基于响应面和NSGA-Ⅲ算法的功率器件结构设计方法和系统与流程

基于响应面和nsga
‑ⅲ
算法的功率器件结构设计方法和系统
技术领域
1.本发明涉及电子封装领域和计算机技术领域，具体而言，涉及一种基于响应面和nsga
‑ⅲ
算法的功率器件结构设计方法和系统。


背景技术：

2.现有技术中，对于功率器件结构设计优化若采用单纯的仿真优化方法，需要执行大量的仿真工作，而只依靠仿真效率低，进而导致设计周期长；若单纯的数学解析方法，需要根据学科理论和模型结构推导优化目标表达式，优化过程复杂，且需要具备过硬的专业能力，同时基于单纯的数学解析方法并不适用于不同的模型，通用性低，也无法反映功率器件结构优化设计的细节。并且现有技术中对于功率器件的结构优化方法对于多个优化目标的优化效果并不理想。
3.因此，如何提出一种适用于多目标优化且提高功率器件封装结构优化设计效率的方案成为目前亟待解决的问题。


技术实现要素：

4.为解决上述技术问题，本发明的第一方面提出了一种基于响应面和nsga
‑ⅲ
算法的功率器件结构设计方法。
5.本发明的第二方面还提出了一种基于响应面和nsga
‑ⅲ
算法的功率器件结构设计系统。
6.本发明的第三方面还提出了一种基于响应面和nsga
‑ⅲ
算法的功率器件结构设计系统。
7.本发明的第四方面还提出了一种可读存储介质。
8.有鉴于此，本发明第一方面提出了一种基于响应面和nsga
‑ⅲ
算法的功率器件结构设计方法，包括：获取功率器件的封装形式、封装结构和芯片布局信息；确定封装结构的尺寸信息和芯片布局的尺寸信息；获取设计目标；根据设计目标确定封装结构的尺寸信息和芯片布局的尺寸信息中的设计变量和固定参数；根据设计变量和固定参数，采用响应面法拟合得到设计目标的设计数学模型；根据设计数学模型，采用nsga
‑ⅲ
算法对设计数学模型进行计算，得到设计数学模型的解集，以根据解集设计功率器件结构。
9.根据本发明提供的基于响应面和nsga
‑ⅲ
算法的功率器件结构设计方法，通过对功率器件的封装形式、封装结构、和芯片布局信息进行获取，进而能够根据上述信息确定出封装结构和芯片布局的尺寸信息，以此能够根据各个尺寸信息在仿真软件中进行功率器件的建模，以便于后续仿真分析；而后对设计目标及性能获取，以确定要对功率器件的什么性能进行优化设计，例如芯片的最大应力，芯片的最高温度和/或模块电感等；进而根据所确定的设计目标，确定出封装结构和芯片布局的尺寸参数中，选出对设计目标影响较大的参数作为设计变量，影响较小的作为固定参数，进而根据设计变量和固定参数，基于box-behnken(bbd)、中心组合设计(ccd)等响应面法确定变量实验组合进行计算，以得到与设计
目标对应的设计数学模型，进而采用nsga
‑ⅲ
算法对设计数学模型求解，以得到设计数学模型的pareto最优解集，进而就能够根据实际条件，选取最优的尺寸参数来进行功率器件的结构优化设计。本技术通过有限元仿真方法和数学解析方法的结合，与通过单纯的仿真优化方法相比，效率大大提高，避免了盲目大量仿真，缩短设计周期；与单纯的数学解析方法相比，无需根据学科理论和模型结构推导优化目标表达式，大大简化优化过程，降低使用者的专业门槛，适用于不同模型，通用性好，且能更反映功率器件结构优化设计的细节。本发明的特别之处在于结合了响应面法和新一代nsga
‑ⅲ
算法对功率器件的结构进行优化，将其应用在功率封装领域。特点是结合了有限元仿真和数学解析方法；可以直接由软件得出优化目标表达式，无需根据学科理论和模型结构推导；也适用于解决高维优化目标问题。本发明结合了有限元仿真方法和数学解析方法，与通过单纯的仿真优化方法相比，效率大大提高，避免了盲目大量仿真，缩短设计周期；与单纯的数学解析方法相比，无需根据学科理论和模型结构推导优化目标表达式，大大简化优化过程，降低使用者的专业门槛，适用于不同模型，通用性好，且更能反映功率器件结构优化设计的细节。此外，本发明所提出的基于响应面和nsga
‑ⅲ
算法的功率器件结构设计方法对高维目标优化(即三个及三个以上优化目标)问题优化效果更好。本发明可以解决现有技术中存在的面对高维目标优化问题优化效果不理想的问题，能够满足于具有2到15个目标的多目标优化需求，能达到令人满意的效果。
10.其中，帕累托最优(pareto optimality)，也称为帕累托效率(pareto efficiency)，是指资源分配的一种理想状态，假定固有的一群人和可分配的资源，从一种分配状态到另一种状态的变化中，在没有使任何人境况变坏的前提下，使得至少一个人变得更好，这就是帕累托改进或帕累托最优化。
11.本技术所提出的基于响应面和nsga
‑ⅲ
算法的功率器件结构设计方法并不仅限于功率器件的结构优化，该方法也可为其他电子封装器件的优化设计提供指导。
12.另外，本发明提供的上述技术方案中的基于响应面和nsga
‑ⅲ
算法的功率器件结构设计方法还可以具有如下附加技术特征：
