CN116962233A - 一种基于光光通信的智能芯片检测***及检测方法 - Google Patents
一种基于光光通信的智能芯片检测***及检测方法 Download PDFInfo
- Publication number
- CN116962233A CN116962233A CN202310760096.0A CN202310760096A CN116962233A CN 116962233 A CN116962233 A CN 116962233A CN 202310760096 A CN202310760096 A CN 202310760096A CN 116962233 A CN116962233 A CN 116962233A
- Authority
- CN
- China
- Prior art keywords
- chip
- signal
- intelligent chip
- test
- load
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 80
- 238000004891 communication Methods 0.000 title claims abstract description 27
- 238000012360 testing method Methods 0.000 claims abstract description 114
- 230000002159 abnormal effect Effects 0.000 claims abstract description 78
- 238000000034 method Methods 0.000 claims abstract description 42
- 230000008569 process Effects 0.000 claims abstract description 24
- 230000001052 transient effect Effects 0.000 claims description 112
- 238000012937 correction Methods 0.000 claims description 30
- 230000005856 abnormality Effects 0.000 claims description 29
- 238000004458 analytical method Methods 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 8
- 238000003745 diagnosis Methods 0.000 claims description 7
- 230000001915 proofreading effect Effects 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 5
- 238000013024 troubleshooting Methods 0.000 claims description 4
- 238000012795 verification Methods 0.000 claims description 3
- 230000003287 optical effect Effects 0.000 claims 5
- 230000006698 induction Effects 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000008054 signal transmission Effects 0.000 description 3
- 230000002950 deficient Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 210000003169 central nervous system Anatomy 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011418 maintenance treatment Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/06—Management of faults, events, alarms or notifications
- H04L41/0677—Localisation of faults
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/50—Testing arrangements
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Environmental & Geological Engineering (AREA)
