意两个热点的温差不超过设定的温差阈值，在避免芯片某区域因热点温度超过测试温度而导致的芯片性能下降、失效或损坏的同时，也进一步提高了测试的稳定性和可靠性。相较于常规技术手段在芯片温度达到测试温度时采取的降低气流温度的措施，本方案通过温度变化趋势来提前调节气流温度，能够在降低温差变化速度的同时，还能够尽可能地减少达到测试温度所需的时间。
附图说明
图1为本发明一种芯片测试温控系统实施例一的逻辑框图。
图2为本发明一种芯片测试温控方法实施例二的步骤流程图。
具体实施方式
下面通过具体实施方式进一步详细说明：
具体实施过程如下：
实施例一
实施例一基本如附图1所示，一种芯片测试温控系统，包括数据采集模块、温度分析模块、高低温热流仪和温差控制模块。其中，数据采集模块用于采集芯片温度数据和气流温度数据；温度分析模块用于通过芯片温度数据和气流温度数据对芯片温度变化趋势进行预测；温差控制模块设有温差阈值，用于根据预测结果控制高低温热流仪的气流温度，确保芯片上任意两个热点的温差不超过设定的温差阈值。
在本发明的实施例中，测试芯片采用SA8155P芯片，通过高低温热流仪产生高低温气流，数据采集模块包括芯片温度采集模块和气流温度采集模块。芯片温度采集模块包括红外热像仪和28个片上温度传感器。红外热像仪用于采集芯片的环境温度数据，而片上温度传感器则用于采集芯片各区域的热点温度数据。气流温度采集模块通过热电偶采集高低温热流仪的气流温度。通过这些传感器的协同工作，可以实现对芯片温度（芯片的环境温度数据以及芯片各区域的热点温度数据）和气流温度的全面监测和记录。
接着，本发明的温度分析模块包括特征向量构建模块、模型训练模块和温度预测模块。特征向量构建模块用于根据历史芯片温度数据和气流温度数据，构建特征向量。模型训练模块则利用机器学习算法对这些特征向量进行训练，得到一个准确的温度预测模型。最后，温度预测模块将气流温度数据和芯片温度数据输入到该模型中，并根据模型输出的结果分析芯片温度变化趋势。
在本发明的实施例中，特征向量构建模块采用了主成分分析（PCA）的方法，将历史数据集中的高维特征向量降维成低维特征向量。然后，模型训练模块采用支持向量回归（SVR）算法对低维特征向量进行训练，得到一个精确的温度预测模型。
此外，本发明的温差控制模块还设有温差分析模块和气流温度调节模块。温差分析模块根据芯片温度变化趋势分析各个热点的温差，当发现任意两个热点的温差达到设定的温差阈值时，气流温度调节模块会及时调节气流温度，以减小温差并保持芯片的稳定性。具体而言，在低温测试时，提高气流温度可以加快芯片升温速度；而在高温测试时，降低气流温度可以减缓芯片升温速度，从而避免因过热而导致的性能下降或损坏。
实施例二
实施例二基本如附图2所示，一种芯片测试温控方法，包括步骤：
S1：采集芯片温度数据和气流温度数据；
S2：根据气流温度数据和芯片温度数据对芯片温度变化趋势进行预测；
S3：根据预测结果控制气流温度。
具体的，本方案采集芯片温度数据和气流温度数据，根据气流温度数据和芯片温度数据对芯片温度变化趋势进行预测以及根据预测结果控制气流温度。
在本实施例中，首先采集了芯片温度数据和气流温度数据。芯片温度数据包括热点温度数据和环境温度数据。其中，本实施例通过28个片上温度传感器采集芯片各区域的热点温度数据；通过红外热像仪采集芯片周围的空气温度，也即环境温度数据。而本方案中的高低温气流是通过高低温热流仪生成的，故本方案采用热电偶对高低温热流仪生成的高低温气流进行气流温度数据采集。
进一步的，S2包括步骤：
S201：根据历史芯片温度数据和气流温度数据，构建特征向量；
S202：通过机器学习算法对特征向量进行训练，得到温度预测模型；
S203：将气流温度数据和芯片温度数据输入到温度预测模型中；
S204：根据温度预测模型的输出结果，分析芯片温度变化趋势。
具体的，本方案根据采集到的芯片温度数据和气流温度数据，构建了一个特征向量用于训练机器学习模型。本实施例中采用主成分分析（PCA）方法进行特征向量构建，本实施例的特征向量包括芯片表面各区域的温度数据、环境温度数据以及气流的温度数据等。
然后，利用机器学习算法对特征向量进行训练，得到一个温度预测模型。在本实施例中，选择支持向量回归（SVR）算法作为机器学习算法来进行训练。通过将特征向量输入到训练好的支持向量回归模型中，可以得到较为精确的芯片温度变化趋势的预测结果。
接下来，将收集到的气流温度数据和预测得到的芯片温度变化趋势输入到温度预测模型中进行分析。通过分析预测结果，可以确定各个热点的温度变化趋势。
最后，根据预测结果中的芯片温度变化趋势，设置了温差阈值。当芯片整体温度达到测试温度前，存在任意两个热点的温差达到设定的温差阈值时，通过调节气流温度来确保芯片上任意两个热点的温差不超过设定的阈值。
在本实施例中，针对高温测试和低温测试两种情况，分别提出了不同的气流温度调节规则。在高温测试时，通过降低气流温度缩小芯片表面热点区域的温差；而在低温测试时，通过提高气流温度缩小芯片表面热点区域的温差。
本发明的实施例提供了一种准确且实时调整气流温度的方法，能够有效地控制芯片的温度变化范围，提高芯片的稳定性和可靠性。此外，该方法还具有自适应的特点，可以根据实际的环境和条件进行自动调整，进一步提高测试的效率和准确性。
综上所述，本实施例提供的芯片测试温控系统及其方法能够准确地预测芯片温度变化趋势，并根据预测结果进行气流温度控制。通过采用特征向量构建、机器学习算法训练等方法建立的温度预测模型，以及根据温差分析结果进行的气流温度调节，可以提高测试的准确性和可靠性。相较于常规技术手段在芯片温度达到测试温度时采取的降低气流温度的措施，本实施例通过提前根据温度变化趋势来调节气流温度，能够在降低温差变化速度的同时，还能够尽可能地减少达到测试温度所需的时间。