13.在上述技术方案中，获取功率器件的封装形式、封装结构以及芯片布局信息的步骤具体包括：获取要进行结构设计的实际功率器件的封装形式；获取实际功率器件的封装结构、及封装结构的各层尺寸；获取实际功率器件的芯片数量、芯片位置和相邻芯片之间的距离。
14.在该技术方案中，获取功率器件的封装形式、封装结构以及芯片布局信息，功率器件的封装形式包括但不限于单面封装、双面封装，对叠层封装，其它封装形式同样适用于本技术中的结构设计方法。功率器件的封装结构包括但不限于底板、陶瓷基板、芯片、缓冲层、焊层，具体封装结构根据实际要进行接结构设计的功率器件进行确定，例如，底板一般只存在于单面封装，缓冲层一般只存在于双面封装的散热结构中。此外，焊层可用于连接底板与陶瓷基板、陶瓷基板与芯片、芯片与缓冲层、缓冲层与陶瓷基板。芯片布局形式包括芯片数量、芯片位置和相邻芯片之间的距离。对上述尺寸进行获取，以此便于根据上述信息对功率器件进行建模，以便于后续仿真。
15.在上述技术方案中，设计目标至少包括芯片最大应力、芯片最高温度、模块电感中的一种或多种。
16.在该技术方案中，对设计目标进行获取，设计目标包括但不限于芯片最大应力、芯片最高温度、模块电感中的一种或多种，在确定了设计目标之后，才能够对设计变量和固定参数及性能确定，以基于设计目标对功率器件的接结构进行优化设计。
17.在上述任一技术方案中，在根据设计目标确定封装结构的尺寸信息和芯片布局的尺寸信息中的设计变量和固定参数的步骤之前，还包括：确定封装结构的尺寸信息和芯片布局的尺寸信息中的可变尺寸参数；确定可变尺寸参数的数值变化范围。
18.在该技术方案中，通过对封装结构的尺寸信息和芯片布局的尺寸信息中的可变尺寸参数进行确定，进而对可变尺寸参数的数值变化范围进行确定，进而就能够根据可变尺寸参数的数值变化范围确定可变参数尺寸对设计目标的影响程度，以便于根据影响程度确定设计变量和固定参数。
19.在上述技术方案中，根据设计目标确定封装结构的尺寸信息和芯片布局的尺寸信息中的设计变量和固定参数的步骤具体包括：在确定可变尺寸参数的数值变化范围之后，根据可变尺寸参数对设计目标的影响程度，获取作为设计变量的尺寸参数和作为固定参数的尺寸参数。
20.在该技术方案中，通过确定可变尺寸参数对设计目标的影响程度，确定出设计变量和固定参数，以便于后续确定变量实验组合，进而减少仿真以及实验的工作量，无需依靠数学理论进行大量的计算，节约了人力资源，使得功率器件结构的设计过程更加简便。
21.在上述任一技术方案中，可变尺寸参数对设计目标的影响程度为经过单变量灵敏度分析和/或人工根据经验得到的；当设计变量和固定参数的参数值发生同样的变化时，设计变量对设计目标的影响程度大于固定参数对设计目标的影响程度。
22.在该技术方案中，在确定可变尺寸参数的数值变化范围之后，根据设计经验或通过灵敏度分析等方法筛选出对优化设计目标影响较大的尺寸参数作为优化设计变量，对目标影响较小的作为固定设计参数，以此便于根据设计变量和固定参数计算得到优化设计目标的设计数学模型。
23.在上述任一技术方案中，根据设计变量和固定参数，采用响应面法拟合得到设计目标的设计数学模型的步骤具体包括：根据设计目标、设计变量、可变尺寸参数的数值变化范围，采用响应面法确定变量实验组合；根据变量实验组合进行有限元仿真，得到仿真结果；根据仿真结果采用响应面法计算得到回归系数；根据回归系数得到设计目标的目标函数和约束函数；根据目标函数和约束函数得到设计数学模型。
24.在该技术方案中，通过设计目标的确定，确定出了设计变量和固定参数，进而就能够采用box-behnken(bbd)、中心组合设计(ccd)等响应面法确定变量实验组合并通过仿真得到响应值结果，进而采用响应面法进行回归分析以获得回归系数，以此得到目标函数和约束函数，进而就能够根据目标函数和约束函数形成功率器件封装结构的多目标优化数学模型，即设计数学模型。
25.其中，响应面分析法，即响应曲面设计方法(response surface methodology，rsm)，是利用合理的试验设计方法并通过实验得到一定数据，采用多元二次回归方程来拟合因素与响应值之间的函数关系，通过对回归方程的分析来寻求最优工艺参数，解决多变量问题的一种统计方法。
26.本发明的第二方面提供了一种基于响应面和nsga
‑ⅲ
算法的功率器件结构设计系
统，包括：信息获取模块，用于获取功率器件的封装形式、封装结构和芯片布局信息，确定封装结构的尺寸信息和芯片布局的尺寸信息，获取设计目标，根据设计目标确定封装结构的尺寸信息和芯片布局的尺寸信息中的设计变量和固定参数；计算模块，用于根据设计变量和固定参数，采用响应面法拟合得到设计目标的设计数学模型；根据设计数学模型，采用nsga
‑ⅲ
算法对设计数学模型进行计算，得到设计数学模型的解集，以根据解集设计功率器件结构。
27.根据本发明的技术方案提供的基于响应面和nsga
‑ⅲ