- Tests Of Electronic Circuits (AREA)
Abstract
本发明属于智能芯片检测技术领域,具体涉及一种基于光光通信的智能芯片检测***及检测方法。该发明通过多级判定的方式逐级对智能芯片进行检测,在检测过程中还能够发现前端信号导入设备是否异常,同时也能够对智能芯片的故障进行排查,及时发现故障能够方便维修,同时在对智能芯片进行负载测试时,根据延迟时序能够及时的调整最后一次输入的负载信号,避免智能芯片在超出自身负载的情况下持续运行,为智能芯片的检测提供一个安全环境,避免检测过程中导致智能芯片损坏的现象发生。
Description
技术领域
本发明属于智能芯片检测技术领域,具体涉及一种基于光光通信的智能芯片检测***及检测方法。
背景技术
随着信息技术的快速发展,智能芯片的应用也越来越普及,其充当着各种智能设备的中枢神经***,智能芯片一般与感应***以及动力传动***一起作用,相互弥补,发挥各自的优势,一般智能芯片就相当于一个单片机,负责处理收集到的感应信号,并将感应信号转换为指令传递给传动***来完成初始要达到的效果,由此可见,为保证智能芯片能够正常的运行,在将其应用到具体的设备之前,对其进行逐一检测是十分必要的。
现有技术中在对智能芯片进行检测时,往往只是按照智能芯片的应用需求,以最大负载信号的输入让智能芯片运行一定的时长,以此来评估智能芯片的优劣,其虽然能够完成对智能芯片的检测,但是对智能芯片的损伤也是较大的,对于不满足负载的产品而言,可能直接导致其报废,不能够进行维修处理,但是在市面中很容易找出与不满足负载的产品相对应的设备,其仍然能够继续使用,而在检测过程中导致其直接报废的情况显然会增加生产成本,基于此,本方案提供了一种能够使智能芯片在安全环境下进行检测的检测方法。
发明内容
本发明的目的是提供一种基于光光通信的智能芯片检测***及检测方法,能够使智能芯片在安全环境下进行检测,避免检测过程中导致智能芯片损坏的现象发生。
本发明采取的技术方案具体如下:
一种基于光光通信的智能芯片检测方法,包括:
获取智能芯片的检测信号,其中,所述检测信号包括输入信号和输出信号,且每个所述输入信号对应一个输出信号;
获取输入信号,并输入至所述智能芯片中,判断所述智能芯片是否能输出测试信号;
若否,则直接将所述智能芯片标定为一级异常芯片;
若是,则将所述测试信号与输出信号相比对,得到信号偏差量;
根据所述信号偏差量判定所述智能芯片是否正常;
若所述信号偏差量的取值为零,则判定所述智能芯片暂态正常;
若所述信号偏差值的取值不为零,则判定所述智能芯片暂态异常,并将所述信号偏差量输入至校对模型,输出校对结果,并判断所述暂态异常是否连续;
若所述暂态异常连续,则判定所述智能芯片暂态正常,且判定所述输入信号异常;
若所述暂态异常间断,且校对结果中的取值为零,则判定所述智能芯片异常,并将所述智能芯片标定为二级异常芯片;
获取二级异常芯片,并接入诊断设备,确定故障类型;
将判定暂态正常的智能芯片标定为暂态正常芯片,并将所述暂态正常芯片输入至负载检测模型中,得到测试负载量;
获取所述智能芯片的标准负载量,并与所述测试负载量相比较;
若所述测试负载量小于标准负载量,则将所述暂态正常芯片判定为二级异常芯片;
若所述测试负载量大于或等于标准负载量,则将所述暂态正常芯片判定为合格芯片。
在一种优选方案中,所述将所述信号偏差量输入至校对模型,输出校对结果,并判断所述暂态异常是否连续的步骤,包括:
获取与所述信号偏差量相对应的输入信号,并标定为校对信号;
获取校对芯片,其中,所述校对芯片设置有多个,且均为判定正常的智能芯片;
将所述校对信号输入至校对芯片中,并输出临时信号,且将所述临时信号与输出信号相比对,并将比对结果标定为校对偏差量;
获取所述校对偏差量的取值,并与信号偏差量相比较;
若所述校对偏差量与信号偏差量的取值相同,则判定所述暂态异常连续;
若所述校对偏差量与信号偏差量的取值不同,则判定所述暂态异常间断。
在一种优选方案中,所述判定所述输入信号异常之后,更换与输入信号对应的前端信号导入设备,并标定为校验设备;
将所述校验设备的输入信号输入暂态正常芯片中,并判断所述测试信号是否与输出信号一致;
若是,则将所述校验设备替换为前端信号导入设备;
若否,则继续更换与输入信号对应的前端信号导入设备。
在一种优选方案中,所述获取二级异常芯片,并接入诊断设备,确定故障类型的步骤,包括:
获取故障数据集,其中,所述故障数据集包括接口故障、电路故障以及引脚故障;
其中,所述接口故障的排查优先级高于引脚故障的排查优先级,所述引脚故障的排查优先级高于电路故障的排查优先级;
依据排查优先级由高至低的顺序将二级异常芯片逐一接入诊断设备,得到二级异常芯片的故障类型,其中,所述故障类型有n个,且n的取值为正整数。
在一种优选方案中,所述将所述暂态正常芯片输入至负载检测模型中,得到测试负载量的步骤,包括:
获取负载信号,并逐一输入至暂态正常芯片中,所述暂态正常芯片输出实时测试信号;
获取所述实时测试信号的输出时序;
获取所述实时测试信号的最大延迟时序,且与所述输出时序相比较,并在所述输出时序等于最大延迟时序时停止对负载信号的输入;
获取最大延迟时序下的负载信号量,并标定为测试负载量。
在一种优选方案中,所述获取所述实时测试信号的最大延迟时序,且与所述输出时序相比较的具体过程如下:
若所述最大延迟时序大于输出时序,则增加负载信号的输入;
若所述最大延迟时序等于输出时序,则直接将此状态下的负载信号量标定为测试负载量;
若所述最大延迟时序小于输出时序,则停止负载信号的输入,且将对应的输出时序标定为待评估时序;
将所有所述输出时序输入至趋势分析模型中,得到所述输出时序的变化趋势值;
获取所述待评估时序与最大延迟时序之间的差值,并与所述变化趋势值进行结合运算,输出负载信号调整量;
根据所述负载信号调整量调整最后一次输入的负载信号,并汇总所有负载信号,得到测试负载量。
在一种优选方案中,所述负载测试模型还包括用于检测所述智能芯片驱动能力的驱动能力检测模组,其具体过程如下;
获取所述测试负载量并输入至暂态正常芯片中,得到所述暂态正常芯片的测试扇出值;
获取额定指标,并与所述测试扇出值相比较;
若所述测试扇出值大于或等于额定指标,则将所述暂态正常芯片标定为合格芯片;
若所述测试扇出值小于额定指标,则将所述暂态正常芯片标定为二级异常芯片。
在一种优选方案中,所述将所有所述输出时序输入至趋势分析模型中,得到所述输出时序的变化趋势值的步骤,包括:
获取所有所述实时测试信号的输出时序;
从所述趋势分析模型中获取标准函数;
将所有所述输出时序输入至标准函数中,得到所述输出时序的变化趋势值。
本发明还提供了,一种基于光光通信的智能芯片检测***,应用于上述的基于光光通信的智能芯片检测方法,包括:
第一获取模块,所述第一获取模块用于获取智能芯片的检测信号,其中,所述检测信号包括输入信号和输出信号,且每个所述输入信号对应一个输出信号;
一级测试模块,所述一级测试模块用于获取输入信号,并输入至所述智能芯片中,判断所述智能芯片是否能输出测试信号;
若否,则直接将所述智能芯片标定为一级异常芯片;
若是,则将所述测试信号与输出信号相比对,得到信号偏差量;
二级测试模块,所述二级测试模块用于根据所述信号偏差量判定所述智能芯片是否正常;
若所述信号偏差量的取值为零,则判定所述智能芯片暂态正常;
若所述信号偏差值的取值不为零,则判定所述智能芯片暂态异常,并将所述信号偏差量输入至校对模型,输出校对结果,并判断所述暂态异常是否连续;
若所述暂态异常连续,则判定所述智能芯片暂态正常,且判定所述输入信号异常;
若所述暂态异常间断,且校对结果中的取值为零,则判定所述智能芯片异常,并将所述智能芯片标定为二级异常芯片;
第二获取模块,所述第二获取模块用于获取二级异常芯片,并接入诊断设备,确定故障类型;
负载检测模块,所述负载检测模块用于将判定暂态正常的智能芯片标定为暂态正常芯片,并将所述暂态正常芯片输入至负载检测模型中,得到测试负载量;
判定模块,所述判定模块用于获取所述智能芯片的标准负载量,并与所述测试负载量相比较;
若所述测试负载量小于标准负载量,则将所述暂态正常芯片判定为二级异常芯片;
若所述测试负载量大于或等于标准负载量,则将所述暂态正常芯片判定为合格芯片。
以及,一种基于光光通信的智能芯片检测终端,包括:
至少一个处理器;
以及与所述至少一个处理器通信连接的存储器;
其中,所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述的基于光光通信的智能芯片检测方法。
本发明取得的技术效果为:
本发明通过多级判定的方式逐级对智能芯片进行检测,在检测过程中还能够发现前端信号导入设备是否异常,同时也能够对智能芯片的故障进行排查,及时发现故障能够方便维修,同时在对智能芯片进行负载测试时,根据延迟时序能够及时的调整最后一次输入的负载信号,避免智能芯片在超出自身负载的情况下持续运行,为智能芯片的检测提供一个安全环境,避免检测过程中导致智能芯片损坏的现象发生。
附图说明
图1是本发明所提供的方法流程图;
图2是本发明所提供的***模块图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式做详细的说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
其次,此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个较佳的实施方式中”并非均指同一个实施例,也不是单独的或选择性的与其他实施例互相排斥的实施例。
请参阅图1和图2所示,本发明提供了一种基于光光通信的智能芯片检测方法,包括:
S1、获取智能芯片的检测信号,其中,检测信号包括输入信号和输出信号,且每个输入信号对应一个输出信号;
