本發明涉及電子元器件檢測，更具體地說，它涉及一種電子元器件檢測數據處理方法及系統。
背景技術：
1、隨著電子系統復雜度不斷提高，集成電路和電子設備中的元器件數量呈指數級增長，元器件間的相互作用和依賴關系日益復雜。在實際應用中，單個元器件的性能退化或故障往往通過電路連接關系影響其他元器件，形成復雜的故障傳播路徑，給系統穩定性帶來嚴重隱患。
2、現有技術中，電子元器件檢測主要存在以下不足：首先，傳統檢測方法通常獨立分析每個元器件的性能參數，將其與預設閾值進行比較，判斷當前狀態是否合格，忽略了元器件間的相關性信息和潛在的級聯故障影響；其次，常規檢測僅關注元器件當前狀態，無法從歷史檢測數據中挖掘性能劣化趨勢，缺乏前瞻性預警能力；再次，現有技術缺乏對大規模集成電路和電子系統中的故障傳播路徑分析能力，無法預測系統級故障風險。
3、因此，亟需一種能夠整合多元器件檢測數據和系統拓撲信息，實現電子元器件群體性故障傳播預測的技術方案，以提前預警潛在系統故障風險，保障電子系統的穩定可靠運行。
技術實現思路
1、本發明提供一種電子元器件檢測數據處理方法及系統，解決相關技術中忽略了元器件間的相關性信息、缺乏前瞻性預警能力、無法預測系統級故障風險的技術問題。
2、本發明提供了一種電子元器件檢測數據處理方法，包括：
3、采集多個電子元器件的檢測數據并進行預處理，獲得高質量的元器件檢測數據和系統拓撲結構信息；
4、基于元器件檢測數據計算多個電子元器件之間的多維相似性，建立元器件相似性網絡；
5、基于元器件檢測數據進行多尺度時序特征提取，識別異常模式并計算元器件異常程度評分；
6、基于元器件相似性網絡、系統拓撲結構信息和元器件異常程度評分，構建時序異構圖網絡；
7、根據時序異構圖網絡，應用圖注意力網絡模型，預測電子元器件故障的傳播路徑。
8、進一步的，所述檢測數據包括靜態參數數據、電氣參數數據、熱學參數數據和時序數據。
9、進一步的，所述檢測數據包括靜態參數數據、電氣參數數據、熱學參數數據和時序數據。
10、所述計算多個電子元器件之間的多維相似性包括：
11、提取元器件的靜態屬性和動態性能特征，構建特征向量；
12、采用余弦相似度計算元器件間的相似性；
13、設置相似度閾值和最近鄰約束，構建元器件相似性網絡。
14、進一步的，所述檢測數據包括靜態參數數據、電氣參數數據、熱學參數數據和時序數據。
15、所述多尺度時序特征提取包括：
16、對時序數據應用小波變換進行多尺度分解；
17、從分解結果中提取統計特征，包括均值、方差、偏度、峰度和熵；
18、構建異常模式庫，使用動態時間規整算法計算待測元器件與異常模式的距離；
19、生成元器件異常程度評分。
20、進一步的，所述檢測數據包括靜態參數數據、電氣參數數據、熱學參數數據和時序數據。
21、所述時序異構圖網絡包括：
22、將電子元器件表示為圖網絡中的節點；
23、構建三類關系邊，包括物理連接關系、功能依賴關系和相似性關系；
24、將時序信息整合到圖網絡中，形成時序異構圖網絡。
25、進一步的，所述檢測數據包括靜態參數數據、電氣參數數據、熱學參數數據和時序數據。
26、所述圖注意力網絡模型包括：
27、輸入層，接收節點特征和邊關系信息；
28、多個圖注意力層，每層包含多個注意力頭，用于學習節點間的影響權重；
29、異構關系融合機制，整合不同類型邊的注意力系數；
30、時序信息集成機制，捕獲故障傳播的時間動態特性；
31、輸出層，生成元器件間的影響傳遞概率。
32、進一步的，所述檢測數據包括靜態參數數據、電氣參數數據、熱學參數數據和時序數據。
33、所述異構關系融合機制通過為不同類型的關系邊分配不同的注意力系數，并進行加權融合實現。