算法的功率器件结构设计系统，包括：信息获取模块和计算模块。具体的，信息获取模块用于获取功率器件的封装形式、封装结构和芯片布局信息，确定封装结构的尺寸信息和芯片布局的尺寸信息，获取设计目标，根据设计目标确定封装结构的尺寸信息和芯片布局的尺寸信息中的设计变量和固定参数；计算模块用于根据设计变量和固定参数，采用响应面法拟合得到设计目标的设计数学模型；根据设计数学模型，采用nsga
‑ⅲ
算法对设计数学模型进行计算，得到设计数学模型的解集，以根据解集设计功率器件结构。同时，根据本发明的技术方案提供的基于响应面和nsga
‑ⅲ
算法的功率器件结构设计系统，由于其用于实现本发明的第一方面提供的基于响应面和nsga
‑ⅲ
算法的功率器件结构设计方法的步骤，因而该基于响应面和nsga
‑ⅲ
算法的功率器件结构设计系统具备该基于响应面和nsga
‑ⅲ
算法的功率器件结构设计方法的全部技术效果，在此不再赘述。
28.在上述任一技术方案中，信息获取模块具体用于：获取要进行结构设计的实际功率器件的封装形式；获取实际功率器件的封装结构、及封装结构的各层尺寸；获取实际功率器件的芯片数量、芯片位置和相邻芯片之间的距离。
29.在该技术方案中，获取功率器件的封装形式、封装结构以及芯片布局信息，功率器件的封装形式包括但不限于单面封装、双面封装，对叠层封装，其它封装形式同样适用于本技术中的结构设计方法。功率器件的封装结构包括但不限于底板、陶瓷基板、芯片、缓冲层、焊层，具体封装结构根据实际要进行接结构设计的功率器件进行确定，例如，底板一般只存在于单面封装，缓冲层一般只存在于双面封装的散热结构中。此外，焊层可用于连接底板与陶瓷基板、陶瓷基板与芯片、芯片与缓冲层、缓冲层与陶瓷基板。芯片布局形式包括芯片数量、芯片位置和相邻芯片之间的距离。对上述尺寸进行获取，以此便于根据上述信息对功率器件进行建模，以便于后续仿真。
30.在上述任一技术方案中，设计目标至少包括芯片最大应力、芯片最高温度、模块电感中的一种或多种。
31.在该技术方案中，对设计目标进行获取，设计目标包括但不限于芯片最大应力、芯片最高温度、模块电感中的一种或多种，在确定了设计目标之后，才能够对设计变量和固定参数及性能确定，以基于设计目标对功率器件的接结构进行优化设计。
32.在上述任一技术方案中，信息获取模块还用于：确定封装结构的尺寸信息和芯片布局的尺寸信息中的可变尺寸参数；确定可变尺寸参数的数值变化范围。
33.在该技术方案中，通过对封装结构的尺寸信息和芯片布局的尺寸信息中的可变尺寸参数进行确定，进而对可变尺寸参数的数值变化范围进行确定，进而就能够根据可变尺寸参数的数值变化范围确定可变参数尺寸对设计目标的影响程度，以便于根据影响程度确定设计变量和固定参数。在上述任一技术方案中，信息获取模块还具体用于：在确定可变尺
寸参数的数值变化范围之后，根据可变尺寸参数对设计目标的影响程度，获取作为设计变量的尺寸参数和作为固定参数的尺寸参数。
34.在该技术方案中，通过确定可变尺寸参数对设计目标的影响程度，确定出设计变量和固定参数，以便于后续确定变量实验组合，进而能够减少仿真以及实验的工作量，而无需依靠数学理论进行大量的计算，节约了人力资源，使得功率器件结构的设计过程更加简便。
35.在上述任一技术方案中，可变尺寸参数对设计目标的影响程度为经过单变量灵敏度分析和/或人工根据经验得到的；当设计变量和固定参数的参数值发生同样的变化时，设计变量对设计目标的影响程度大于固定参数对设计目标的影响程度。
36.在该技术方案中，在确定可变尺寸参数的数值变化范围之后，根据设计经验或通过灵敏度分析等方法筛选出对优化设计目标影响较大的尺寸参数作为优化设计变量，对目标影响较小的作为固定设计参数，以此便于根据设计变量和固定参数计算得到优化设计目标的设计数学模型。
37.在上述任一技术方案中，计算模块具体用于：根据设计目标、设计变量、可变尺寸参数的数值变化范围，采用响应面法确定变量实验组合；根据变量实验组合进行有限元仿真，得到仿真结果；根据仿真结果采用响应面法计算得到回归系数；根据回归系数得到设计目标的目标函数和约束函数；根据目标函数和约束函数得到设计数学模型。
38.在该技术方案中，通过设计目标的确定，确定出了设计变量和固定参数，进而就能够采用box-behnken(bbd)、中心组合设计(ccd)等响应面法确定变量实验组合并通过仿真得到响应值结果，进而采用响应面法进行回归分析以获得回归系数，以此得到目标函数和约束函数，进而就能够根据目标函数和约束函数形成功率器件封装结构的多目标优化数学模型，即设计数学模型。
39.其中，响应面分析法，即响应曲面设计方法(response surface methodology，rsm)，是利用合理的试验设计方法并通过实验得到一定数据，采用多元二次回归方程来拟合因素与响应值之间的函数关系，通过对回归方程的分析来寻求最优工艺参数，解决多变量问题的一种统计方法。
40.本发明的第三方面提供了一种基于响应面和nsga
‑ⅲ
算法的功率器件结构设计系统，包括：存储器、处理器及存储在存储器上并可在处理器上运行的程序，程序被处理器执行时实现上述任一技术方案的基于响应面和nsga
‑ⅲ
算法的功率器件结构设计方法限定的步骤。