以上的仅是本发明的实施例，方案中公知的具体结构及特性等常识在此未作过多描述，所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识，能够获知该领域中所有的现有技术，并且具有应用该日期之前常规实验手段的能力，所属领域普通技术人员可以在本申请给出的启示下，结合自身能力完善并实施本方案，一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。
Claims (6)
1.一种芯片测试温控系统，其特征在于：包括数据采集模块、温度分析模块和温差控制模块；
所述数据采集模块用于采集芯片温度数据和气流温度数据；
所述数据采集模块包括芯片温度采集模块和气流温度采集模块，芯片温度数据包括环境温度数据和热点温度数据；
所述芯片温度采集模块包括红外热像仪和若干个片上温度传感器，所述红外热像仪用于采集环境温度数据，所述片上温度传感器用于采集芯片各区域的热点温度数据；所述气流温度采集模块通过热电偶采集气流温度数据；
所述温度分析模块用于通过芯片温度数据和气流温度数据对芯片温度变化趋势进行预测；
所述温差控制模块包括温差分析模块和气流温度调节模块；
所述温差分析模块设有温差阈值，根据芯片温度变化趋势分析各个热点的温差；当芯片整体温度达到测试温度前，存在任意两个热点的温差达到温差阈值时，通过气流温度调节模块调节气流温度，确保芯片上任意两个热点的温差不超过设定的温差阈值。
2.根据权利要求1所述的一种芯片测试温控系统，其特征在于：所述温度分析模块包括特征向量构建模块、模型训练模块和温度预测模块；
所述特征向量构建模块用于根据历史芯片温度数据和气流温度数据，构建特征向量；
所述模型训练模块用于通过机器学习算法对特征向量进行训练，得到温度预测模型；
所述温度预测模块用于将气流温度数据和芯片温度数据输入到温度预测模型中，根据温度预测模型的输出结果，分析芯片温度变化趋势。
3.根据权利要求1所述的一种芯片测试温控系统，其特征在于，气流温度调节规则为：
高温测试时，降低气流温度，确保当芯片整体温度达到测试温度前，芯片上任意两个热点的温差不超过设定的温差阈值；
低温测试时，提高气流温度，确保当芯片整体温度达到测试温度前，芯片上任意两个热点的温差不超过设定的温差阈值。
4.一种芯片测试温控方法，其特征在于，包括步骤：
S1：采集芯片温度数据和气流温度数据；
S2：根据气流温度数据和芯片温度数据对芯片温度变化趋势进行预测；
S3：根据预测结果控制气流温度；
所述S1中的芯片温度数据包括热点温度数据和环境温度数据，所述气流温度数据为生成的气流温度；
所述热点温度数据为芯片表面各区域的温度数据，所述环境温度数据为芯片周围空气温度；
所述S3包括步骤：
S301：设置温差阈值；
S302：根据芯片温度变化趋势分析各个热点的温差；
S303：当芯片整体温度达到测试温度前，存在任意两个热点的温差达到温差阈值时，调节气流温度，确保芯片上任意两个热点的温差不超过设定的温差阈值。
5.根据权利要求4所述的一种芯片测试温控方法，其特征在于，所述S2包括步骤：
S201：根据历史芯片温度数据和气流温度数据，构建特征向量；
S202：通过机器学习算法对特征向量进行训练，得到温度预测模型；
S203：将气流温度数据和芯片温度数据输入到温度预测模型中；
S204：根据温度预测模型的输出结果，分析芯片温度变化趋势。
6.根据权利要求4所述的一种芯片测试温控方法，其特征在于，所述S303中的气流温度调节规则为：
高温测试时，降低气流温度，确保当芯片整体温度达到测试温度前，芯片上任意两个热点的温差不超过设定的温差阈值；
低温测试时，提高气流温度，确保当芯片整体温度达到测试温度前，芯片上任意两个热点的温差不超过设定的温差阈值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311272269.0A CN117330932B (zh) | 2023-09-28 | 2023-09-28 | 一种芯片测试温控方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311272269.0A CN117330932B (zh) | 2023-09-28 | 2023-09-28 | 一种芯片测试温控方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117330932A CN117330932A (zh) | 2024-01-02 |
| CN117330932B true CN117330932B (zh) | 2025-02-11 |
Family
ID=89289690
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311272269.0A Active CN117330932B (zh) | 2023-09-28 | 2023-09-28 | 一种芯片测试温控方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117330932B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN119200710B (zh) * | 2024-11-27 | 2025-04-04 | 上海赢朔电子科技股份有限公司 | 一种转盘式高温测试机构的区间温度控制方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112362180A (zh) * | 2020-10-15 | 2021-02-12 | 国网思极紫光(青岛)微电子科技有限公司 | 用于过温保护的温差检测电路 |
| CN113760660A (zh) * | 2021-09-07 | 2021-12-07 | 南京大学 | 一种基于长短时记忆神经网络的三维多核芯片温度预测方法及系统 |
