一种工业芯片常用变压器的深度神经网络建模方法技术

本发明专利技术涉及一种工业芯片常用变压器的深度神经网络建模方法，属于片上变压器建模技术领域，该方法包括：S1、确定变压器的结构、工作频率、几何参数以及仿真的性能，并将变压器的多个几何参数定义为向量X，待求解的多个性能定义为向量Y；S2、在设定区间采用适合的采样方法获取大量的几何参数X，然后通过电磁仿真计算出对应的性能指标Y，构成样本数据集(X,Y)；S3、对样本数据集(X,Y)进行归一化处理；S4、采用机器学习算法建立片上变压器的深度神经网络模型；S5、对所述深度神经网络模型进行测试和验证。本发明专利技术提供的方法能够在有限的建模样本下建立起高精度深度模型，提升建模时所需的样本效率并且避免机器学习的过拟合问题。样本效率并且避免机器学习的过拟合问题。样本效率并且避免机器学习的过拟合问题。

【技术实现步骤摘要】
一种工业芯片常用变压器的深度神经网络建模方法
5

[0001]本专利技术属于片上变压器建模
，具体为一种工业芯片常用变压器的深度神经网络建模方法。

技术介绍

[0002]0隔离器是工业电路应用中必不可少的部分，比如用来隔离电源与设备之
[0003]间的信号干扰。根据隔离原理不同，一般可以分为光耦合、电容耦合以及变压器磁耦合三种类型。基于片上集成的变压器耦合具备功耗低、面积较小、传输速率快、额定隔离电压高等优点。磁变隔离芯片额定隔离电压可以2倍
[0004]于光耦隔离器，传输速率高于光耦隔离器十倍，在市场上具有较强的优势。5CMTI是衡量数字隔离器性能的重要指标，用来衡量抗高速噪声的能力。
[0005]合理设置片上变压器隔离器件几何参数可以提高数字隔离芯片抑制噪声的能力。另外，片上变压器的面积非常大，无论采用什么工艺都需要整个数字隔离器预留很大的面积来满足变压器。而面积大小也由片上变压器参数决定。
[0006]因此，设计片上变压器几何参数成为数字隔离设计的重要问题。
[0007]0在传统的片上变压器设计本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种工业芯片常用变压器的深度神经网络建模方法，包括以下步骤：S1、确定变压器的结构、工作频率、几何参数以及仿真的性能指标，并将变压器的多个几何参数定义为向量X，待求解的多个性能指标定义为向量Y；S2、在每个几何参数的设定区间采用适合的采样方法获取大量的几何参数X，然后通过电磁仿真计算出对应的性能指标Y，从而构成样本数据集(X,Y)；S3、对样本数据集(X,Y)进行归一化处理，避免多性能之间由于巨大差异引起的数据波动，保证建模能够收敛；S4、使用归一化处理后的样本数据集，采用机器学习算法建立片上变压器的深度神经网络模型；S5、对所述深度神经网络模型进行测试和验证。2.根据权利要求1所述的工业芯片常用变压器的深度神经网络建模方法，其特征在于，步骤S2中采用蒙特卡洛采样获取大量的几何参数X。3.根据权利要求2所述的工业芯片常用变压器的深度神经网络建模方法，其特征在于，步骤S3中所述归一化的运算方法为：给定当前的某个几何参数值x，其归一化后的数值为处于[0,1]的x_norm，x_norm＝(x
‑
x_min)/(x_max
‑
x_min)式中：x_min代表x设定区间内的最小值，x_max代表x设定区间内的最大值。4.根据权利要求3所述的工业芯片常用变压器的深度神经网络建模方法，其特征在于，步骤S4具体为：S41、建立片上变压器的深度神经网络模型的表达式为：Y＝(X,θ)式中：向量X为给定变压器的多个几何参数，向量Y为对应的多个性能指标，θ表示待求解的模型系数，f(.)表示模型函数；S42、采用M层残差神经网络作为几何深度特征提取层，将几何参数提取为几何电学特征，对于第m(m＝1,2,3，
…
，M)层残差网络，其输入、输出的计算公式为：a
m
＝g(h
m
+a
m
‑1)其中：h
m
＝w
...

【专利技术属性】
技术研发人员：刘志强，徐鹏，周勇，夏衡，杨玉茹，刘问博，
申请(专利权)人：芯创智创新设计服务中心宁波有限公司，
类型：发明
国别省市：