在航天系统中,由于使用场合和环境的特殊性,关键器件需要承受高强度机械应力、热应力、射线辐射应力和电应力等苛刻的环境条件。关键器件会不断地磨损老化直到失效或发生故障,最终导致系统整体的失效。科学的设计方法和选用高可靠性的器件可以提高系统的固有可靠性,对关键器件进行状态监测和寿命预测来制定维修替换策略可以提高系统的应用可靠性。为了提高各类功率系统的长期可靠性,本文针对半导体功率器件的可靠性筛选及寿命预测的关键技术进行研究,其主要研究内容如下:1.针对带有位置信息的芯片参数,本文提出了利用参数位置相关性减少测试逃生芯片的筛选方法,并通过解决芯片参数偏差量化、局域区域参数波动归一化和筛选限设置等问题的关键算法建立了位置相关性分析的量化模型。使用SiC JBS测量数据验证模型,结果显示该方法可以筛选出测试逃生芯片。将该方法与车规级AEC Q101参数一致性评价方法对比,结果显示两种方法能够筛选部分相同和部分不同的测试逃生芯片。在已知晶圆上芯片位置信息的情况下,该方法的筛选效果明显优于AEC Q101规定的方法。它可以作为现有测量技术的补充,降低封装、测试以及老化试验等成本。2.针对芯片的多参数,本文提出了利用参数结构相关性减少测试逃生芯片的筛选方法,并通过解决多维协方差距离表征离群特性、表征指标分布模型验证、稳健协方差提取和筛选限设置等问题的关键算法建立了结构相关性分析的量化模型。使用二维正态分布仿真数据和SiC JBS测量数据验证模型,结果显示该方法可以进一步识别单参数筛选中残存的测试逃生芯片。使用Si MOSFET测量数据验证模型,结果显示位置相关性和结构相关性可以联合筛选测试逃生芯片。无需额外的物理测量,利用芯片多参数的结构相关性可以进一步识别单参数筛选中残存的测试逃生芯片。3.针对多参数器件的健康状态表征问题,本文提出了一种有效信息提取与融合的方法,并通过解决稳健提取拟合系数、降维提取有效信息、信息融合和数据转换等问题的关键算法建立了多参数的状态表征模型。使用IGBT功率循环实验的在线测量数据和仿真数据验证模型,结果显示综合指标与循环周期的相关性大于单参数,综合指标与各个单参数的相关性大于它们之间的相关性并且综合指标的退化趋势单调性更好,随机扰动更少。寿命预测结果显示综合指标预测误差相对单参数更小,预测结果更加准确且稳定。使用有效信息提取和融合得到的综合指标能够减小随机扰动的干扰,更加准确且稳定的表征器件的综合健康状态。4.针对寿命预测中测量误差和动态环境的干扰,本文提出了一种基于时间加权的具有自适应调整能力的最小二乘支持向量机和粒子滤波融合的方法,并通过解决线性和非线性趋势提取、基于时间加权的自适应调整能力、预测结果修正和提供置信限等问题的关键算法建立了寿命预测模型。使用IGBT的试验数据验证模型,结果显示融合方法的状态预测误差和寿命预测误差显著减少并且置信限能表征预测结果的可信度。使用MOSFET的试验数据验证模型,结果显示基于时间加权的融合方法具有自适应调整能力,能够解决系统动态环境导致的系统偏差。本文提出的融合方法不仅能减少预测误差并提供置信限来表征预测结果的可信度,还具有自适应调整能力来减小系统偏差。