S2、获取输入信号,并输入至智能芯片中,判断智能芯片是否能输出测试信号;
若否,则直接将智能芯片标定为一级异常芯片;
若是,则将测试信号与输出信号相比对,得到信号偏差量;
S3、根据信号偏差量判定智能芯片是否正常;
若信号偏差量的取值为零,则判定智能芯片暂态正常;
若信号偏差值的取值不为零,则判定智能芯片暂态异常,并将信号偏差量输入至校对模型,输出校对结果,并判断暂态异常是否连续;
S4、若暂态异常连续,则判定智能芯片暂态正常,且判定输入信号异常;
S5、若暂态异常间断,且校对结果中的取值为零,则判定智能芯片异常,并将智能芯片标定为二级异常芯片;
S6、获取二级异常芯片,并接入诊断设备,确定故障类型;
S7、将判定暂态正常的智能芯片标定为暂态正常芯片,并将暂态正常芯片输入至负载检测模型中,得到测试负载量;
S8、获取智能芯片的标准负载量,并与测试负载量相比较;
若测试负载量小于标准负载量,则将暂态正常芯片判定为二级异常芯片;
若测试负载量大于或等于标准负载量,则将暂态正常芯片判定为合格芯片。
如上述步骤S1-S8所述,智能芯片一般与感应***以及动力传动***一起作用,相互弥补,发挥各自的优势,一般智能芯片就相当于一个单片机,负责处理收集到的感应信号,并将感应信号转换为指令传递给传动***来完成初始要达到的效果,由此可见,智能芯片起到一个中枢作用,为保证智能芯片能够正常的运行,在将其应用到具体的设备之前,对其进行逐一检测是十分必要的,其检测过程主要包括负载检测和信号传输检测,只有在两者均合格的情况下,才能够判定智能芯片为合格芯片,本实施例首先通过预设的输入信号和输出信号对智能芯片进行逐一测试,对于不能够输出测试信号的智能芯片而言,直接判定为一级异常芯片,具体是通过信号偏差量来确定的,只有在信号偏差量为零时,才能够判定智能芯片为暂态正常,对于存在信号偏差量,且其取值不为零的情况下,则判定智能芯片为暂态异常,对于暂态异常的智能芯片而言,存在输入信号异常和智能芯片自身异常两种情况,本实施方式是基于校正模型判断暂态异常是否连续进行的,判定暂态异常是否连续的智能芯片为暂态正常芯片,当然,对于暂态异常间断,且校对结果的取值为零的情况下,则将暂态异常智能芯片判定为二级异常芯片,对于二级异常芯片而言,通过接入诊断设备的方式来确定故障类型即可,而后通过负载检测模型来对暂态正常芯片进行负载测试,以此来评估暂态正常芯片是否为合格芯片,通过此方式可以在智能芯片投入使用或者销售之前,对其质量进行严格把控,保证智能芯片的合格率。
在一个较佳的实施方式中,将信号偏差量输入至校对模型,输出校对结果,并判断暂态异常是否连续的步骤,包括:
S301、获取与信号偏差量相对应的输入信号,并标定为校对信号;
S302、获取校对芯片,其中,校对芯片设置有多个,且均为判定正常的智能芯片;
S303、将校对信号输入至校对芯片中,并输出临时信号,且将临时信号与输出信号相比对,并将比对结果标定为校对偏差量;
S304、获取校对偏差量的取值,并与信号偏差量相比较;
若校对偏差量与信号偏差量的取值相同,则判定暂态异常连续;
若校对偏差量与信号偏差量的取值不同,则判定暂态异常间断。
如上述步骤S301-S304所述,校对模型的执行是基于判定正常的智能芯片进行的,本实施方式将其标定为校正芯片,根据校正芯片测试后输出的临时信号,得出校对偏差量,校对偏差量的取值若与信号偏差量的取值相同,则说明暂态异常是连续的,也就表明此次参与检测的智能芯片与判定正常的智能芯片是一致的,那么便可表明输入信号出现异常,而对于校对偏差量与信号偏差量的取值不同的情况,会判定暂态异常间断,若是校对偏差量的取值为零,则能够判定智能芯片异常,且将该智能芯片标定为二级异常芯片,当然,也会存在校对偏差量的取值不为零的情况,其对应的也是输入信号的异常。
在一个较佳的实施方式中,判定输入信号异常之后,更换与输入信号对应的前端信号导入设备,并标定为校验设备;
将校验设备的输入信号输入暂态正常芯片中,并判断测试信号是否与输出信号一致;
若是,则将校验设备替换为前端信号导入设备;
若否,则继续更换与输入信号对应的前端信号导入设备。
上述中,在出现输入信号异常的情况下,为保证后续检测过程能够继续进行,则需要更换相应的前端信号导入设备,当然,在替换前端信号导入设备之前,需要对其可行性进行校验,校验过程是基于暂态正常芯片进行的,只有在通过校验设备输入的输入信号匹配出对应的输出信号之后才能够将其更换为前端信号导入设备,而后利用此设备继续对未接受检测的智能芯片输入信号即可。
在一个较佳的实施方式中,获取二级异常芯片,并接入诊断设备,确定故障类型的步骤,包括:
S601、获取故障数据集,其中,故障数据集包括接口故障、电路故障以及引脚故障;
其中,接口故障的排查优先级高于引脚故障的排查优先级,引脚故障的排查优先级高于电路故障的排查优先级;
S602、依据排查优先级由高至低的顺序将二级异常芯片逐一接入诊断设备,得到二级异常芯片的故障类型,其中,故障类型有n个,且n的取值为正整数。