41.根据本发明的技术方案提供的基于响应面和nsga
‑ⅲ
算法的功率器件结构设计系统，包括存储器和处理器及存储在存储器上并可在处理器上运行的程序，程序被处理器执行时实现上述任一基于响应面和nsga
‑ⅲ
算法的功率器件结构设计方法限定的步骤。同时，由于本技术的基于响应面和nsga
‑ⅲ
算法的功率器件结构设计系统能够实现上述任一基于响应面和nsga
‑ⅲ
算法的功率器件结构设计方法限定的步骤，因此本技术方案提供的基于响应面和nsga
‑ⅲ
算法的功率器件结构设计系统具有上述任一技术方案中提供的基于响应面和nsga
‑ⅲ
算法的功率器件结构设计方法的全部有益效果。
42.本发明的第四方面提供了一种可读存储介质，其上存储有程序和/或指令，程序和/或指令被处理器执行时实现上述任一技术方案中的基于响应面和nsga
‑ⅲ
算法的功率
器件结构设计方法的步骤。
43.根据本发明的技术方案提供的可读存储介质，由于其上存储的程序和/或指令被处理器执行时可实现上述任一技术方案中的基于响应面和nsga
‑ⅲ
算法的功率器件结构设计方法的步骤，因而具有上述基于响应面和nsga
‑ⅲ
算法的功率器件结构设计方法的全部有益技术效果，在此不再赘述。
44.本发明的附加方面和优点将在下面的描述部分中变得明显，或通过本发明的实践了解到。
附图说明
45.本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
46.图1是根据本发明的实施例的基于响应面和nsga
‑ⅲ
算法的功率器件结构设计方法的流程示意图；
47.图2是根据本发明的实施例的基于响应面和nsga
‑ⅲ
算法的功率器件结构设计系统的方框图；
48.图3是根据本发明的实施例的基于响应面和nsga
‑ⅲ
算法的功率器件结构设计系统的方框图；
49.图4是根据本发明的另一实施例的基于响应面和nsga
‑ⅲ
算法的功率器件结构设计方法的流程示意图；
50.图5是根据本发明的又一实施例的中心组合设计模型的示意图；
51.图6是根据本发明的又一实施例的功率器件的垂直结构图；
52.图7是根据本发明的又一实施例的功率器件的简化后的芯片布局图；
53.图8是根据本发明的又一实施例的目标函数的解集示意图；
54.图9是根据本发明的又一实施例的目标函数的解集中各设计变量值分布图；
55.图10是根据本发明的又一实施例的功率器件性能优化前与优化后对比图；
56.图11是根据本发明的又一实施例的nsga
‑ⅲ
算法的流程示意图。
57.其中，图2和图3，图5和图6中附图标记与部件名称之间的对应关系为：
58.200基于响应面和nsga
‑ⅲ
算法的功率器件结构设计系统，202信息获取模块，204计算模块，300基于响应面和nsga
‑ⅲ
算法的功率器件结构设计系统，302存储器，304处理器，602铜层，604igbt芯片，606焊层1，608焊层2，610焊层3，612陶瓷层，614二极管芯片，616缓冲层。
具体实施方式
59.为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本技术的实施例及实施例中的特征可以相互组合。
60.在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
efficiency)，是指资源分配的一种理想状态，假定固有的一群人和可分配的资源，从一种分配状态到另一种状态的变化中，在没有使任何人境况变坏的前提下，使得至少一个人变得更好，这就是帕累托改进或帕累托最优化。
71.本技术所提出的基于响应面和nsga
‑ⅲ
算法的功率器件结构设计方法并不仅限于功率器件的结构优化，该方法也可为其他电子封装器件的优化设计提供指导。
72.在上述实施例中，获取功率器件的封装形式、封装结构以及芯片布局信息的步骤具体包括：获取要进行结构设计的实际功率器件的封装形式；获取实际功率器件的封装结构、及封装结构的各层尺寸；获取实际功率器件的芯片数量、芯片位置和相邻芯片之间的距离。在该实施例中，获取功率器件的封装形式、封装结构以及芯片布局信息，功率器件的封装形式包括但不限于单面封装、双面封装，对叠层封装，其它封装形式同样适用于本技术中的结构设计方法。功率器件的封装结构包括但不限于底板、陶瓷基板、芯片、缓冲层、焊层，具体封装结构根据实际要进行接结构设计的功率器件进行确定，例如，底板一般只存在于单面封装，缓冲层一般只存在于双面封装的散热结构中。此外，焊层可用于连接底板与陶瓷基板、陶瓷基板与芯片、芯片与缓冲层、缓冲层与陶瓷基板。芯片布局形式包括芯片数量、芯片位置和相邻芯片之间的距离。对上述尺寸进行获取，以此便于根据上述信息对功率器件进行建模，以便于后续仿真。
73.在上述实施例中，设计目标至少包括芯片最大应力、芯片最高温度、模块电感中的一种或多种。
74.在该实施例中，对设计目标进行获取，设计目标包括但不限于芯片最大应力、芯片最高温度、模块电感中的一种或多种，在确定了设计目标之后，才能够对设计变量和固定参数及性能确定，以基于设计目标对功率器件的接结构进行优化设计。
