[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

摘要

本发明公开了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：①用户给定需要进行设计的器件参数设计空间及优化设计目标，给出对人工神经网进行训练用的样本；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关系的神经网络模型；③将训练好的神经网络模型当作优化设计的观察工具，观察各参数对优化目标的影响，并选择优化组合；④根据现有材料及工艺的可行性，选择合适的参数优化组合。本发明能够较好地解决材料搭配和尺寸搭配的可靠性设计难题，适合于各种封装器件的优化设计，也可以应用于各类涉及多目标或多因素复杂系统的优化设计领域。

主权项

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：{(xk，yk)|x∈Rm，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；(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：Rm→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，当结果满足要求时，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xi(i≤N)参数组合的基础上分别变化各参数大小，观察各参数对优化目标yi的影响，并选择各个参数的最优解，从而确定优化组合Gi，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Gi里选择合适的参数优化组合。