一种基于物理启发特征与坍缩诊断的芯片布局散热温度预测优化方法及系统
本发明涉及功率半导体模块热设计,尤其涉及一种基于物理启发特征与坍缩诊断的芯片布局散热温度预测优化方法。本发明可应用于新能源汽车电机控制器功率模块、光伏逆变器功率模块、储能变流器功率模块及航空电源功率模块的热布局设计。
背景技术:
1、sic、gan、igbt等功率半导体器件在新能源汽车、光伏逆变器、储能变流器、航空电源和高功率密度电力电子设备中广泛应用。随着功率密度提高,多颗芯片在同一功率模块封装内并联或桥臂化布置,芯片间距、阵列偏移、dbc铜层图形、母线连接和冷板流动路径会共同影响最高结温、热阻和温度均匀性。
2、目前在功率模块热设计中,通常通过逐点三维流固共轭传热仿真才能获得可靠的芯片最高温度用于布局筛选,或依赖经验公式进行粗略估计。完整三维流固共轭传热仿真能够提供较准确的最高温度结果,但单次求解耗时较长,难以覆盖大规模布局候选空间。另一方面,简单启发式指标虽然计算快,但若未经过高保真温度样本校准,容易将几何直觉误认为真实温度预测,导致推荐候选在高保真复核中失效。公开技术中,已有方案涉及功率模块在线结温预测、集成电路热仿真、功率模块电磁布局优化以及热点区域冷却结构优化。例如,有的方案利用ntc热敏电阻、水流量和老化因子预测功率半导体模块全寿命周期结温;有的方案在早期ic设计中进行温度-功耗反馈热仿真;有的方案以寄生电感和布局面积为目标进行功率模块自动布局;还有方案通过微通道或歧管结构针对热点增强散热。
技术实现思路
1、为克服上述现有技术的不足,本发明提供一种基于物理启发特征与坍缩诊断的芯片布局散热温度预测优化方法及系统。
2、根据本发明说明书的一方面,提供一种基于物理启发特征与坍缩诊断的芯片布局散热温度预测优化方法,包括:获取功率模块中多个发热芯片的布局变量,根据所述布局变量生成候选芯片布局,并对所述候选芯片布局进行可行性筛选,得到多个可行候选布局;从所述多个可行候选布局中选取至少一部分作为样本布局,获取所述样本布局对应的高保真温度样本,并将所述样本布局划分为训练集和验证集,为每一所述样本布局构造物理启发特征向量;基于所述训练集中样本布局的物理启发特征向量和高保真温度样本训练散热温度代理模型;获取所述散热温度代理模型在验证集上的验证误差,并获取所述散热温度代理模型在多个可行候选布局集合上的预测温度分布宽度,根据所述验证误差和预测温度分布宽度确定模型超参数,以避免散热温度代理模型发生常数化预测;利用训练后的散热温度代理模型对所述可行候选布局进行散热温度预测,根据预测温度对可行候选布局排序,输出预测温度满足预设条件的候选布局。
3、作为进一步的技术方案,所述布局变量包括芯片阵列中多个芯片之间的横向间距、纵向间距、阵列中心横向偏移量和阵列中心纵向偏移量;所述候选芯片布局通过以下方式生成:根据所述横向间距、纵向间距、阵列中心横向偏移量和阵列中心纵向偏移量,结合每一芯片在所述芯片阵列中的行列序号,计算每一芯片的中心位置坐标;根据各所述芯片的中心位置坐标生成候选芯片布局。
4、作为进一步的技术方案,所述可行性筛选包括以下至少一种约束条件:芯片或贴装层之间不重叠;芯片或贴装层到封装边界、dbc陶瓷边界或铜层边界具有预设余量;芯片落入与母线拓扑相匹配的预设区域;芯片不侵入端子布线区域、控制走线区域或安装孔禁布区域;候选布局能够生成可接受质量的仿真网格;候选布局满足制造工艺最小间距要求。
5、作为进一步的技术方案,所述物理启发特征向量包括以下至少一种特征:所述布局变量的代数特征;芯片中心到封装边界或dbc边界的最小余量的倒数特征;芯片间热耦合强度特征;芯片阵列沿冷却方向的展宽特征;芯片阵列沿冷却方向的整体偏置特征。
6、作为进一步的技术方案,所述芯片间热耦合强度特征通过以下方式构造:计算所述芯片阵列中任意两芯片之间的中心距离;根据所述中心距离和预设的热扩散衰减尺度,计算每一芯片与其余各芯片之间的热耦合贡献值之和;取所有芯片中热耦合贡献值之和的最大值作为所述芯片间热耦合强度特征。
