压阻式硅基应力传感器有可能成为汽车电子中数字孪生实现的一部分。增强数字孪生可靠性的一种解决方案是使用机器学习 (ML)。正在监测一个或多个物理参数，而其他参数则使用替代模型进行投影，就像虚拟传感器一样。压阻应力传感器用于测量电子封装的内部应力，采集单元 (AU) 用于读出传感器数据，Raspberry Pi 用于执行评估。在空气热室中进行加速测试以获取应力传感器信号的时间序列数据，通过这些数据我们可以更好地了解封装内部的分层情况。在本研究中，在分层过程中对多个电子封装进行了应力测量。由于刚度的连续变化和局部边界条件导致应力发生变化，应力传感器检测到分层。虽然多个单元中的应力变化可以提供足够的信息来判断是否分层，但其分层区域位置未知。开发了基于神经网络 (NN) 和有限元法 (FEM) 的替代模型，用于预测分层层的平面外应力。FEM 模拟模型通过莫尔条纹测量进行校准，并通过应力差测量在组件和 PCB 级别进行验证。模拟分层区域