基于带动量项神经网络的光互连模块耦合效率预测方法技术

本发明专利技术公开了一种基于带动量项神经网络的光互连模块耦合效率预测方法，包括建立光互连模块有限元模型，施加温度和振动载荷，基于单因子法分析影响光互连模块耦合效率的影响因素，对影响光耦合的主要因素进行正交实验组建多组不同水平的实验组，对其进行仿真实验得到其光互连模块耦合效率，将得到的多组合的数据作为训练样本来训练神经网络，训练好的网络可以较准确地预测光耦合效率。本发明专利技术避免了标准BP神经网络存在学习收敛慢，易陷入局部最小等缺点，实现高效和准确地预测温振复合载荷下的光互连模块耦合效率，为实际工程化应用中设计并制造高耦合效率的高速光互连模块提供一种科学而有效的快速手段。

Coupling efficiency prediction method of optical interconnection module based on driving quantity neural network

The invention discloses a forecasting method of coupling efficiency of optical interconnection module momentum based on neural network, including the establishment of finite element model of optical interconnection module, the applied temperature and vibration load, analysis of the factors influencing the effect of coupling efficiency of optical interconnection module based on single factor method, the main factors affecting the optical coupling of orthogonal experiments were carried out to form different levels of the experimental group, carries on the simulation experiment to obtain the optical interconnection module coupling efficiency, will get more combinations of data as training samples to train the neural network, the trained network can accurately predict the light coupling efficiency. The invention avoids the standard BP neural network learning has slow convergence, easy to fall into local minimum points. To achieve efficient and accurate prediction of optical interconnection module coupling efficiency of the combined temperature and vibration loads, providing a scientific and effective method for rapid high speed optical interconnection module used in practical engineering design and manufacturing of high coupling efficiency.

【技术实现步骤摘要】
基于带动量项神经网络的光互连模块耦合效率预测方法
本专利技术涉及光互连耦合效率预测
，具体是一种基于带动量项神经网络的光互连模块耦合效率的预测方法。
技术介绍
面对未来大容量、高速率和低能耗的数据交换要求，拥有高带宽和低时延等优点的光互连是非常有前途的互连方式。但是，因光路对准偏移造成光耦合损耗仍是光互连面临的众多困难和挑战之一。在光互连中，要实现光通信就要保证足够功率的信号到达探测器，因此，对整个光链路过程中的损耗研究有重要意义。判断光链路优劣的重要指标之一是光耦合效率。现在，光电产品运用领域越来越广泛，从大型的通信服务器、超级计算机到越来越电子化和智能化的飞机。因此，韦何耕、黄春跃、梁颖、ZHOUB，QIUBJ等人研究表明光电产品中的光互连模块不可避免地受到电子产品工作产热、天气温度、飞机的振动等环境因素的影响。光互连模块在温度变化时其各结构材料热膨胀系数失配和振动下PCB发生变形将导致关键位置处产生对准偏移，虽然这些影响造成的对准偏移可能只在微米量级，但是，光耦合损耗甚至会超过30％。正是由于光互连模块不可避免的需要工作于包括温度变化和振动冲击等在内的复杂环境中并且由此所本文档来自技高网...

【技术保护点】
一种基于带动量项神经网络的光互连模块耦合效率预测方法，其特征在于，包括建立光互连模块有限元模型，施加温度和振动载荷，基于单因子法分析影响光互连模块耦合效率的因素，对这些影响光耦合的主要因素进行正交实验组建多组不同水平的实验组，对其进行仿真实验得到其光互连模块耦合效率，将由此得到的众多组合的数据作为训练样本来训练神经网络，训练好的网络可以较为准确地预测光耦合效率，具体包括如下步骤：1)建立光互连模块有限元模型；2)对步骤1)建立的光互连模块有限元模型施加热循环的温度载荷；3)对经受温度载荷后的模型，进行有预应力的模态分析；4)对模型再进行随机振动分析；5)由振动分析后得到的光互连模块关键位置处的...

【技术特征摘要】
1.一种基于带动量项神经网络的光互连模块耦合效率预测方法，其特征在于，包括建立光互连模块有限元模型，施加温度和振动载荷，基于单因子法分析影响光互连模块耦合效率的因素，对这些影响光耦合的主要因素进行正交实验组建多组不同水平的实验组，对其进行仿真实验得到其光互连模块耦合效率，将由此得到的众多组合的数据作为训练样本来训练神经网络，训练好的网络可以较为准确地预测光耦合效率，具体包括如下步骤：1)建立光互连模块有限元模型；2)对步骤1)建立的光互连模块有限元模型施加热循环的温度载荷；3)对经受温度载荷后的模型，进行有预应力的模态分析；4)对模型再进行随机振动分析；5)由振动分析后得到的光互连模块关键位置处的位移计算出对准偏移；6)基于ZEMAX光学软件仿真分析出在相应对准偏移下的光互连模块耦合效率；7)基于正交实验设计分析出影响光互连模块耦合效率的重要因素；8)将对光耦合效率有重要影响的因素在多水平下随机组合若干组建立光互连模块有限元模型，然后重复步骤2)～步骤6中，得到若干组光互连模型的耦合效率；9)将多因素不同水平组合实验设计及其耦合效率作为神经网络的训练样本，对网络进行学习训练；10)当网络满足条件收敛，光耦合效率预测精度满足要求为止；经过上述步骤，高效和准确地完成光互连模块耦合效率的预测。2.根据权利要求1所述的一种基于带动量项神经网络的光互连模块耦合效率预测方法，其特征在于，步骤1)中，所述的光互连模型尺寸，上层PCB长为27mm，宽为27mm，高为1.52mm；中层PCB长为35mm，宽为35mm，高为1.52mm；下层PCB长为55mm，宽为50mm，高为1.52mm；光耦合元件半径为0.0625mm，长度为2.76mm；埋入式光纤半径为0.0625mm，长度为30mm；焊盘半径为0.608mm；上层焊球体积为0.23mm3，高度为0.52mm，中心距为1.5mm；下层焊球体积为0.23mm3，高度为0.48mm，中心距为1.5mm。3.根据权利要求1所述的一种基于带动量项神经网络的光互连模块耦合效率预测方法，其特征在于，步骤7)中，所述的重要因素，包括焊点材料、焊盘直径、焊点体积、焊点中心距、上焊点高度和下焊点高度。4.根据权利要求1所述的一种基于带动量项神经网络的光互连模块耦合效率预测方法，其特征在于，步骤7)中，所述的正交实验，设有70组正交试验组，其中60组为训练样本，10组为测试样本。5.根据权利要求1所述的一种基于带动量项神经网络的光互连模块耦合效率预测方法，其特征在于，步骤9)中，所述的学习训练，具体步骤如下：a、将权值和阈值ωij,υjt,θj,γj初始化，赋予在(-1，1)的随机值；b、将输入和输出训练样本Pk＝(a1,a2,…,an)，Tk＝(y1,y2,…,yn)带入网络；c、计算隐含层各单元输入sj经过传递函数得到输出bj，具体是：bj＝f(sj),j＝1,2,L,p(2)d、计算输出层各单元输入Lt经过传递函数得到输出Ct，具体是：

【专利技术属性】
技术研发人员：黄春跃，张龙，黄根信，韩立帅，殷芮，路良坤，何伟，王建培，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：广西,45