[發明專利]一種基于人工神經網絡的微電子封裝器件的優化設計方法

無效

• 申請號: 200810073685.7
• 申請日: 2008-07-16
• 公開（公告）號: CN101320400A
• 公開（公告）日: 2008-12-10
• 發明（設計）人: 楊道國;蔡苗
• 申請（專利權）人: 桂林電子科技大學
• 主分類號: G06F17/50
• 分類號: G06F17/50;G06N3/06
• 代理公司: 桂林市華杰專利事務所有限責任公司
• 代理人: 巢雄輝

技術領域

本發明涉及微電子封裝技術領域，具體為一種基于人工神經網絡的微電子封裝器件的優化設計方法。

背景技術

微電子封裝器件的可靠性優化設計是封裝制造領域的重要方面。因為實際封裝器件的可靠性在受各種因素影響下，其失效機理是復雜的非線性關系，如材料屬性，結構參數，環境參數，工藝參數，等等。因此，為了通過可靠性優化設計，針對封裝器件某關鍵失效機理優化選擇器件的各種參數，提高微電子封裝器件的可靠性是不可缺少的環節。而且，目前多數針對封裝器件的優化設計方法是基于傳統的線性理論(或假設為線性系統)，對于多因素共同影響的封裝器件可靠性設計，這就不可避免地存在參數搭配選擇、冗余的困難，利用基于人工神經網絡的優化設計方法能有效地消除這問題。

進行封裝器件優化設計，就是從所有參數設計空間集里合適選出一個或幾個子集，使優化設計目標到達最優。封裝器件優化設計的關鍵點是選用相互搭配效果對優化目標最有利的參數組合。傳統的優化方法，如正交實驗法，實踐中存在較大限制。比如在設計空間較大、設計參數多及設計水平多的情況下，特別是在相互存在影響的參數搭配設計上。

隨著人工智能領域的不斷進步，神經網絡的應用不斷得到發展。常見的思路是利用人工神經網絡的泛化預測能力的方法，如文獻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介紹的，這些方法都是直接基于神經網絡預測可能出現的后果。少數的思路利用其預測能力反過來優化多目標問題，如文獻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介紹的。少數的思路利用其預測能力反過來優化工藝參數問題，如文獻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介紹的。為了避免輸入數據的的信息重疊作用，如文獻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介紹的，使用了主成分分析方法改善神經網絡的穩定性。實事上，完全可以把文獻4提出的主成分分析方法作為一種輸入數據的預處理方式。

發明內容

本發明的目的在于提供一種基于人工神經網絡的微電子封裝器件的優化設計方法，該方法適應于設計空間較大、設計參數多及設計水平多的情況，特別是在相互存在影響的參數搭配設計上，能夠順利進行優化設計，在實際應用中，能夠較好的地解決材料搭配和尺寸搭配的可靠性設計難題。設計過程簡單；容易編程實現，并可當作一個優化系統進行應用。

本發明提供的一種基于人工神經網絡的微電子封裝器件的優化設計方法，包括以下步驟：

(1)根據給定需要進行設計的器件參數設計空間及優化設計目標，給出對人工神經網絡進行訓練用的樣本，具體為：

(1.1)根據指定封裝器件關鍵設計參數x_k的設計空間，并結合均勻實驗設計表安排設計水平；

(1.2)指定與實驗對應的優化設計目標y_k；

(1.3)使用均勻實驗安排，利用有限元分析軟件的參數化模擬分析方法進行分析，得到用于人工神經網進行訓練用的樣本：