75.在上述任一技术方案中，在根据设计目标确定封装结构的尺寸信息和芯片布局的尺寸信息中的设计变量和固定参数的步骤之前，还包括：确定封装结构的尺寸信息和芯片布局的尺寸信息中的可变尺寸参数；确定可变尺寸参数的数值变化范围。
76.在该技术方案中，通过对封装结构的尺寸信息和芯片布局的尺寸信息中的可变尺寸参数进行确定，进而对可变尺寸参数的数值变化范围进行确定，进而就能够根据可变尺寸参数的数值变化范围确定可变参数尺寸对设计目标的影响程度，以便于根据影响程度确定设计变量和固定参数。
77.在上述实施例中，根据设计目标确定封装结构的尺寸信息和芯片布局的尺寸信息中的设计变量和固定参数的步骤具体包括：在确定可变尺寸参数的数值变化范围之后，根据可变尺寸参数对设计目标的影响程度，获取作为设计变量的尺寸参数和作为固定参数的尺寸参数。
78.在该实施例中，通过确定可变尺寸参数对设计目标的影响程度，确定出设计变量和固定参数，以便于后续确定变量实验组合，进而减少仿真以及实验的工作量，无需依靠数学理论进行大量的计算，节约了人力资源，使得功率器件结构的设计过程更加简便。
79.在上述任一实施例中，可变尺寸参数对设计目标的影响程度为经过单变量灵敏度分析和/或人工根据经验得到的；当设计变量和固定参数的参数值发生同样的变化时，设计变量对设计目标的影响程度大于固定参数对设计目标的影响程度。
80.在该实施例中，在确定可变尺寸参数的数值变化范围之后，根据设计经验或通过
灵敏度分析等方法筛选出对优化设计目标影响较大的尺寸参数作为优化设计变量，对目标影响较小的作为固定设计参数，以此便于根据设计变量和固定参数计算得到优化设计目标的设计数学模型。
81.在上述实施例中，根据设计变量和固定参数，采用响应面法拟合得到设计目标的设计数学模型的步骤具体包括：根据设计目标、设计变量、可变尺寸参数的数值变化范围，采用响应面法确定变量实验组合；根据变量实验组合进行有限元仿真，得到仿真结果；根据仿真结果采用响应面法计算得到回归系数；根据回归系数得到设计目标的目标函数和约束函数；根据目标函数和约束函数得到设计数学模型。
82.在该实施例中，通过设计目标的确定，确定出了设计变量和固定参数，进而就能够采用box-behnken(bbd)、中心组合设计(ccd)等响应面法确定变量实验组合并通过仿真得到响应值结果，进而采用响应面法进行回归分析以获得回归系数，以此得到目标函数和约束函数，进而就能够根据目标函数和约束函数形成功率器件封装结构的多目标优化数学模型，即设计数学模型。
83.其中，响应面分析法，即响应曲面设计方法(response surface methodology，rsm)，是利用合理的试验设计方法并通过实验得到一定数据，采用多元二次回归方程来拟合因素与响应值之间的函数关系，通过对回归方程的分析来寻求最优工艺参数，解决多变量问题的一种统计方法。
84.本发明的第二方面实施例提供了一种基于响应面和nsga
‑ⅲ
算法的功率器件结构设计系统200，如图2所示，包括：信息获取模块202，用于获取功率器件的封装形式、封装结构和芯片布局信息，确定封装结构的尺寸信息和芯片布局的尺寸信息，获取设计目标，根据设计目标确定封装结构的尺寸信息和芯片布局的尺寸信息中的设计变量和固定参数；计算模块204，用于根据设计变量和固定参数，采用响应面法拟合得到设计目标的设计数学模型；根据设计数学模型，采用nsga
‑ⅲ
算法对设计数学模型进行计算，得到设计数学模型的解集，以根据解集设计功率器件结构。
85.根据本发明的实施例提供的基于响应面和nsga
‑ⅲ
算法的功率器件结构设计系统，包括：信息获取模块202和计算模块204。具体的，信息获取模块202用于获取功率器件的封装形式、封装结构和芯片布局信息，确定封装结构的尺寸信息和芯片布局的尺寸信息，获取设计目标，根据设计目标确定封装结构的尺寸信息和芯片布局的尺寸信息中的设计变量和固定参数；计算模块204用于根据设计变量和固定参数，采用响应面法拟合得到设计目标的设计数学模型；根据设计数学模型，采用nsga
‑ⅲ
算法对设计数学模型进行计算，得到设计数学模型的解集，以供根据解集设计功率器件结构。同时，根据本发明的实施例提供的基于响应面和nsga
‑ⅲ
算法的功率器件结构设计系统，由于其用于实现本发明的第一方面实施例提供的基于响应面和nsga
‑ⅲ
算法的功率器件结构设计方法的步骤，因而该基于响应面和nsga
‑ⅲ
算法的功率器件结构设计系统具备该基于响应面和nsga
‑ⅲ
算法的功率器件结构设计方法的全部技术效果，在此不再赘述。
86.在上述任一实施例中，信息获取模块202具体用于：获取要进行结构设计的实际功率器件的封装形式；获取实际功率器件的封装结构、及封装结构的各层尺寸；获取实际功率器件的芯片数量、芯片位置和相邻芯片之间的距离。
87.在该实施例中，获取功率器件的封装形式、封装结构以及芯片布局信息，功率器件
