[发明专利]一种微波射频工艺IP仿真模型高保真建模方法及系统有效
申请号: | 202111484853.3 | 申请日: | 2021-12-07 |
公开(公告)号: | CN114239389B | 公开(公告)日: | 2023-04-25 |
发明(设计)人: | 张晏铭;李阳阳;董乐;李杨;李紫鹏;向玮伟;曾策;侯奇峰 | 申请(专利权)人: | 中国电子科技集团公司第二十九研究所 |
主分类号: | G06F30/27 | 分类号: | G06F30/27;G06N3/04;G06N3/08 |
代理公司: | 成都九鼎天元知识产权代理有限公司 51214 | 代理人: | 孙元伟 |
地址: | 610036 四川*** | 国省代码: | 四川;51 |
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 微波 射频 工艺 ip 仿真 模型 高保真 建模 方法 系统 | ||
1.一种微波射频工艺IP仿真模型高保真建模方法,其特征在于,包括以下步骤:
S1,选定微波射频传输结构,将选定的微波射频传输结构参数化;
S2,建立微波射频传输结构的电磁仿真模型,基于仿真样本数据建立预训练神经网络模型,然后求取预训练神经网络模型的伴随神经网络模型;
S3,根据实物样件,建立实测神经网络模型;
S4,采用预训练神经网络模型的伴随神经网络模型与实测神经网络模型对微波射频传输结构进行融合预测;
步骤S2包括以下步骤:
S2-1,设置M个仿真样本;
S2-2,测量实物样本的工艺参数和散射参数;
S2-3,基于仿真样本数据,训练神经网络获得预训练神经网络模型A;
S2-4,求取A的伴随神经网络模型A’:基于预训练神经网络模型A、求散射参数对各工艺参数的偏导数,获得与预训练神经网络模型A具有相同网络参数的伴随网络模型A’;
其中,M为整数且M>1,A的输入为工艺参数,A的输出为散射参数,A’的输入为工艺参数,A’的输出为散射参数变化量;
步骤S3包括以下步骤:
S3-1,选取步骤S2-1中的N个仿真样本制备N个实物样件;
S3-2,设置实测工艺参数和实测散射参数;
S3-3,基于实物样件数据,训练神经网络获得实测神经网络模型B;
其中,N为整数、N>1且N<M;
步骤S4包括以下步骤:
S4-1,设置需要进行预测的射频传输结构的工艺参数值;
S4-2,利用伴随神经网络模型A’计算出由于工艺参数值波动带来的相对于基准参考工艺参数值的散射参数变化量ΔS1;
S4-3,利用实测神经网络模型B计算出基准参考工艺参数情况下的实测散射参数值S0;
S4-4,将S0与ΔS1相加,得到校正后的预测散射参数值。
2.根据权利要求1所述的一种微波射频工艺IP仿真模型高保真建模方法,其特征在于,步骤S1中,选定微带传输线、共面波导、带状传输线、多层垂直互联过孔、金丝互联传输结构和/或类同轴传输结构。
3.根据权利要求2所述的一种微波射频工艺IP仿真模型高保真建模方法,其特征在于,步骤S2中,采用电磁场全波仿真算法或高频算法建立电磁仿真模型,获取仿真样本数据。
4.根据权利要求3所述的一种微波射频工艺IP仿真模型高保真建模方法,其特征在于,步骤S2中,不同类型工艺参数的样本点组合形成正交空间。
5.根据权利要求4所述的一种微波射频工艺IP仿真模型高保真建模方法,其特征在于,步骤S2中,不同类型工艺参数的样本点组合形成正交空间并均匀分布。
6.根据权利要求5所述的一种微波射频工艺IP仿真模型高保真建模方法,其特征在于,步骤S2中,若存在与电性能强非线性耦合的工艺参数,则增加正交空间中该工艺参数的样本点数。
7.一种微波射频工艺IP仿真模型高保真建模系统,其特征在于,基于权利要求1至6任一项所述的一种微波射频工艺IP仿真模型高保真建模方法,包括以下模块:
参数化模块,用以:选定微波射频传输结构,将选定的微波射频传输结构参数化;
仿真伴随模型制作模块,用以:基于仿真样本数据建立预训练神经网络模型,然后求取预训练神经网络模型的伴随神经网络模型;
实测模型制作模块,用以:根据实物样件,建立实测神经网络模型;
融合预测模块,用以:采用预训练神经网络模型的伴随神经网络模型与实测神经网络模型对微波射频传输结构进行融合预测。
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中国电子科技集团公司第二十九研究所,未经中国电子科技集团公司第二十九研究所许可,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/202111484853.3/1.html,转载请声明来源钻瓜专利网。