如上述步骤S601-S602所述,在排查二级异常芯片的故障时,根据排查优先级逐一执行接口故障、电路故障以及引脚故障的排查,其排查优先级是根据故障排查的难度进行排序,对于同一个二级异常芯片而言,其可能同时存在多个故障类型,针对不同的情况,可以制定不同的维修方案进行维修,当然,在每排查并修复一个故障之后,均会对其进行一次信号测试,避免产生多余的诊断过程。
在一个较佳的实施方式中,将暂态正常芯片输入至负载检测模型中,得到测试负载量的步骤,包括:
S701、获取负载信号,并逐一输入至暂态正常芯片中,暂态正常芯片输出实时测试信号;
S702、获取实时测试信号的输出时序;
S703、获取实时测试信号的最大延迟时序,且与输出时序相比较,并在输出时序等于最大延迟时序时停止对负载信号的输入;
S704、获取最大延迟时序下的负载信号量,并标定为测试负载量。
如上述步骤S701-S704所述,在对暂态正常芯片进行负载测试时,其是通过不断的加入负载信号来进行负载测试的,而后通过获取实时测试信号的输出时序进行判定,对于合格的智能芯片而言,为保证信号传输过程的及时性,那么便需求一个最大延迟时序来保证信号传输的及时性,通过负载信号的不断加入,便可获取到最大延迟时序下的测试负载量,基于智能芯片的测试负载量,可以判断其能够承载的最大负载量,而后便可匹配出与其相适配的设备;
此外,需要说明的是,因为智能芯片的生产可能是基于已知的配套设备进行的,在测试负载量确定之前,可以根据配套设备的运行需求预设一个最低负载量,当测试负载量低于最低负载量时,则判定与测试负载量对应的智能芯片为一级异常芯片,其中,一级异常芯片被认定为不合格芯片,需要返工重新制造。
在一个较佳的实施方式中,获取实时测试信号的最大延迟时序,且与输出时序相比较的具体过程如下:
S7031、若最大延迟时序大于输出时序,则增加负载信号的输入;
S7032、若最大延迟时序等于输出时序,则直接将此状态下的负载信号量标定为测试负载量;
S7033、若最大延迟时序小于输出时序,则停止负载信号的输入,且将对应的输出时序标定为待评估时序;
S7034、将所有输出时序输入至趋势分析模型中,得到输出时序的变化趋势值;
S7035、获取待评估时序与最大延迟时序之间的差值,并与变化趋势值进行结合运算,输出负载信号调整量;
S7036、根据负载信号调整量调整最后一次输入的负载信号,并汇总所有负载信号,得到测试负载量。
如上述步骤S7031-S7036所述,对于每个智能芯片而言,其在进行测负载测试时,且负载信号的输入完全一致的情况下,并不一定能够刚好等于最大时序下对应的测试负载量,那么便需要对最后一侧输入的负载信号进行调整,使其能够满足达到最大时序的条件,本实施方式中,首先对输出时序进行趋势分析,此过程中,参与趋势分析的负载信号的输入值是相同的,从而便可求出输出时序的变化趋势值,基于变化趋势值,再结合最大延迟时序和负载信号结合运算便可得出负载信号调整量,最后根据负载信号调整量对最后一次输入智能芯片的负载信号进行调整即可,从而便可保证智能芯片检测过程中负载信号的安全输入。
在一个较佳的实施方式中,负载测试模型还包括用于检测智能芯片驱动能力的驱动能力检测模组,其具体过程如下;
步骤1、获取测试负载量并输入至暂态正常芯片中,得到暂态正常芯片的测试扇出值;
步骤2、获取额定指标,并与测试扇出值相比较;
步骤3、若测试扇出值大于或等于额定指标,则将暂态正常芯片标定为合格芯片;
步骤4、若测试扇出值小于额定指标,则将暂态正常芯片标定为二级异常芯片。
如上述步骤1至步骤4所述,智能芯片的处理负载信号的能力也是反映其优劣的条件之一,针对配套设备的运行需求可以预设一个额定指标,即智能芯片的测试扇出值不能够小于额定指标,否则就会判定其为二级异常芯片,且在对其进行故障诊断之后,若是其测试扇出值仍然达不到额定指标,则就将其判定为不合格产品,并且不将其加入至后续输出时序的检测过程中。
在一个较佳的实施方式中,将所有输出时序输入至趋势分析模型中,得到输出时序的变化趋势值的步骤,包括:
Stp1、获取所有实时测试信号的输出时序;
Stp2、从趋势分析模型中获取标准函数;
Stp3、将所有输出时序输入至标准函数中,得到输出时序的变化趋势值。
如上述步骤Stp1-Stp3所述,在计算输出时序的变化趋势值时,需要先行获取所有实时测试信号的输出时序,而后从趋势分析模型中调用对应的标准函数:式中,Q表示输出时序的变化趋势值,n表示输出时序的数量,Si表示区间1~n中的输出时序,基于此式便可求出输出时序的变化趋势值,而后便可结合最大延迟时序和负载信号结合运算便可得出负载信号调整量,其具体计算公式为:/>式中,T表示负载信号调整量,Fj表示最后一次负载信号输入之前的负载信号,Sz表示最大输入时序,Sq表示最后一次负载信号输入之前的输出时序,进而便可求出最后一次负载信号应当输入的负载量,其设置目的在于防止智能芯片在检测过程中过载运行,避免智能芯片在检测过程中发生损坏。
本发明还提供了,一种基于光光通信的智能芯片检测***,应用于上述的基于光光通信的智能芯片检测方法,包括:
第一获取模块,第一获取模块用于获取智能芯片的检测信号,其中,检测信号包括输入信号和输出信号,且每个输入信号对应一个输出信号;
一级测试模块,一级测试模块用于获取输入信号,并输入至智能芯片中,判断智能芯片是否能输出测试信号;
若否,则直接将智能芯片标定为一级异常芯片;
若是,则将测试信号与输出信号相比对,得到信号偏差量;
二级测试模块,二级测试模块用于根据信号偏差量判定智能芯片是否正常;
若信号偏差量的取值为零,则判定智能芯片暂态正常;
若信号偏差值的取值不为零,则判定智能芯片暂态异常,并将信号偏差量输入至校对模型,输出校对结果,并判断暂态异常是否连续;
若暂态异常连续,则判定智能芯片暂态正常,且判定输入信号异常;
若暂态异常间断,且校对结果中的取值为零,则判定智能芯片异常,并将智能芯片标定为二级异常芯片;
第二获取模块,第二获取模块用于获取二级异常芯片,并接入诊断设备,确定故障类型;
负载检测模块,负载检测模块用于将判定暂态正常的智能芯片标定为暂态正常芯片,并将暂态正常芯片输入至负载检测模型中,得到测试负载量;
判定模块,判定模块用于获取智能芯片的标准负载量,并与测试负载量相比较;
若测试负载量小于标准负载量,则将暂态正常芯片判定为二级异常芯片;
若测试负载量大于或等于标准负载量,则将暂态正常芯片判定为合格芯片。
如上述,在对智能芯片进行检测时,首先通过第一获取模块获取智能芯片的检测信号,检测信号对应着输入信号和输出信号,为保证数据的真实性,每组输入信号仅对应一组输出信号,而后利用以及测试模块对智能芯片进行第一次测试,以其是否能够输出信号为评判标准,进而可以筛选出部分一级异常芯片,并将其判定为不合格芯片,对于能够输出信号的智能芯片而言,利用二级测试模块进一步进行测试,筛选出二级异常芯片,同时还能够对前端信号导入设备的运行是否正常进行检测,之后筛选出暂态正常芯片,并对其进行负载测试,结合判定模块确定合格的智能芯片即可,此检测过程中涉及多种判定过程,均可采用if……else条件函数进行逐级嵌套,当然也可以是其它能够实现此过程的算法,其目的均旨在于能够筛选出参与检测的智能芯片中的合格产品。
以及,一种基于光光通信的智能芯片检测终端,包括:
至少一个处理器;
以及与至少一个处理器通信连接的存储器;
其中,存储器存储有可被至少一个处理器执行的计算机程序,计算机程序被至少一个处理器执行,以使至少一个处理器能够执行上述的基于光光通信的智能芯片检测方法。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其它变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素,而且还包括没有明确列出的其它要素,或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以作出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。本发明中未具体描述和解释说明的结构、装置以及操作方法,如无特别说明和限定,均按照本领域的常规手段进行实施。
Claims (10)
1.一种基于光光通信的智能芯片检测方法,其特征在于:包括:
获取智能芯片的检测信号,其中,所述检测信号包括输入信号和输出信号,且每个所述输入信号对应一个输出信号;
获取输入信号,并输入至所述智能芯片中,判断所述智能芯片是否能输出测试信号;
若否,则直接将所述智能芯片标定为一级异常芯片;
若是,则将所述测试信号与输出信号相比对,得到信号偏差量;
根据所述信号偏差量判定所述智能芯片是否正常;
若所述信号偏差量的取值为零,则判定所述智能芯片暂态正常;
若所述信号偏差值的取值不为零,则判定所述智能芯片暂态异常,并将所述信号偏差量输入至校对模型,输出校对结果,并判断所述暂态异常是否连续;
若所述暂态异常连续,则判定所述智能芯片暂态正常,且判定所述输入信号异常;
若所述暂态异常间断,且校对结果中的取值为零,则判定所述智能芯片异常,并将所述智能芯片标定为二级异常芯片;
获取二级异常芯片,并接入诊断设备,确定故障类型;
将判定暂态正常的智能芯片标定为暂态正常芯片,并将所述暂态正常芯片输入至负载检测模型中,得到测试负载量;
获取所述智能芯片的标准负载量,并与所述测试负载量相比较;
若所述测试负载量小于标准负载量,则将所述暂态正常芯片判定为二级异常芯片;
若所述测试负载量大于或等于标准负载量,则将所述暂态正常芯片判定为合格芯片。
2.根据权利要求1所述的一种基于光光通信的智能芯片检测方法,其特征在于:所述将所述信号偏差量输入至校对模型,输出校对结果,并判断所述暂态异常是否连续的步骤,包括:
获取与所述信号偏差量相对应的输入信号,并标定为校对信号;
获取校对芯片,其中,所述校对芯片设置有多个,且均为判定正常的智能芯片;
将所述校对信号输入至校对芯片中,并输出临时信号,且将所述临时信号与输出信号相比对,并将比对结果标定为校对偏差量;
