MLCC陶瓷掺杂配方可靠性预测方法及系统与流程

本发明属于计算机辅助设计，尤其涉及mlcc陶瓷掺杂配方可靠性预测方法及系统。

背景技术：

1、多层陶瓷电容器（mlcc）的可靠性是指其在高温（125℃）、高电场（2倍额定电压）等严苛条件下长期抵抗电阻衰减、保持低漏电流及稳定介电性能的能力，核心量化指标为加速寿命测试中的最终失效率（如平均失效时间mttf或累积失效百分比）。为满足x7r/x8r等高可靠性要求，工业上通常在batio3中掺入mgo、mno、dy2o3和sio2等添加剂，通过抑制氧空位迁移、优化晶界势垒来降低失效概率。

2、然而，现有掺杂设计主要依赖经验试错，缺乏基于缺陷化学理论的定量预测模型。不同掺杂离子在钙钛矿晶格中的占位（a/b位）、有效电荷（施主/受主）及电荷补偿机制复杂，且存在两性掺杂行为、价态变化及溶解度限制，导致配方→微观缺陷→最终失效率之间的关联难以量化。因此，如何根据掺杂比例正向预测氧空位浓度、自由电子浓度以及最终失效率，并快速获得使失效率最小化的最优配方，是本领域亟待解决的技术问题。

技术实现思路

1、本发明提供一种基于缺陷化学热力学平衡的mlcc陶瓷掺杂配方可靠性预测方法及系统，能够根据四种关键掺杂剂（mgo、sio2、mno、dy2o3）的摩尔比例，定量预测失效率，并给出最优掺杂配方。具体方案如下：

2、mlcc陶瓷掺杂配方可靠性预测方法，所述方法具体包括如下步骤：

3、s1：以掺杂配方为变量，计算掺杂剂的掺杂浓度；

4、s2：基于电中性原理，建立包含上述掺杂浓度以及双电离氧空位浓度、自由电子浓度的电荷中性方程；

5、s3：引入质量作用定律，建立自由电子浓度双电离氧空位浓度的函数关系，基于电中性原理，构建双电离氧空位浓度与掺杂浓度的函数关系；

6、s4：基于双电离氧空位浓度与自由电子浓度、掺杂浓度的函数关系，构建以掺杂配方为变量的经验失效率函数f；

7、s5、以最小化f为目标，在约束条件内求解最优掺杂配方。

8、进一步地，所述掺杂配方包括：mgo的摩尔比例xmg、sio2的摩尔比例xsi、mno的摩尔比例xmn以及dy2o3的摩尔比例xdy，其中摩尔比例是指掺杂剂的物质的量（摩尔数）相对于基体batio3物质的量的百分比，即每100molbatio3中加入的掺杂剂摩尔数与该100molbatio3的比值。

9、进一步地，掺杂浓度包括mg2+受主缺陷浓度、mn²+受主缺陷浓度及dy3+施主缺陷浓度；

10、其中mg2+受主缺陷浓度的计算公式为：；

11、mn2+受主缺陷浓度的计算公式为：；

12、dy3+施主缺陷浓度的计算公式为：；

13、其中，为晶胞体积；

14、ncell为每晶胞所含batio3化学式单元数，对立方相batio3为1；

15、na是阿伏伽德罗常数。

16、进一步地，电荷中性方程为：；

17、其中表示双电离氧空位浓度，即单位体积的bt陶瓷晶体内所含双电离氧空位（）的个数；

18、表示占据ba位的dy3+施主缺陷浓度，即单位体积的bt陶瓷晶体内所含dy3+施主缺陷的个数；

19、表示占据ti位的mg2+受主缺陷浓度，即单位体积的bt陶瓷晶体内所含mg2+受主缺陷的个数；

20、表示占据ti位的mn2+受主缺陷浓度，即单位体积的bt陶瓷晶体内所含mn2+受主缺陷的个数；

21、ne表示自由电子浓度，即单位体积的bt陶瓷晶体内所含自由电子e的个数。

22、将各项浓度乘以各自的电荷数并相加，左边总正电荷等于右边总负电荷，由此建立等式。

23、进一步地，基于质量作用定律，自由电子浓度双电离氧空位浓度的函数关系为：；

24、其中k是氧空位双电离平衡常数；

25、表示双电离氧空位浓度，即单位体积的bt陶瓷晶体内所含双电离氧空位（）的个数；

26、ne表示自由电子浓度，即单位体积的bt陶瓷晶体内所含自由电子e的个数。

27、进一步地，基于电中性原理，双电离氧空位浓度与掺杂浓度的函数关系为：

28、；

29、采用牛顿-拉弗森迭代法或直接求解一元二次方程，得到根：

30、；

31、代入mg2+受主缺陷浓度、mn2+受主缺陷浓度及dy3+施主缺陷浓度的计算公式，得到：

32、；

33、进一步地，经验失效率函数f为：；

34、其中，α为氧空位对失效的贡献权重；

35、β为自由电子对失效的贡献权重；

36、γ为dy钝化效应强度；

37、δ为dy在低掺杂区线性增强的斜率系数；

38、η为高浓度区指数衰减的速率系数；

39、为双电离氧空位浓度，即单位体积的bt陶瓷晶体内所含双电离氧空位（）的个数；

40、ne表示自由电子浓度，即单位体积的bt陶瓷晶体内所含自由电子e的个数；

41、xdy、xsi分别表示掺杂剂dy2o3、掺杂剂sio2的摩尔比例，其中摩尔比例是指掺杂剂的物质的量（摩尔数）相对于基体batio3物质的量的百分比，即每100molbatio3中加入的掺杂剂摩尔数与该100molbatio3的比值。

42、进一步地，步骤s5的约束条件包括：0≤xmg≤1.5，0≤xmn≤1.0，0≤xdy≤1.5以及0≤xsi≤2.0。

43、进一步地，步骤s5求解最优配方包括：

44、首先将、ne的计算公式代入f，得到失效率函数f（x）（其中x=（xmg，xmn，xdy，xsi）），与缺陷浓度计算公式、电荷中性方程及质量作用定律关系联立，构成一个嵌套的非线性规划问题；

45、然后，设定约束边界（0≤xmg≤1.5，0≤xmn≤1.0，0≤xdy≤1.5，0≤xsi≤2.0），并采用序列二次规划（sqp）或遗传算法（ga）在可行域内迭代搜索；每次迭代中，给定一组候选配方（即一个四维向量（xmg，xmn，xdy，xsi）），先通过步骤四换算缺陷浓度，再求解电荷中性方程得到和ne，进而计算f值；

46、最后，优化器根据梯度或进化策略调整配方，直至满足收敛判据（如f的变化小于10-6或达到最大迭代次数），最终输出使f最小化的最优配方组合（xmg，xmn，xdy，xsi）；

47、为加快收敛并避免局部最优，采用多起点初始化和罚函数法处理边界约束。

48、与现有技术相比，本发明具有以下技术效果的至少之一：

49、1、本发明通过建立涵盖mg、mn、dy、si四种掺杂剂的kröger-vink缺陷化学体系，将掺杂摩尔比例定量转化为受主/施主缺陷浓度，并基于电荷中性方程与质量作用定律，首次实现了缺陷浓度（氧空位、自由电子）与配方参数之间的解析关联，即本发明通过建立掺杂配方与缺陷浓度之间的定量关系，从而实现从掺杂比例到最终失效率的正向预测和优化，从而为mlcc可靠性提供了可计算的物理模型，解决了经验试错缺乏理论指导的问题。

50、2、本发明构建了包含氧空位浓度、自由电子浓度、dy钝化效应和sio2惩罚项的经验失效率函数，将微观缺陷浓度与宏观失效概率直接耦合，并通过非线性规划算法求解最小失效率对应的最优配方（xmg，xmn，xdy，xsi），打通了从掺杂比例到缺陷浓度再到可靠性的正向预测链条，使原本复杂的多因素耦合关系得以量化表达。

51、3、传统mlcc掺杂配方开发需大量“试错”实验，周期长达数月。本发明通过计算机模拟替代部分实验，可在数小时内输出预测失效率最低的候选配方，减少烧结测试次数，将研发效率提升数倍，并降低物料与人力成本。

52、4、本发明中的失效率函数权重系数（α、β、γ等）可通过少量halt实验数据重新标定，从而自适应不同的烧结温度、氧分压、电极材料等工艺条件。系统具备良好的可迁移性，适用于不同厂商或产线的mlcc可靠性优化需求。

53、5、传统试错法受限于测试次数和单一变量调整，难以捕捉多掺杂剂之间的非线性交互效应，容易陷入局部经验配方。本发明采用非线性规划算法（如序列二次规划或遗传算法）在连续可行域内进行全局搜索，以最小化失效率为目标，精确满足各掺杂剂的溶解度约束，能够获得热力学与缺陷化学约束下的全局最优配方组合，明显优于人工经验调试结果。

54、6、本发明所有预测环节均基于kröger-vink缺陷化学符号体系、电荷中性方程及质量作用定律等公认物理原理，每个权重系数（如α、β、γ等）对应明确的缺陷或掺杂作用机制（氧空位迁移、电子漏电流、dy钝化等）。工程师可根据计算结果分析失效率的主要贡献来源，便于定位工艺薄弱环节并进行针对性改进，避免了黑箱模型难以调试和缺乏物理依据的缺陷。

55、7、车规级或军工级mlcc的认证需通过大量加速寿命测试（halt），样品批次多、测试周期长、成本极高。本发明可在实际流片前通过仿真快速预测失效风险，筛选出高潜力配方，减少进入实验验证的候选样本数量，从而降低认证失败概率和重复测试开支，有效缩短产品上市周期。