[发明专利]一种基于人工神经网络的微电子封装器件的优化设计方法

权利要求书

1.一种基于人工神经网络的微电子封装器件的优化设计方法，包括以下步骤：

(1)根据给定需要进行设计的器件参数设计空间及优化设计目标，给出对人工神经网络进行训练用的样本，具体为：

(1.1)根据指定封装器件关键设计参数x_k的设计空间，并结合均匀实验设计表安排设计水平；

(1.2)指定与实验对应的优化设计目标y_k；

(1.3)使用均匀实验安排，利用有限元分析软件的参数化模拟分析方法进行分析，得到用于人工神经网进行训练用的样本：

{(x_k，y_k)|x∈R^m，y∈Rⁿ，k＝1，2，…，N}

其中：输入节点为m个，输出节点为n个，隐节点为p个，R^m为输入参数集，Rⁿ为输出参数集，

(2)训练经过主成分分析和遗传算法改进的前向误差反向传播神经网络，构造出一个系统反映输入和输出映射关系：

F:R^m→Rⁿ

具体为：

(2.1)利用主成分分析对神经网络训练样本的输入数据进行降维去噪处理；

(2.2)利用遗传算法改善BP神经网络的初始连接权值和节点阀值；

(2.3)训练BP神经网络；

(2.4)利用训练好的网络预测并验证，当预测和真实模拟的结果的大小变化规律基本一致时，进入步骤(2.5)，否则重复步骤(2.2)-(2.3)；

(2.5)得到一个系统反映输入和输出映射关系的神经网络预测模型，

(3)将训练好的神经网络模型当作优化设计的观察工具，在x_i(i≤N)参数组合的基础上分别变化各输入参数大小，观察各输入参数对优化目标y_i的影响，并选择各个输入参数的最优解，从而确定优化组合G_i，即i组参数的优化组合，

(4)结合现有材料及工艺的可行性，在优化得出的优化组合G_i里选择合适的参数优化组合。

2.根据权利要求1所述的方法，其特征在于：上述步骤(3)还可以包括以下处理过程：

在确定优化组合G_i后，并利用训练好的BP神经网络的预测能力，根据各优化组合对优化结果的影响大小排序。