的封装形式包括但不限于单面封装、双面封装，对叠层封装，其它封装形式同样适用于本技术中的结构设计方法。功率器件的封装结构包括但不限于底板、陶瓷基板、芯片、缓冲层、焊层，具体封装结构根据实际要进行接结构设计的功率器件进行确定，例如，底板一般只存在于单面封装，缓冲层一般只存在于双面封装的散热结构中。此外，焊层可用于连接底板与陶瓷基板、陶瓷基板与芯片、芯片与缓冲层、缓冲层与陶瓷基板。芯片布局形式包括芯片数量、芯片位置和相邻芯片之间的距离。对上述尺寸进行获取，以此便于根据上述信息对功率器件进行建模，以便于后续仿真。
88.在上述任一实施例中，设计目标至少包括芯片最大应力、芯片最高温度、模块电感中的一种或多种。
89.在该实施例中，对设计目标进行获取，设计目标包括但不限于芯片最大应力、芯片最高温度、模块电感中的一种或多种，在确定了设计目标之后，才能够对设计变量和固定参数及性能确定，以基于设计目标对功率器件的接结构进行优化设计。
90.在上述任一技术方案中，信息获取模块还用于：确定封装结构的尺寸信息和芯片布局的尺寸信息中的可变尺寸参数；确定可变尺寸参数的数值变化范围。
91.在该技术方案中，通过对封装结构的尺寸信息和芯片布局的尺寸信息中的可变尺寸参数进行确定，进而对可变尺寸参数的数值变化范围进行确定，进而就能够根据可变尺寸参数的数值变化范围确定可变参数尺寸对设计目标的影响程度，以便于根据影响程度确定设计变量和固定参数。在上述任一实施例中，信息获取模块202还具体用于：在确定可变尺寸参数的数值变化范围之后，根据可变尺寸参数对设计目标的影响程度，获取作为设计变量的尺寸参数和作为固定参数的尺寸参数。
92.在该实施例中，通过确定可变尺寸参数对设计目标的影响程度，确定出设计变量和固定参数，以便于后续确定变量实验组合，进而能够减少仿真以及实验的工作量，而无需依靠数学理论进行大量的计算，节约了人力资源，使得功率器件结构的设计过程更加简便。
93.在上述实施例中，可变尺寸参数对设计目标的影响程度为经过单变量灵敏度分析和/或人工根据经验得到的；当设计变量和固定参数的参数值发生同样的变化时，设计变量对设计目标的影响程度大于固定参数对设计目标的影响程度。
94.在该实施例中，在确定可变尺寸参数的数值变化范围之后，根据设计经验或通过灵敏度分析等方法筛选出对优化设计目标影响较大的尺寸参数作为优化设计变量，对目标影响较小的作为固定设计参数，以此便于根据设计变量和固定参数计算得到优化设计目标的设计数学模型。
95.在上述任一实施例中，计算模块204具体用于：根据设计目标、设计变量、可变尺寸参数的数值变化范围，采用响应面法确定变量实验组合；根据变量实验组合进行有限元仿真，得到仿真结果；根据所述仿真结果采用响应面法计算得到回归系数；根据回归系数得到设计目标的目标函数和约束函数；根据目标函数和约束函数得到设计数学模型。
96.在该实施例中，通过设计目标的确定，确定出了设计变量和固定参数，进而就能够采用box-behnken(bbd)、中心组合设计(ccd)等响应面法确定变量实验组合并通过仿真得到响应值结果，进而采用响应面法进行回归分析以获得回归系数，以此得到目标函数和约束函数，进而就能够根据目标函数和约束函数形成功率器件封装结构的多目标优化数学模型，即设计数学模型。
97.其中，响应面分析法，即响应曲面设计方法(response surface methodology，rsm)，是利用合理的试验设计方法并通过实验得到一定数据，采用多元二次回归方程来拟合因素与响应值之间的函数关系，通过对回归方程的分析来寻求最优工艺参数，解决多变量问题的一种统计方法。
98.本发明的第三方面实施例提供了一种基于响应面和nsga
‑ⅲ
算法的功率器件结构设计系统300，如图3所示，包括：存储器302、处理器304及存储在存储器302上并可在处理器304上运行的程序，程序被处理器304执行时实现上述任一实施例的基于响应面和nsga
‑ⅲ
算法的功率器件结构设计方法限定的步骤。
99.根据本发明的实施例提供的基于响应面和nsga
‑ⅲ
算法的功率器件结构设计系统，包括存储器和处理器及存储在存储器上并可在处理器上运行的程序，程序被处理器执行时实现上述任一基于响应面和nsga
‑ⅲ
算法的功率器件结构设计方法限定的步骤。同时，由于本技术的基于响应面和nsga
‑ⅲ
算法的功率器件结构设计系统能够实现上述任一基于响应面和nsga
‑ⅲ
算法的功率器件结构设计方法限定的步骤，因此本实施例提供的基于响应面和nsga
‑ⅲ
算法的功率器件结构设计系统具有上述任一实施例中提供的基于响应面和nsga
‑ⅲ
算法的功率器件结构设计方法的全部有益效果。
100.本发明的第四方面实施例提供了一种可读存储介质，其上存储有程序和/或指令，程序和/或指令被处理器执行时实现上述任一实施例中的基于响应面和nsga
‑ⅲ
算法的功率器件结构设计方法的步骤。
101.根据本发明的实施例提供的可读存储介质，由于其上存储的程序和/或指令被处理器执行时可实现上述任一实施例中的基于响应面和nsga
‑ⅲ