| CN114113957A (zh) * | 2020-08-25 | 2022-03-01 | 上海华力微电子有限公司 | 高低温冲击系统 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6844752B1 (en) * | 2003-09-19 | 2005-01-18 | Xilinx, Inc. | Thermal conditioning for integrated circuit testing |
| CN110726494B (zh) * | 2019-11-27 | 2020-09-15 | 成都比善科技开发有限公司 | 高压开关柜温度监测系统及监测方法 |
| CN112485645A (zh) * | 2020-11-30 | 2021-03-12 | 海光信息技术股份有限公司 | 芯片测试温度控制方法、控制系统、温控板卡及测试系统 |
| CN113484730B (zh) * | 2021-07-22 | 2024-02-20 | 深圳市优界科技有限公司 | 针对芯片测试的气流温度控制方法及系统 |
| CN113640648A (zh) * | 2021-07-31 | 2021-11-12 | 深圳市优界科技有限公司 | 一种芯片可靠性测试用高低温热流仪 |
| CN114354008B (zh) * | 2022-01-12 | 2025-05-30 | 中国科学院微电子研究所 | 一种芯片热点的温度测量结构及方法 |
-
2023
- 2023-09-28 CN CN202311272269.0A patent/CN117330932B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114113957A (zh) * | 2020-08-25 | 2022-03-01 | 上海华力微电子有限公司 | 高低温冲击系统 |
| CN112362180A (zh) * | 2020-10-15 | 2021-02-12 | 国网思极紫光(青岛)微电子科技有限公司 | 用于过温保护的温差检测电路 |
| CN113760660A (zh) * | 2021-09-07 | 2021-12-07 | 南京大学 | 一种基于长短时记忆神经网络的三维多核芯片温度预测方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117330932A (zh) | 2024-01-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116780316B (zh) | 大功率固体激光器的散热系统 | |
| CN109738773A (zh) | 一种非平稳工况下igbt模块寿命预测方法 | |
| CN117330932B (zh) | 一种芯片测试温控方法及系统 | |
| US20110164653A1 (en) | Thermal inspection system and method incorporating external flow | |
| TWI544296B (zh) | PID controller and data collection method | |
| US20220334170A1 (en) | Method and system for characterizing igbt module aging based on miner theory | |
| CN110133466A (zh) | Igbt模块的结温计算方法及系统 | |
| CN111060798B (zh) | 一种mos管自动功率老化测试系统及测试方法 | |
| CN118265275B (zh) | 风冷线控冷优化控制方法 | |
| TW201832030A (zh) | 工具機環境溫度影響之熱補償方法 | |
| CN114065602B (zh) | 温度预测方法、模型训练方法及相关设备 | |
| CN117629422B (zh) | 一种光伏组件测温方法及系统 | |
| CN118448182B (zh) | 用于贴片电容加工的均衡加热方法 | |
| CN117272701B (zh) | 基于气象环境数据的变压器温度预测模型及方法 | |
| CN118641920A (zh) | 一种发热点自检测的碳化硅功率器件检测方法 | |
| CN108733859B (zh) | 蒸汽发生器热处理过程中支撑板形变预警方法 | |
| CN104281178B (zh) | 调节计和数据收集方法 | |
| van der Broeck et al. | Degradation diagnosis of power modules based on thermal phase response sensing and artificial neural networks | |
| CN119281077A (zh) | 压缩热零气耗干燥机智能控制系统 | |
| CN118603610A (zh) | 一种高效散热低压电流互感器的检测方法 | |
| CN108227673A (zh) | 一种预测塞拉门控制器寿命的评估方法 | |
| CN113191410A (zh) | 一种线性电源使用寿命预测的方法、系统及存储介质 | |
| CN116337497B (zh) | 一种未封装cpu的发热模拟冶具及散热测试方法 | |
| CN117251706B (zh) | 一种家用照明设备性能测试方法 | |
| CN115144670B (zh) | 轨道交通列车变流器散热状态监测方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |