基于故障物理的集成控制器電路板可靠性預計

劉凌，孫富強，章桐

裝備通用質量特性及壽命評估

基于故障物理的集成控制器電路板可靠性預計

劉凌1，孫富強2，章桐1

（1.同濟大學，上海 201804；2.北京航空航天大學，北京 100191）

實現商用電動汽車集成控制器的可靠性預計與提升，采用應力仿真與故障物理相結合的方法對其關鍵電路板進行可靠性預計。針對集成控制器的數字樣機，開展熱、振動仿真應力分析，采用故障模式機理及影響分析（FMMEA）方法，分析電路板可能存在的故障模式和故障機理，確定潛在故障模式的故障物理模型。將應力分析結果作為故障物理模型的輸入，進行基于故障物理的可靠性預計，尋找設計薄弱環節，并提出改進措施。找到了電路板的8個高溫器件和熱集中區域，振動仿真分析表明，電路板頂端與中心振動強度較大，可能引起疲勞失效，需要給予關注。通過FMMEA分析，得到電路板的主要故障模式為焊點開裂，主要受溫度循環影響，造成熱疲勞失效。最后采用Coffin-Mason模型，計算得到電路板的平均故障間隔時間為15 869 h，找出了電路板的可靠性設計的薄弱環節。該方法基于故障物理，相對傳統基于手冊的可靠性預計方法精度更高，同時能夠在產品研制階段與性能設計并行，通過分析和改進產品設計，達到正向可靠性設計的目的，為新能源汽車領域電子產品的可靠性預計提供新的思路。

電動汽車；故障物理；應力分析；故障模式機理及影響分析；可靠性預計；可靠性設計

隨著能源安全、環境污染和城市交通問題的日漸凸顯，國家高度重視并大力推進新能源汽車的推廣應用和自主創新[1]。集成控制器是新能源電動汽車的關鍵核心零部件，但目前國產集成控制器仍存在功率密度低、成本高、可靠性差的問題[2]。特別是電動汽車工作場景多樣，環境復雜惡劣，其集成控制器受溫度、振動、濕度和電應力多物理場耦合應力作用，造成其電路板存在多種失效機理，同時電路板結構、功能、材料、電參數等因素對產品可靠性也造成影響。惡劣的工作環境和復雜的產品結構設計使得集成控制器電路板的可靠性預計工作變得十分困難。

目前，國內外常用的可靠性預計方法通常是借助GJB/Z 299C、MIL-HDBK-217F等標準進行[3]。這些方法均是基于指數分布和恒定失效率假設，用統計方法描述產品故障，未考慮產品制造過程和使用條件的不確定性影響，可靠性預計結果常常與實際偏差較大[4]，對系統決策產生不利影響[5-7]。基于故障物理的可靠性仿真試驗方法為解決上述問題提供了新的有效途徑。可靠性仿真試驗通過產品數字樣機和故障物理模型，將產品工作環境應力與潛在故障發展過程聯系起來，從而定量地評估產品設計的可靠性，發現薄弱環節，并采取有效的改進措施[8-10]。可靠性仿真試驗方法結合產品的設計特性，完整地考慮產品預期壽命環境及工作載荷歷程、制造過程波動、其他隨機因素等的影響，對產品故障詳細定義，通過數字化產品樣機，實現產品的應力分析。同時根據故障物理模型預計產品故障和平均故障間隔時間（Mean Time Between Failure, MTBF），發現薄弱環節，支持產品改進，提高可靠性水平[11]。

由于可靠性仿真試驗能夠在產品研制階段與性能設計并行地分析和改進產品設計的可靠性，真正實現“可靠性是設計出來的”這一目標，受到了航空、航天等領域廣泛關注，已成功應用于大量的電子系統的可靠性評估[12-17]。因此，文中將此技術引入新能源汽車領域，為集成控制器電路板可靠性預計提供新的思路。

1 基于故障物理的可靠仿真試驗方法

基于故障物理的可靠性仿真試驗方法主要包括應力分析、故障模式機理及其影響分析（Failure Mode, Mechanism and Effect Analysis, FMMEA）[18-19]和基于故障物理的可靠性預計等3部分，總體框架如圖1所示。

首先通過仿真軟件建立產品的數字樣機，施加產品所經歷的載荷歷程（包括溫度和振動），進行應力分析。在此基礎上，采用FMMEA方法，對電路板可能存在的故障模式和故障機理進行分析，得到各潛在故障模式的故障物理模型。將應力分析的結果作為故障物理模型的輸入，進行基于故障物理的可靠性預計。根據故障關系建模，計算產品的MTBF，從而找出產品的設計薄弱環節，提出設計改進措施，提高集成控制器電路板的可靠性水平，優化其內部設計。

1.1 應力分析

集成控制器在使用過程中會經受溫度、振動、濕度和電應力等多種環境應力的作用，為了對其開展可靠性分析，首先確定敏感環境因素。對于大多數電子、機電產品而言，溫度、振動、濕度等環境應力對產品的可靠性影響最大。據統計分析，由環境因素引起的故障占總故障的52%，其中由溫度引起的故障占40%，由振動引起的故障占27%，二者占環境因素引起的總故障的67%。因此，本文在開展可靠性仿真試驗時，主要考慮溫度和振動這兩種環境應力類型。

應力分析是一種利用計算機仿真分析軟件，對實際的或設想的設備進行數字模型應力分析和計算的方法，具體流程如圖2所示。

圖1 總體思路框架

圖2 應力分析流程

1）收集產品設計信息（設備名稱、功能、安裝位置及方式等）、使用信息（任務類型和使用條件、通風散熱形式等）、基本可靠性要求（MTBF等）。

2）利用常用的軟件CATIA、UG、Solid Works等建立CAD（Computer Aided Design, CAD）數字樣機，分別針對溫度和振動搜集相應的信息，建立熱仿真數字樣機和振動仿真數字樣機。

3）根據實際的熱仿真數字樣機，將具體的給定條件輸入至熱仿真數字樣機中，得到溫度場分析結果，以了解產品內部溫度的分布情況。通過電路板溫度場測試及關鍵器件點溫度測試，進行電路板模型校核，保證電路板熱仿真分析的準確性。根據實際的振動仿真數字樣機，設置約束條件和振動載荷。劃分網格，輸出以云圖或網格變形圖的形式描述的仿真結果。分析輸出結果，通過模態測試、頻響測試和隨機響應測試，保證建模和邊界條件的準確性，以驗證數字樣機模型與物理樣機的一致性。

應力分析通過數字化樣機，將產品的結構、材料幾何特性、變化的載荷歷程，通過軟件進行模擬，得到產品的熱應力和振動應力的分析結果。

1.2 FMMEA方法

故障模式機理及影響分析（FMMEA）是研究產品每個組成部分可能存在的故障模式、故障機理，并確定各個故障模式對產品其他組成部分和產品功能影響的一種分析方法。此方法來源于故障模式及影響分析（Failure Mode and Effects Analysis, FMEA）。在FMEA的基礎上，增加了故障機理分析，以及采用故障物理模型定量計算故障機理風險的步驟。將電路板上所有的元器件、零部件和互連等看成是潛在故障點，分析這些潛在故障點可能存在的故障模式、故障機理。FMMEA的流程如圖3所示。

1）通過前期的產品定義，參考相似產品的故障模式，從導致產品發生潛在故障模式的設計、制造、貯存、運輸或使用條件中，查找故障模式發生的環境或者載荷條件。

2）根據被分析產品的特征，確定所有可能的故障模式。

3）依據專家經驗、相似產品法以及失效分析等方法分析故障產生的原因，確定潛在故障機理。

圖3 FMMEA流程

4）根據前面的分析，確定產品的故障物理模型，同時按照風險程度對故障模式及故障機理進行排序，確定產品的主機理、薄弱環節、對應的敏感載荷以及監測參數。

通過對產品功能和結構的分解，針對其構成元器件的故障模式進行分析，得到其故障產生的原因（應力載荷）。根據故障機理確定相應的故障物理模型，實現從微觀的故障物理到性能退化的宏觀表征。部分元器件的典型故障模式、機理與故障物理模型見表1[3]。

表1 部分元器件典型故障模式、機理與物理模型

Tab.1 Typical failure mode, mechanism and physical model of some components

1.3 基于故障物理的可靠性預計

電子產品的故障發生過程如圖4所示，根據底層故障物理模型，對元器件的可靠性進行精確預計，進而對電路板進行壽命評估與可靠性預計。具體思路為：根據FMMEA確定的產品故障機理模型，輸入可靠性仿真試驗確定的溫度循環和振動譜等，針對每種可能的故障機理，由應力分析結果計算得到該故障點在某一應力水平下的損傷量。考慮的故障機理間的關系為損傷累積關系和競爭關系，計算產品在多機理下的總損傷量，通過蒙特卡洛仿真得到產品的MTBF，從而達到識別產品的薄弱環節及影響其失效的首要故障機理類型的目的。

通過基于故障物理的可靠性預計，根據故障物理模型計算產品的應力損傷量，推斷每個元器件平均故障間隔時間，進而得到電路板的故障預計以及平均故障間隔時間，由故障傳遞關系實現由元器件到產品的可靠性預計。

圖4 電子產品故障發生過程分析

2 案例分析

2.1 應力分析

2.1.1 產品定義

以某型集成控制器電路板為例進行分析，電路板構造如圖5所示。該設備所處濕度環境條件良好、需承受的最高溫度為70 ℃、振動應力以0.001 212/Hz等為測試條件，制定振動應力剖面。同時，結合溫度和振動設置，綜合試驗剖面。此電路板共有9種類別的元器件，共計83個。

圖5 某型電路板

2.1.2 數字樣機建立及應力分析

1）熱仿真分析。通過軟件建立熱仿真數字樣機，進行熱仿真分析，可以得到電路板上每個元器件的結溫信息。在平臺環境溫度70 ℃的條件下，對電路板進行溫度應力分析，可以得到溫度分布結果，如圖6所示。模塊高溫器件見表2。

表2 電路板中的高溫器件

Tab.2 High temperature device in a circuit board

圖6 電路板溫度分布

從受試產品的熱分布圖可以看到，背面R542—R546共5個電阻器區域溫度較高，并且引起正面N511、N512溫度較高。在環境溫度70 ℃條件下，N511、N512溫度分別達到97.3 ℃和97.5 ℃。仿真結果表明，應該考慮分散熱集中區域，或者考慮增加散熱措施。

2）振動仿真分析。通過軟件建立振動仿真數字樣機，進行振動仿真分析，可以得到電路板上元器件的振動模態。在平臺環境溫度70 ℃條件下，對電路板進行振動應力分析，前三階的振型結果如圖7所示，頻率結果見表3。

圖7 電路板前三階模態分析結果

表3 電路板諧振頻率及位置

Tab.3 Resonance frequency and position of circuit board

根據振動仿真結果可以看出，受試電路板一階模態條件下，產生諧振頻率區域為模塊頂端。該區域主要為印制板，產生諧振的原因是電路板強度問題以及與其他器件的臨近安裝問題。二階和三階模態條件下，產生諧振頻率區域主要為模塊中心部分。該區域主要為元器件集中部分，產生諧振的原因是器件安裝的位置處于振動較強處，應力較大，有可能引起疲勞失效，需要給予關注。建議設計人員關注這一現象，在條件允許的情況下，改變器件布局。

在完成上述仿真分析后，還通過熱測量試驗的方法，得到了電路板關鍵器件點溫度測試結果和機箱關鍵部位點溫度測試結果，對已建立的CFD初始模型進行了修正，保證了CFD數字樣機的準確性。采用模態試驗對FEA數字樣機的初始模型進行了修正，通過對電路板進行約束條件下的模態分析，保證仿真分析設置的邊界條件的準確性，驗證了數字樣機模型與物理樣機的一致性。

2.2 FMMEA

采用FMMEA方法，對元器件的失效模式進行分析，可以得到部分元器件故障物理（見表4）。如通過對C593的分析，確定其故障物理模型為與焊點熱疲勞相關的Coffin-Mason 模型：

表4 部分元器件的FMMEA

Tab.4 FMMEA table for some components

2.3 基于故障物理的可靠性預計

2.3.1 故障預計

采用軟件對電路板進行建模，如圖8所示。設置材料、結構、載荷等信息為隨機變量，假設隨機變量服從均勻分布，設置對應元器件的故障物理模型，采用Monte Carlo 仿真，仿真次數為 1000。基于上述設置，可以計算大量單點故障時間數據。根據累計損傷理論，可以計算潛在故障點在多個故障機理共同作用下的損傷和故障前時間。潛在故障點位置如圖9所示，故障預計結果見表5。

通過對電路板進行故障預計后發現，主故障為熱疲勞，電路板正面R550—551、R553、R555—557和C590、C593的焊點預計壽命小于設計要求。綜上所述，電阻器是整個電路板的薄弱環節。其中電阻器位置在RII-9型大功率電阻區域附近，溫度較高，可能

圖8 電路板故障預計模型

圖9 電路板的潛在故障點位置

表5 電路板的主要故障信息矩陣

Tab.5 The main failure information matrix of the circuit board

會由于焊點的熱疲勞造成失效。CAK45由于體積較大且接近高溫區域，故也有可能會由于焊點的熱疲勞失效。建議更換散熱性能更好的器件，或者采取必要的散熱措施。

2.3.2 可靠性評估

根據故障預計得到表5所示的潛在故障點故障首發時間及大樣本故障數據，根據潛在故障點的蒙特卡洛仿真大樣本量故障時間數據，采用統計數學方法擬合該潛在故障點的故障時間分布，得到故障數據符合的分布，經K-S擬合優度檢驗，得到單個器件的故障數據分布。按基于密度分布的相似性對故障進行聚類，將故障分為Ⅰ型故障類（設備有效壽命早期）、Ⅱ型故障類（應力累積損傷造成的故障）和Ⅲ型故障類（耗損期）。所有Ⅱ型故障類中的故障數據，對其進行滿足其分布下的抽樣隨機化，得到仿真故障數據，并進行故障分布融合，得到設備使用壽命期內的故障時間分布。經過分析，案例故障數據符合三參數威布爾分布，其概率密度函數和平均首發故障時間表達式為：

式中：為形狀參數；為尺度參數；為位置參數。

最終得到電路板的壽命分布和平均首發故障時間，結果見表6。

表6 電路板壽命分布參數

Tab.6 Life distribution parameters of the circuit board

3 結語

應用基于故障物理的可靠性仿真試驗方法在產品研制階段通過數字化實現可靠性預計，不僅考慮了電路板的材料、幾何特性及其預期工作條件和環境載荷，同時也考慮了制造過程波動、隨機因素等的影響，表征了從微觀故障物理到宏觀產品性能退化的過程，實現了正向可靠性設計的目的。針對試驗中發現的設計問題，可通過迭代改進提高電路板的可靠性水平，為新能源汽車集成控制器的可靠性提升提供有效的技術支撐[21]。

目前由于新能源汽車領域應用該技術還存在環境載荷譜確定困難、電動汽車失效機理模型不成熟等問題，論文僅對溫度和振動兩種主要環境因素進行了分析，未來還需考慮綜合環境的影響，加強多應力耦合分析，提高可靠性分析結果的準確性。

[1] 李云, 朱世武, 吳春冬, 等. 電動汽車電機控制器的發展[J]. 大功率變流技術, 2015(2): 12-17. LI Yun, ZHU Shi-wu, WU Chun-dong, et al. Development of motor control unit for electric vehicle[J]. High Power converter technology, 2015(2): 12-17.

[2] 謝銳波. 關于電動汽車技術發展趨勢及前景分析[J]. 中國戰略新興產業, 2017(16): 47-48. XIE Rui-bo. On the development trend and prospect of electric vehicle technology[J]. China strategic emerging industry, 2017(16): 47-48.

