| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第12-24页 |
| 1.1 研究背景 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-21页 |
| 1.2.1 电化学迁移理论 | 第14-16页 |
| 1.2.2 电化学迁移失效建模 | 第16-17页 |
| 1.2.3 尘土特性的研究 | 第17-19页 |
| 1.2.4 基于机器学习的建模研究 | 第19-21页 |
| 1.3 课题来源、研究内容与研究意义 | 第21-23页 |
| 1.3.1 课题来源 | 第21页 |
| 1.3.2 研究内容 | 第21-22页 |
| 1.3.3 研究意义 | 第22-23页 |
| 1.4 小结 | 第23-24页 |
| 第二章 建模思路、实验方案与数据预处理 | 第24-38页 |
| 2.1 电路板电化学迁移失效寿命建模方法研究思路 | 第24-26页 |
| 2.1.1 三参数的电路板电化学迁移失效模型建立方案 | 第24-25页 |
| 2.1.2 四参数的电路板电化学迁移失效模型建立方案 | 第25-26页 |
| 2.2 电化学迁移失效加速实验设计 | 第26-33页 |
| 2.2.1 实验样品 | 第26-27页 |
| 2.2.2 实验设备 | 第27-30页 |
| 2.2.3 实验设计 | 第30-33页 |
| 2.3 电化学迁移失效时间概率分布模型 | 第33-34页 |
| 2.3.1 常用的失效时间分布模型 | 第33-34页 |
| 2.3.2 电化学迁移失效寿命分布模型建模 | 第34页 |
| 2.4 实验数据处理方法 | 第34-36页 |
| 2.4.1 电路板表面绝缘电阻变化曲线与电化学迁移失效时间 | 第34-35页 |
| 2.4.2 电化学迁移失效时间特征值的计算 | 第35-36页 |
| 2.4.3 数据增强 | 第36页 |
| 2.4.4 电化学迁移失效模型性能的评估方法 | 第36页 |
| 2.5 小结 | 第36-38页 |
| 第三章 失效时间与温度、湿度和电压关系的建模 | 第38-54页 |
| 3.1 温湿偏置实验结果 | 第38-39页 |
| 3.1.1 不同实验条件下电化学迁移失效时间 | 第38页 |
| 3.1.2 不同实验条件下电化学迁移失效时间特征值 | 第38-39页 |
| 3.2 基于失效物理建模 | 第39-42页 |
| 3.3 基于因素组合建模 | 第42-43页 |
| 3.4 基于机器学习建模 | 第43-51页 |
| 3.4.1 支持向量机回归 | 第44-47页 |
| 3.4.2 随机森林回归 | 第47-49页 |
| 3.4.3 梯度提升树回归 | 第49-51页 |
| 3.5 三参数电化学迁移失效建模对比分析 | 第51-53页 |
| 3.5.1 预测值的标准平均方差 | 第51-52页 |
| 3.5.2 预测值和实验值的对比 | 第52-53页 |
| 3.6 小结 | 第53-54页 |
| 第四章 失效时间与温湿度、电压和离子浓度关系的建模 | 第54-76页 |
| 4.1 盐污染温湿偏置实验结果 | 第54页 |
| 4.2 机器学习建模 | 第54-60页 |
| 4.2.1 基于支持向量机回归的建模 | 第54-57页 |
| 4.2.2 基于随机森林回归的建模 | 第57-58页 |
| 4.2.3 基于梯度提升树回归的建模 | 第58-60页 |
| 4.3 数据增强后的建模研究 | 第60-73页 |
| 4.3.1 数据增强方法 | 第60-67页 |
| 4.3.2 基于支持向量机回归的建模 | 第67-69页 |
| 4.3.3 基于随机森林回归的建模 | 第69-71页 |
| 4.3.4 基于梯度提升树回归的建模 | 第71-73页 |
| 4.4 四参数电化学迁移失效模型对比分析 | 第73-75页 |
| 4.4.1 预测值的标准平均方差 | 第73页 |
| 4.4.2 预测值和实验值的对比 | 第73-75页 |
| 4.5 小结 | 第75-76页 |
| 第五章 总结与展望 | 第76-78页 |
| 5.1 总结 | 第76-77页 |
| 5.2 展望 | 第77-78页 |
| 参考文献 | 第78-81页 |
| 附录 | 第81-91页 |
| 附录1 | 第81-82页 |
| 附录2 | 第82-85页 |
| 附录3 | 第85-91页 |
| 致谢 | 第91-92页 |
| 攻读学位期间发表的学术论文目录 | 第92页 |