获取所述校对偏差量的取值,并与信号偏差量相比较;
若所述校对偏差量与信号偏差量的取值相同,则判定所述暂态异常连续;
若所述校对偏差量与信号偏差量的取值不同,则判定所述暂态异常间断。
3.根据权利要求1所述的一种基于光光通信的智能芯片检测方法,其特征在于:所述判定所述输入信号异常之后,更换与输入信号对应的前端信号导入设备,并标定为校验设备;
将所述校验设备的输入信号输入暂态正常芯片中,并判断所述测试信号是否与输出信号一致;
若是,则将所述校验设备替换为前端信号导入设备;
若否,则继续更换与输入信号对应的前端信号导入设备。
4.根据权利要求1所述的一种基于光光通信的智能芯片检测方法,其特征在于:所述获取二级异常芯片,并接入诊断设备,确定故障类型的步骤,包括:
获取故障数据集,其中,所述故障数据集包括接口故障、电路故障以及引脚故障;
其中,所述接口故障的排查优先级高于引脚故障的排查优先级,所述引脚故障的排查优先级高于电路故障的排查优先级;
依据排查优先级由高至低的顺序将二级异常芯片逐一接入诊断设备,得到二级异常芯片的故障类型,其中,所述故障类型有n个,且n的取值为正整数。
5.根据权利要求1所述的一种基于光光通信的智能芯片检测方法,其特征在于:所述将所述暂态正常芯片输入至负载检测模型中,得到测试负载量的步骤,包括:
获取负载信号,并逐一输入至暂态正常芯片中,所述暂态正常芯片输出实时测试信号;
获取所述实时测试信号的输出时序;
获取所述实时测试信号的最大延迟时序,且与所述输出时序相比较,并在所述输出时序等于最大延迟时序时停止对负载信号的输入;
获取最大延迟时序下的负载信号量,并标定为测试负载量。
6.根据权利要求5所述的一种基于光光通信的智能芯片检测方法,其特征在于:所述获取所述实时测试信号的最大延迟时序,且与所述输出时序相比较的具体过程如下:
若所述最大延迟时序大于输出时序,则增加负载信号的输入;
若所述最大延迟时序等于输出时序,则直接将此状态下的负载信号量标定为测试负载量;
若所述最大延迟时序小于输出时序,则停止负载信号的输入,且将对应的输出时序标定为待评估时序;
将所有所述输出时序输入至趋势分析模型中,得到所述输出时序的变化趋势值;
获取所述待评估时序与最大延迟时序之间的差值,并与所述变化趋势值进行结合运算,输出负载信号调整量;
根据所述负载信号调整量调整最后一次输入的负载信号,并汇总所有负载信号,得到测试负载量。
7.根据权利要求1所述的一种基于光光通信的智能芯片检测方法,其特征在于:所述负载测试模型还包括用于检测所述智能芯片驱动能力的驱动能力检测模组,其具体过程如下;
获取所述测试负载量并输入至暂态正常芯片中,得到所述暂态正常芯片的测试扇出值;
获取额定指标,并与所述测试扇出值相比较;
若所述测试扇出值大于或等于额定指标,则将所述暂态正常芯片标定为合格芯片;
若所述测试扇出值小于额定指标,则将所述暂态正常芯片标定为二级异常芯片。
8.根据权利要求6所述的一种基于光光通信的智能芯片检测方法,其特征在于:所述将所有所述输出时序输入至趋势分析模型中,得到所述输出时序的变化趋势值的步骤,包括:
获取所有所述实时测试信号的输出时序;
从所述趋势分析模型中获取标准函数;
将所有所述输出时序输入至标准函数中,得到所述输出时序的变化趋势值。
9.一种基于光光通信的智能芯片检测***,应用于权利要求1至8中任意一项所述的基于光光通信的智能芯片检测方法,其特征在于:包括:
第一获取模块,所述第一获取模块用于获取智能芯片的检测信号,其中,所述检测信号包括输入信号和输出信号,且每个所述输入信号对应一个输出信号;
一级测试模块,所述一级测试模块用于获取输入信号,并输入至所述智能芯片中,判断所述智能芯片是否能输出测试信号;
若否,则直接将所述智能芯片标定为一级异常芯片;
若是,则将所述测试信号与输出信号相比对,得到信号偏差量;
二级测试模块,所述二级测试模块用于根据所述信号偏差量判定所述智能芯片是否正常;
若所述信号偏差量的取值为零,则判定所述智能芯片暂态正常;
若所述信号偏差值的取值不为零,则判定所述智能芯片暂态异常,并将所述信号偏差量输入至校对模型,输出校对结果,并判断所述暂态异常是否连续;
若所述暂态异常连续,则判定所述智能芯片暂态正常,且判定所述输入信号异常;
若所述暂态异常间断,且校对结果中的取值为零,则判定所述智能芯片异常,并将所述智能芯片标定为二级异常芯片;
第二获取模块,所述第二获取模块用于获取二级异常芯片,并接入诊断设备,确定故障类型;
负载检测模块,所述负载检测模块用于将判定暂态正常的智能芯片标定为暂态正常芯片,并将所述暂态正常芯片输入至负载检测模型中,得到测试负载量;
判定模块,所述判定模块用于获取所述智能芯片的标准负载量,并与所述测试负载量相比较;
若所述测试负载量小于标准负载量,则将所述暂态正常芯片判定为二级异常芯片;
若所述测试负载量大于或等于标准负载量,则将所述暂态正常芯片判定为合格芯片。