算法的功率器件结构设计方法的步骤，因而具有上述基于响应面和nsga
‑ⅲ
算法的功率器件结构设计方法的全部有益技术效果，在此不再赘述。
102.下面结合一具体实施例来进一步介绍本技术提供的基于响应面和nsga
‑ⅲ
算法的功率器件结构设计方法。
103.本实施例提供了一种基于响应面和nsga
‑ⅲ
算法的功率器件结构优化方法，如图4和图6所示，主要包括以下步骤：
104.s402，确定功率器件封装形式、封装结构及芯片布局；封装形式包括但不限于单面封装、双面封装；封装结构包含但不限于底板；陶瓷基板，陶瓷基板包括上铜层、陶瓷层、下铜层；芯片；缓冲层；焊层，焊层可用于连接底板与陶瓷基板、陶瓷基板与芯片、芯片与缓冲层、缓冲层与陶瓷基板；芯片布局包括芯片数量及芯片大致位置。具体的，功率器件封装模型可在comsol等仿真软件中进行参数化建模，设置热源及边界条件，并继续进行后续性能分析。
105.s404，确定可变的封装尺寸参数及其设计空间：包括封装结构中各层的厚度，芯片之间距离。
106.s406，确定优化设计目标，如芯片最大应力，芯片最高结温，模块电感等。
107.s408，根据设计经验或通过灵敏度分析等方法筛选出对优化设计目标影响较大的尺寸参数作为优化设计变量，对目标影响较小的作为固定设计参数。具体的，控制单一变量方法具体为：依次改变单一结构尺寸参数而固定其他参数，通过comsol等软件进行仿真，分析该尺寸参数对优化设计目标影响大小，选择影响较高的作为优化设计变量，将影响较小
的作为固定设计参数。
108.s410，基于响应面法，采用box-behnken中心组合设计模型确定变量实验组合并通过仿真得到响应值结果，采用最小二乘法回归分析获得回归系数，得到目标函数及约束函数，形成功率器件封装结构的多目标优化数学模型。具体的，利用design expert软件，选择其中的box-behnken中心组合设计模型(bbd)，输入s308中所选出的优化设计变量及其设计尺寸的高值和低值，确定设计变量的实验组合，通过comsol软件对模型进行热源及边界条件的设置，仿真得出各实验组合响应值结果，输入到design expert中分析得到拟合系数，去掉非显著影响项因素，得出回归方程即目标函数。对输出的响应列表中反映模型合理性和拟合精度的参数值应重点关注，模型显著性检验p-value＜0.05说明该模型回归效果显著，拟合程度高；校正决定系数r2反应了响应面符合给定数据程度，r2∈[0,1]，且其值越接近于1说明拟合程度越好。
[0109]
box-behnken中心组合设计模型(bbd)具有位于试验空间边缘中点处的处理组合，并至少有三个因子，如图5为三个因子的box-behnken中心组合设计模型，图上的点表示进行的试验运行。
[0110]
s412，采用非支配遗传算法nsga
‑ⅲ
多目标遗传算法得到多目标优化数学模型的pareto最优解集，再结合实际应用条件，选择确定最优封装尺寸。具体的，根据设计变量的设计空间以及步骤五中得到的设计目标回归方程，采用非支配遗传算法nsga
‑ⅲ
多目标遗传算法得到多目标优化数学模型的pareto解集，再结合设计要求或实际应用条件，从解集中选择最优解。
[0111]
本实施例提供的基于响应面和nsga
‑ⅲ
算法的功率器件结构设计方法，通过有限元仿真方法和数学解析方法的结合，与通过单纯的仿真优化方法相比，效率大大提高，避免了盲目大量仿真，缩短设计周期；与单纯的数学解析方法相比，无需根据学科理论和模型结构推导优化目标表达式，大大简化优化过程，降低使用者的专业门槛，适用于不同模型，通用性好，且能更反映功率器件结构优化设计的细节。目前，大多数多目标进化算法在求解目标维数较低的问题时较为有效，但非支配解的比例会随目标数量的增加而成指数增长，导致非支配解占据了种群中大部分位置，大大减慢了搜索过程，尤其当目标数目大于等于3的时候，即面对高维目标优化问题，效果变得不理想。而nsga
‑ⅲ
的主要思路是在nsga
‑ⅱ
的基础上，引入参考点机制，对于那些非支配并且接近参考点的种群个体进行保留。nsga-iii适用于许多具有2到15个目标的多目标测试问题，能达到令人满意的效果。
[0112]
下面结合又一具体实施例来进一步介绍本技术提供的基于响应面和nsga
‑ⅲ
算法的功率器件结构设计方法。
[0113]
本实施例提供了一种基于响应面和nsga
‑ⅲ
算法的功率器件结构优化方法，是一种基于响应面和nsga
‑ⅲ
遗传算法的功率器件封装结构优化设计方法，主要包括以下步骤：
[0114]
首先，确定功率器件封装形式、封装结构及芯片布局，本实施例选用双面散热半桥功率模块进行优化。其垂直结构图及简化后的芯片布局图如图6和图7所示，包括两个igbt芯片604(绝缘栅双极型晶体管芯片)和两个二极管芯片614。
[0115]
进而，如图6所示，可设计的尺寸参数有：陶瓷基板的铜层602厚度、陶瓷基板的陶瓷层612厚度、用于连接陶瓷基板与芯片的焊层1606厚度、用于连接芯片与缓冲层616的焊层2608厚度、缓冲层616厚度、用于连接缓冲层与陶瓷基板的焊层3610厚度、igbt芯片604与