34、進一步的，所述檢測數據包括靜態參數數據、電氣參數數據、熱學參數數據和時序數據。
35、所述時序信息集成機制包括：
36、構建時間步長為的時序窗口；
37、在每個時間步長上計算注意力權重；
38、應用時序注意力機制，整合不同時間步長的信息。
39、進一步的，所述檢測數據包括靜態參數數據、電氣參數數據、熱學參數數據和時序數據。
40、所述預測電子元器件故障的傳播路徑包括：
41、圖注意力網絡模型應用，應用圖注意力網絡模型分析節點間的影響傳遞概率；
42、蒙特卡洛樹搜索模擬，基于計算的節點間影響傳遞概率，應用蒙特卡洛樹搜索方法模擬故障在系統中的傳播過程；
43、關鍵元器件與傳播路徑識別，基于模擬結果，識別系統中的關鍵元器件和高風險傳播路徑。
44、一種電子元器件檢測數據處理系統，用于執行上述的一種電子元器件檢測數據處理方法，包括：
45、數據預處理模塊，用于采集多個電子元器件的檢測數據并進行預處理；
46、相似性分析模塊，用于計算多個電子元器件之間的多維相似性，建立元器件相似性網絡；
47、異常檢測模塊，用于對元器件檢測數據進行多尺度時序特征提取，識別異常模式并計算元器件異常程度評分；
48、圖網絡構建模塊，用于構建時序異構圖網絡；
49、故障傳播預測模塊，用于應用圖注意力網絡模型，預測電子元器件故障的傳播路徑。
50、本發明的有益效果在于：將電子元器件檢測從傳統的單點分析擴展到系統級分析，能夠預測故障在系統中的傳播路徑，提前預警潛在系統故障風險，通過構建時序異構圖網絡模型，捕捉元器件間的物理連接、功能依賴和相似性關系，揭示了故障傳播的深層機制；
51、利用多維元器件相似性計算方法，充分挖掘元器件群體數據的相關性，提高了檢測準確率，適用于大規模元器件批量檢測場景，能夠基于已有故障案例快速識別相似元器件的潛在風險。
52、通過多尺度時序特征提取和異常模式識別技術，實現了對電子元器件性能退化趨勢的早期識別，能夠捕捉傳統閾值檢測方法無法發現的微弱異常信號，提高了預測的靈敏度和特異性，減少了誤報和漏報率。
53、基于圖注意力網絡和蒙特卡洛樹搜索的故障傳播路徑預測方法，能夠自動識別系統中的關鍵元器件和高風險傳播路徑，通過針對性地加強這些關鍵點的監控和維護，將系統因元器件早期失效導致的故障率降低。
54、相比傳統獨立檢測方法，本方法能夠發現相似元器件間的共性問題，在新批次元器件投產初期即可預判潛在風險，減少問題發現時間，提高了生產效率和產品質量。
1.一種電子元器件檢測數據處理方法，其特征在于，包括：
2.根據權利要求1所述的一種電子元器件檢測數據處理方法，其特征在于，所述檢測數據包括靜態參數數據、電氣參數數據、熱學參數數據和時序數據。
3.根據權利要求1所述的一種電子元器件檢測數據處理方法，其特征在于，所述計算多個電子元器件之間的多維相似性包括：
4.根據權利要求1所述的一種電子元器件檢測數據處理方法，其特征在于，所述多尺度時序特征提取包括：
5.根據權利要求1所述的一種電子元器件檢測數據處理方法，其特征在于，所述時序異構圖網絡包括：
6.根據權利要求1所述的一種電子元器件檢測數據處理方法，其特征在于，所述圖注意力網絡模型包括：
7.根據權利要求6所述的一種電子元器件檢測數據處理方法，其特征在于，所述異構關系融合機制通過為不同類型的關系邊分配不同的注意力系數，并進行加權融合實現。
8.根據權利要求6所述的一種電子元器件檢測數據處理方法，其特征在于，所述時序信息集成機制包括：
9.根據權利要求1所述的一種電子元器件檢測數據處理方法，其特征在于，所述預測電子元器件故障的傳播路徑包括：
10.一種電子元器件檢測數據處理系統，其特征在于，用于執行權利要求1-9任一所述的一種電子元器件檢測數據處理方法，包括：