[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无效
申请号: | 200810073685.7 | 申请日: | 2008-07-16 |
公开(公告)号: | CN101320400A | 公开(公告)日: | 2008-12-10 |
发明(设计)人: | 杨道国;蔡苗 | 申请(专利权)人: | 桂林电子科技大学 |
主分类号: | G06F17/50 | 分类号: | G06F17/50;G06N3/06 |
代理公司: | 桂林市华杰专利事务所有限责任公司 | 代理人: | 巢雄辉 |
地址: | 541004广西壮族自*** | 国省代码: | 广西;45 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 人工 神经网络 微电子 封装 器件 优化 设计 方法 | ||
技术领域
本发明涉及微电子封装技术领域,具体为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。
背景技术
微电子封装器件的可靠性优化设计是封装制造领域的重要方面。因为实际封装器件的可靠性在受各种因素影响下,其失效机理是复杂的非线性关系,如材料属性,结构参数,环境参数,工艺参数,等等。因此,为了通过可靠性优化设计,针对封装器件某关键失效机理优化选择器件的各种参数,提高微电子封装器件的可靠性是不可缺少的环节。而且,目前多数针对封装器件的优化设计方法是基于传统的线性理论(或假设为线性系统),对于多因素共同影响的封装器件可靠性设计,这就不可避免地存在参数搭配选择、冗余的困难,利用基于人工神经网络的优化设计方法能有效地消除这问题。
进行封装器件优化设计,就是从所有参数设计空间集里合适选出一个或几个子集,使优化设计目标到达最优。封装器件优化设计的关键点是选用相互搭配效果对优化目标最有利的参数组合。传统的优化方法,如正交实验法,实践中存在较大限制。比如在设计空间较大、设计参数多及设计水平多的情况下,特别是在相互存在影响的参数搭配设计上。
随着人工智能领域的不断进步,神经网络的应用不断得到发展。常见的思路是利用人工神经网络的泛化预测能力的方法,如文献1的Xu Liujie,Xing Jiandong,Wei Shizhong,et al..Optimization of chemical composition of high speed steel with high vanadium content for abrasivewear using an artificial neural network.Materials and Design,208(2007)1031-1037介绍的,这些方法都是直接基于神经网络预测可能出现的后果。少数的思路利用其预测能力反过来优化多目标问题,如文献2的T.S.Li,C.T.Su,T.L.Chiangc.Applying robust multi-response qualityengineering for parameter selection using a novel neural-genetic algorithm.Computers inIndustry,20(2003)113-122介绍的。少数的思路利用其预测能力反过来优化工艺参数问题,如文献3的ZHANG Junhong,XIE Anguo,SHEN Fengman,multi-obj ective optimization andanalysis model of sintering process based on BP neural network.Journal of Iron and Steel Research,International,2007,14(2):01-05介绍的。为了避免输入数据的的信息重叠作用,如文献4的CAI Miao,YANG Dao-guo,ZHONG Li-jun,et al..Prediction of fatigue life of packaging EMCmaterial based on BP neural networks.Electronic components and materials,2008,27(3):64-67介绍的,使用了主成分分析方法改善神经网络的稳定性。实事上,完全可以把文献4提出的主成分分析方法作为一种输入数据的预处理方式。
发明内容
本发明的目的在于提供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,该方法适应于设计空间较大、设计参数多及设计水平多的情况,特别是在相互存在影响的参数搭配设计上,能够顺利进行优化设计,在实际应用中,能够较好的地解决材料搭配和尺寸搭配的可靠性设计难题。设计过程简单;容易编程实现,并可当作一个优化系统进行应用。
本发明提供的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xk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yk;
(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:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于桂林电子科技大学,未经桂林电子科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/200810073685.7/2.html,转载请声明来源钻瓜专利网。