二极管芯片614之间距离、两igbt芯片604之间距离，其设计空间如表1所示，其中，各数值单位皆为mm：
[0116]
表1参数设计空间
[0117][0118]
进而，选择用于连接陶瓷基板与芯片的焊层1606厚度x1、用于连接芯片与缓冲层的焊层2608厚度x2、用于连接缓冲层与陶瓷基板的焊层3610厚度x3、缓冲层厚度x4、陶瓷基板的陶瓷层厚度x5、igbt与二极管之间距离x6、两igbt芯片之间距离x77个因素作为设计变量，将陶瓷基板的铜层厚度作为固定设计参数。
[0119]
而后，选择芯片最大应力f、芯片最高结温t为优化设计目标进而，利用design expert软件，选择其中的box-behnken中心组合设计模型(bbd)，输入所选出的优化设计变量及其设计尺寸的高值和低值，确定设计变量的实验组合共62个，见表2。通过comsol软件对模型仿真得出各实验组合响应值结果，输入到实验组合表中，见表2，其中，未标注单位的各数值单位皆为mm。
[0120]
表2实验组合表
[0121]
[0122]
[0123][0124]
通过对响应值的拟合，求得模型回归系数，去除非显著影响的常数项、交叉项、二次项，最终得到拟合的二阶模型回归方程即目标函数为：
[0125][0126][0127]
响应面模型的p-value、r2值及其他相关拟合度量值如表3所示，从中可以看出模型显著，拟合度高，精度满足要求。
[0128]
表3响应面拟合度量值
[0129][0130]
采用nsga
‑ⅲ
算法来寻求目标函数的多目标优化pareto解集。设置种群大小150，最大进化代数800，停止代数800，最优个体系数0.4，适应度函数偏差1e-8。pareto解集如图8所示。
[0131]
在选择模型最优解时，应根据实际使用条件来选择，如果侧重优化芯片力学性能则可选择使应力最小的解，若侧重芯片的热学性能则可选择使温度最小的解，两种性能兼顾则可选择图中拐点处的解，表4列出了本次优化集中的最优解，其中，未标注单位的各数值单位皆为mm。
[0132]
表4最优解选择
[0133][0134]
如图9所示，列出了最优解集中各设计变量值分布，可看出陶瓷层较厚时，缓冲层较薄时，芯片热力性能越好等。
[0135]
本实施例优化前仿真值和优化后pareto解对比，即功率器件性能优化前与优化后对比图如图10所示。
[0136]
其中，nsga
‑ⅲ
算法的流程图如图11所示，主要包括以下步骤：
[0137]
s1102，设置nsga
‑ⅲ
遗传算法的参数和变量范围；
[0138]
s1104，随机产生初始种群；
[0139]
s1106，基于参考点选择操作；
[0140]
s1108，进行交叉、变异操作，得到子代种群；
[0141]
s1110，将父代种群和子代种群进行合并；
[0142]
s1112，根据目标函数值进行非支配排序；
[0143]
s1114，选取较好个体进入下一代种群；
[0144]
s1116，是否达到迭代次数；具体的，若否执行s1118，若是流程结束；
[0145]
s1118，迭代次数加1，并返回s1104。
[0146]
本实施例所提出的一种基于响应面和nsga
‑ⅲ
算法的功率器件封装结构优化设计方法，优化效果良好。本方法结合了有限元仿真方法和数学解析方法，与通过单纯的仿真优化方法相比，效率大大提高，避免了盲目大量仿真，缩短设计周期；与单纯的数学解析方法相比，无需根据学科理论和模型结构推导优化目标表达式，大大简化优化过程，降低使用者的专业门槛，适用于不同模型，通用性好，且能更反映功率器件结构优化设计的细节。此外，虽然本实施例选用了两个优化目标，但本发明所提的一种基于响应面和nsga
‑ⅲ
算法的功率器件封装结构优化设计方法对高维目标优化(即三个及三个以上优化目标)问题优化效果更好。本方法可以解决先前方法面对高维目标优化问题优化效果不理想的问题，适用于许多具有2到15个目标的多目标优化问题，能达到令人满意的效果。
[0147]
在本说明书中，术语“多个”则指两个或两个以上，除非另有明确的限定。术语“安装”、“相连”、“连接”、“固定”等术语均应做广义理解，例如，“连接”可以是固定连接，也可以是可拆卸连接，或一体地连接；“相连”可以是直接相连，也可以通过中间媒介间接相连。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
[0148]
在本说明书的描述中，术语“一个实施例”、“一些实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或实例。而且，描述的具体特征、结构、材料或特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
[0149]
以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。