10.一种基于光光通信的智能芯片检测终端,其特征在于:包括:
至少一个处理器;
以及与所述至少一个处理器通信连接的存储器;
其中,所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1至8中任意一项所述的基于光光通信的智能芯片检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310760096.0A CN116962233A (zh) | 2023-06-26 | 2023-06-26 | 一种基于光光通信的智能芯片检测***及检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310760096.0A CN116962233A (zh) | 2023-06-26 | 2023-06-26 | 一种基于光光通信的智能芯片检测***及检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116962233A true CN116962233A (zh) | 2023-10-27 |
Family
ID=88455682
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310760096.0A Pending CN116962233A (zh) | 2023-06-26 | 2023-06-26 | 一种基于光光通信的智能芯片检测***及检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116962233A (zh) |
-
2023
- 2023-06-26 CN CN202310760096.0A patent/CN116962233A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20150371134A1 (en) | Predicting circuit reliability and yield using neural networks | |
CN107478455B (zh) | 一种适用于威布尔分布型产品的定时截尾可靠性试验方法 | |
CN114935703B (zh) | 一种变频组件自动测试方法、装置及*** | |
CN109741779B (zh) | 一种在晶圆测试过程中动态调整测试条件的方法 | |
CN116008790B (zh) | 一种芯片老化测试***及方法 | |
EP3690658B1 (en) | Method for detecting repair-necessary motherboards and device using the method | |
CN116915348B (zh) | 基于射频直采的多路信号快速检测方法 | |
CN115616374B (zh) | 一种基于机器学习的半导体芯片的测试*** | |
CN113406524A (zh) | 一种动力电池***的不一致性故障诊断方法及*** | |
CN116125242A (zh) | 对象检测方法及*** | |
CN116295948A (zh) | 大温差环境下工业温度传感器的异常检测方法、***及存储介质 | |
CN116962233A (zh) | 一种基于光光通信的智能芯片检测***及检测方法 | |
CN116359709A (zh) | 集成电路产品测试*** | |
CN110531608A (zh) | 基于冗余设计的高可靠电子设备定量fmeca分析方法和*** | |
CN116008787A (zh) | 待测器件dut异常识别方法、装置及设备 | |
CN115684869A (zh) | 一种基于电源管理的芯片测试***及方法 | |
CN115686898A (zh) | 多级故障模式与影响分析方法、*** | |
CN114002574A (zh) | 半导体结构的测试方法 | |
CN111061254B (zh) | 一种phm***性能的评价方法及*** | |
CN117873007B (zh) | 基于工业物联网的制造流程管理方法、***、设备及介质 | |
CN114860618B (zh) | 基于rpa的自动化功能测试方法及*** | |
CN116125183B (zh) | 一种基于安全生产的电阻器在线故障诊断方法及*** | |
CN117762069B (zh) | 一种基于物联网的控制芯片自动化数据处理***及方法 | |
CN117214590B (zh) | 一种可编程逆变器出厂自动化测试方法、***及介质 | |
CN111781534B (zh) | 变压器抗短路能力检验方法及装置 |
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 |