7、作为进一步的技术方案,所述散热温度代理模型为ridge回归模型;模型超参数包括ridge回归模型的正则化系数;所述预测温度分布宽度为散热温度代理模型在多个可行候选布局上的预测温度最大值与预测温度最小值之差。
8、作为进一步的技术方案,根据所述验证误差和预测温度分布宽度确定模型超参数,包括:获取多个候选超参数下所述散热温度代理模型各自的验证误差和预测温度分布宽度;在所述候选超参数中,选择所述验证误差小于预设误差阈值且所述预测温度分布宽度大于预设宽度阈值的超参数作为模型超参数。
9、作为进一步的技术方案,还包括:对排序后预测温度满足预设条件的候选布局执行高保真复核,获得复核温度;若所述复核温度优于当前最优布局的温度,则更新当前最优布局;将所述复核结果加入训练集,并重新训练所述散热温度代理模型。
10、根据本发明说明书的一方面,提供一种基于物理启发特征与坍缩诊断的芯片布局散热温度预测优化系统,包括:布局生成模块,用于获取功率模块中多个发热芯片的布局变量,根据所述布局变量生成候选芯片布局,并对所述候选芯片布局进行可行性筛选,得到多个可行候选布局;特征构造模块,用于从所述多个可行候选布局中选取至少一部分作为样本布局,获取所述样本布局对应的高保真温度样本,并将所述样本布局划分为训练集和验证集,为每一所述样本布局构造物理启发特征向量;模型训练模块,用于基于所述训练集中样本布局的物理启发特征向量和高保真温度样本训练散热温度代理模型;超参数选择模块,用于获取所述散热温度代理模型在所述验证集上的验证误差,并获取所述散热温度代理模型在所述多个可行候选布局上的预测温度分布宽度,根据所述验证误差和所述预测温度分布宽度确定模型超参数,以避免所述散热温度代理模型发生常数化预测;预测输出模块,用于利用训练后的所述散热温度代理模型对所述可行候选布局进行散热温度预测,根据预测温度对所述可行候选布局排序,输出预测温度满足预设条件的候选布局。
11、作为进一步的技术方案,还包括:迭代更新模块,用于对排序后预测温度满足预设条件的候选布局执行高保真复核,获得复核温度,若所述复核温度优于当前最优布局的温度,则将所述候选布局更新为当前最优布局,并将所述复核结果加入所述训练集后重新训练所述散热温度代理模型。
12、与现有技术相比,本发明的有益效果在于:
13、(1)本发明以设计阶段的芯片布局变量作为输入,无需依赖在线温度传感器、ntc热敏电阻、水流量或老化因子,在设计阶段即可完成布局散热性能评估,显著降低硬件依赖与测试成本。
14、(2)本发明通过构造包含边界余量、芯片间热耦合强度和冷却方向分布等物理启发特征向量,将传热物理规律嵌入代理模型,在有限高保真样本条件下仍能保持较高的预测精度,解决了纯数据驱动方法在小样本场景下泛化能力不足的问题。
15、(3)本发明不仅依据交叉验证误差评估代理模型,还引入候选空间预测温度分布宽度作为坍缩诊断指标,有效避免代理模型因正则化过强而在候选布局空间中丧失区分能力,确保超参数选择兼顾预测精度与布局排序有效性,提升了布局优化结果的可靠性。
16、(4)本发明利用训练后的代理模型对可行候选布局进行快速温度预测和排序,可在不逐个执行高保真仿真的情况下筛选大量候选布局,大幅降低热设计迭代成本,缩短设计周期。
17、(5)本发明通过“预测→排序→复核→更新样本集→重训练”的闭环迭代优化机制,能够逐步扩充样本库并持续提升代理模型在最优解区域的预测精度,最终输出的布局方案经高保真复核验证,优化结果具有较高的工程可信度。
18、(6)本发明适用于固定冷板结构、固定封装结构和固定运行工况下的多芯片功率模块热布局优化,亦可扩展至其他多热源电子封装的热布局设计场景。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com