[3] 陳穎, 高蕾, 康銳. 基于故障物理的電子產品可靠性仿真分析方法[J]. 中國電子科學研究院學報, 2013(10): 444-448. CHEN Ying, GAO Lei, KANG Rui. Research on reliability simulation prediction of electronic product based on physics of failure method[J] Journal of Chinese Academy of Electronic Sciences, 2013(10): 444-448.

[4] 王文智, 寧琦. 可靠性仿真技術在電路設計中的應用與分析[J]. 艦船電子工程, 2013(12): 78-81. WANG Wen-zhi, NING Qi. Application and analysis of reliability simulation technology in circuit design[J]. Ship electronic engineering, 2013(12): 78-81.

[5] CHRISTOPHER S, JERRY W. Raytheon assessment of prism as a field failure prediction tool[C]. The Journal of the Reliability Analysis Center, 2004: 37-42.

[6] BROWN L. Comparing reliability predictions to field data for plastic parts in military, airborne environment[C]// Proceedings of annual reliability and maintainability symposium. Tampa: IEEE, 2003.

[7] CHRISTOPHER J. BENJAMIN W, DIGANTA D. Reliability predictions-continued reliance on a misleading approach[C]// 2013 Proceedings annual reliability and maintainability symposium. Orlando:IEEE, 2013.

[8] 陳萍, 杜紹華, 汪旭, 等. 基于可靠性仿真的壽命預測技術及應用[J]. 機車電傳動, 2017(2): 9-14. CHEN Ping, DU Shao-hua, WANG Xu, et al. Life prediction techniques and applications based on reliability simulation method[J]. Electric drive for locomotives, 2017(2): 9-14.

[9] CUNNINCHAM J, VALENTIN R, HILL-MAN C, et al. A demonstration of virtual qualification for the design of electronic hardware[M]. New York: John Wiley & Sons, Inc, 200l: 201-213.

[10] KUMAR U, ABHIJIT D. Physics-of-failure guidelines for accelerated qualification of electronic systems[J]. Quality and reliability engineering international, 1998, 14(1): 433- 447.

[11] 江振宇, 張磊, 王有亮, 等. 戰斗部虛擬試驗多級模型集成方法研究[J]. 系統仿真學, 2008(15): 4179- 4185. JIANG Zhen-yu, ZHANG Lei, WANG You-liang, et al. Multi-models integration approach in warhead virtual experiment[J]. Journal of system simulation, 2008(15): 4179-4185.

[12] MCLEISH J G. Enhancing MIL-HDBK-217 reliability predictions with physics of failure methods[C]// Annual proceedings of reliability and maintainability symposium(RAMS). San Jose:IEEE, 2010: 1-6.

[13] 喬亮, 李傳日, 劉龍濤. 基于故障物理的可靠性仿真試驗的應用[J]. 裝備環境工程, 2012, 9(2): 7-11. QIAO Liang, LI Chuan-ri, LIU Long-tao. Application of reliability simulation test based on failure physic[J]. Equipment environmental engineering, 2012, 9(2): 7-11.

[14] 駱明珠, 康銳, 劉法旺. 電子產品可靠性預計方法綜述[J]. 電子科學技術, 2014(2): 246-256. LUO Ming-zhu, KANG Rui, LIU Fa-wang. A review of reliability prediction methods for electronic products[J]. Electronic science & technology, 2014(2): 246-256.

[15] 陳鋒, 申斯文, 康力. 基于故障物理的可靠性仿真分析在航電設備中的應用[J]. 建模與仿真, 2013, 2(2): 14-21. CHEN Feng, SHEN Si-wen, KANG Li. Application of reliability simulation based on failure physic in avionics device[J].Modeling and simulation, 2013, 2(2): 14-21.

[16] 李振. 航空電子產品的可靠性設計與仿真試驗[J]. 艦船電子工程, 2014(6): 46-51. LI Zhen. Reliability design and simulation test of the aerospace electronic products[J]. Ship electronic engineering, 2014(6): 46-51.

