[发明专利]一种基于BP神经网络的过孔反焊盘尺寸确定方法、装置

权利要求书

1.一种基于BP神经网络的过孔反焊盘尺寸确定方法，其特征在于，包括：

获取训练样本，所述训练样本包括输入向量和输出向量，其中所述输入向量包括两个以上影响寄生电容的参数，所述影响寄生电容的参数包括反焊盘尺寸，所述输出向量包括用于衡量寄生电容的指标；

根据所述输入向量和所述输出向量，构建BP神经网络；

利用所述训练样本对所述BP神经网络进行训练，在训练过程中，所述反焊盘的尺寸为变量，除所述反焊盘尺寸之外的影响寄生电容的参数均为常数；

利用训练完成的BP神经网络，通过反向传播根据所述用于衡量寄生电容的指标的目标数值，得到反焊盘的最优尺寸；

其中，所述根据所述输入向量和所述输出向量，构建BP神经网络，包括：

根据所述输入向量和所述输出向量，按照目标公式构建BP神经网络，其中所述目标公式为：

RL=f₁(v₁*Df+v₂*d_hole+v₃*d_pad_sigal+v₄*d_void_via)，

Z=f₂(ω₁*DK+ω₂*rough+ω₃*d_hole+ω₄*d_pad_sigal+ω₅*d_void_via)；

其中，Z为阻抗，RL为回波损耗；d_void_via为反焊盘尺寸，d_hole为钻孔尺寸，d_pad_sigal为过孔焊盘尺寸，DK为叠层材料介电常数，rough为铜箔粗糙度，Df为损耗因子；f₁()和f₂()表示两种计算关系，v₁,v₂,v₃,v₄和ω₁,ω₂,ω₃,ω₄,ω₅均为网络权重。

2.如权利要求1所述的方法，其特征在于，所述输入向量包括反焊盘尺寸，还包括以下任意一项或多项：钻孔尺寸、过孔焊盘尺寸、叠层材料介电常数、铜箔粗糙度、损耗因子。

3.如权利要求2所述的方法，其特征在于，所述输出向量包括阻抗和/或回波损耗。

4.如权利要求1所述的方法，其特征在于，所述根据所述输入向量和所述输出向量，构建BP神经网络，包括：

根据所述输入向量和所述输出向量，构建BP神经网络，将所述BP神经网络的隐藏层节点数量设置为3。

5.如权利要求1-4任意一项所述的方法，其特征在于，所述利用所述训练样本对所述BP神经网络进行训练，包括：

S1、将所述训练样本中的输入向量输入所述BP神经网络，得到实际输出向量；

S2、计算所述实际输出向量与所述训练样本中输出向量的期望误差；

S3、判断所述期望误差是否小于预设阈值；若是，则判定训练完成，否则调整所述BP神经网络的网络权重，进入S1。