[17] GEORGE E. Reliability physics in electronics: A historical view[J]. IEEE transaction on reliability, 1998, 47(3): 379-389.

[18] GANESAN S, EVELOY V, DAS D, et al. Identification and utilization of failure mechanism to enhance FMEA and FMECA[C]// Proceedings of the IEEE workshop on accelerated stress testing & reliability(ASTR), Austin: IEEE, 2005.

[19] DAS D, AZARIAN M, PECHT M. Failure modes, mechanisms, and effects analysis(FMMEA) for automotive electronics[C]// 11th annual AEC workshop. Indianapolis: [s. n.], 2006.

[20] LEE W W, NGUYEN L T, SELVADURAY G S. Solder joint fatigue models: review and applicability to chip scale package[J]. Microelectronics Reliability, 2000(40): 231-244.

[21] JEFFREY H. Revision of MIL-HDBK-217, reliability prediction of electronic equipment[C]// Proceedings of reliability and maintainability symposium. San Jose: IEEE, 2010.

Reliability Prediction for Integrated Controller Circuit Board Based on Physics of Failure

LIU Ling1, SUN Fu-qiang2, ZHANG Tong1

(1.TongJi University, Shanghai 201804, China; 2. Beihang University, Beijing 100191, China)

In order to achieve the reliability prediction and improvement of the integrated controller of commercial electric vehicles, the method of combining stress simulation and physics of failure is used to predict the reliability of its key circuit boards.The thermal and vibration simulation stress analysis was carried out for the digital prototype of the integrated controller. The failure mode mechanism and effect analysis (FMMEA) method is used to analyze the possible failure modes and failure mechanisms of the printed circuit board, and the failure physical model of the potential failure mode is determined. The results of the stress analysis are used as the input of the failure physical model, the reliability prediction based on the physics of failure is performed, the weak points of the design are found, and the improvement measures are proposed. Through the thermal simulation and vibration simulation analysis of the key circuit board of the integrated controller, eight high-temperature devices and thermal concentration areas of the circuit board are found. The vibration simulation analysis shows that the top and center vibration strength of the circuit board is large, which may cause fatigue failure, so attention should be paid to it. FMMEA analysis shows that the main failure mode of the circuit board is solder joint cracking, which is mainly affected by temperature cycling and caused thermal fatigue failure. Finally, the Coffin-Mason model was used to calculate the average failure interval of the circuit board is 15869 h, and the weak links of the circuit board reliability design can be found out. This method is based on physics of failure, which is more accurate than the traditional manual-based reliability prediction method. At the same time, it can be parallel with performance design during the product development stage. It can achieve the purpose of forward reliability design by analyzing and improving the product design, for the new energy automotive electronic product reliability prediction is expected to provide new ideas.

electric vehicles; physics of failure; stress analysis; failure mode and mechanism effect analysis; reliability prediction; reliability design

2020-08-26；

2020-09-28

LIU Ling (1974—), Male, Ph. D., Senior engineer, Research focus: electric vehicle drive system and the reliability and operation economy based on big data.

孫富強（1983—），男，博士，副研究員，主要研究方向為可靠性與耐久性基礎理論與驗證評估。

Corresponding author：Sun Fu-qiang (1983—), Male, Ph. D., Associate researcher, Research focus: basic theory and validation evaluation of reliability and durability.

劉凌, 孫富強, 章桐. 基于故障物理的集成控制器電路板可靠性預計[J]. 裝備環境工程, 2021, 18(4): 133-140.

TB114.3；V243

A

1672-9242(2021)04-0133-08

10.7643/ issn.1672-9242.2021.04.020

2020-08-26；

2020-09-28

國家重點研發計劃（2018YFB0104504）

Fund：Supported by the National Key R & D Program of China (2018YFB0104504)

劉凌（1974—），男，博士，高級工程師，主要研究方向為電動汽車驅動系統與基于大數據技術的可靠性、運行經濟性。

LIU Ling, SUN Fu-qiang, ZHANG Tong. Reliability prediction for integrated controller circuit board based on physics of failure[J]. Equipment environmental engineering, 2021, 18(4): 133-140.