基于多阶压降特征与工况指纹的供电网络Vmin故障诊断方法及系统

本发明涉及集成电路电源完整性分析和电子设计自动化，具体为一种基于多阶压降特征与工况指纹的供电网络vmin故障诊断方法及系统。

背景技术：

1、在现代高性能数字集成电路、芯粒系统和高密度异构集成系统中，器件工作电压裕量不断缩小，负载电流的瞬态跃迁、周期性纹波以及由软件任务切换产生的频谱成分更容易在供电网络中引起电源噪声。当负载端实际供电电压低于保证时序和功能正确性的最小供电电压阈值时，电路可能出现时序违例、功能错误、性能降级或可靠性下降，因此vmin已经成为电源完整性分析和供电网络协同设计中的关键指标。

2、供电网络通常由电压调节模块、印刷电路板或主板、封装结构、芯片-封装接口以及片上电源网格共同构成。不同层级具有不同的电阻、电感、电容、互连寄生参数和去耦特性，使得供电网络阻抗随频率显著变化。负载电流中的不同频率分量会激发不同层级或多个层级耦合形成的阻抗峰，从而在时域电压响应中形成多个具有不同时间尺度、空间来源和衰减模式的电压压降事件。

3、现有供电网络分析方法多将供电网络作为整体系统处理，主要观察整体阻抗、整体瞬态响应或最坏情况下的vmin。这类方法虽然可以用于基本验证，但难以解释vmin下降究竟来自板级、封装级还是裸片级，也难以根据诊断结果直接选择板级去耦、封装互连或片上电源网格的优化方向。还有一些方法从单个寄生参数角度分析压降，但缺少跨层级的系统归因能力，也未充分考虑阻抗峰位置、负载工况变化和压降特征可靠性之间的对应关系。

4、因此，亟需一种在保留多阶压降事件表征能力的基础上，进一步结合阻抗指纹、负载工况指纹、层级边界节点和物理约束预测模型，快速预测不同供电网络层级对vmin下降的贡献比例，并据此定位vmin故障主导来源、判断诊断置信度和生成定向优化建议的技术方案。

技术实现思路

1、本发明针对现有技术缺乏vmin故障层级归因能力、对输入工况变化敏感而解释不足以及全量瞬态仿真开销较高的问题，提供一种基于多阶压降特征与工况指纹的供电网络vmin故障诊断方法及系统。本发明以一阶、二阶和三阶电压压降事件的压降幅值、出现时刻、时间常数、窗口面积和拟合质量标识作为供电网络动态行为表征，并结合阻抗峰位置、负载电流频率、直流偏置、交流幅值和边沿信息，预测板级、封装级和裸片级对vmin下降的贡献比例。

2、为实现上述目的，本发明提供如下技术方案：

3、一种基于多阶压降特征与工况指纹的供电网络vmin故障诊断方法，包括：

4、s1，构建或获取待分析供电网络的多级供电网络模型，并在板级、封装级和裸片级之间设置用于贡献归因的边界节点，多级供电网络模型能够输出负载端供电电压和各层级边界节点电压；

5、s2，对多级供电网络模型或实测供电网络进行阻抗扫描或读取阻抗测量数据，生成包含阻抗峰频率、峰值带宽、峰值幅度和疑似主导层级的阻抗指纹；

6、s3，根据阻抗指纹配置负载电流激励，采集负载端电压时域响应、负载端最小供电电压vmin以及不同供电网络层级的电压降，并记录负载工况指纹；

7、s4，根据负载端电压时域响应识别一阶、二阶和三阶电压压降事件，并分别提取每一阶电压压降事件的压降幅值、出现时刻、时间常数、窗口积分面积和拟合质量标识中的至少两项，形成多阶压降特征；

8、s5，在设定输入电流工况下，根据负载端最小供电电压vmin和不同供电网络层级的电压降，计算板级、封装级和裸片级对vmin下降的电压贡献比，并对贡献比进行非负归一化处理；

9、s6，以阻抗指纹、负载工况指纹和多阶压降特征作为输入特征，以板级、封装级和裸片级的电压贡献比作为监督标签，训练带物理约束的贡献比预测模型；

10、s7，对待诊断供电网络执行s2至s4，利用训练后的贡献比预测模型输出板级、封装级和裸片级对vmin下降的预测贡献比和置信度，并根据预测贡献比、置信度和预设优化动作库确定导致vmin故障的主导供电网络层级。

11、进一步地，所述s1具体包括：

12、s1.1，确定多级供电网络拓扑：将从电压源或电压调节模块到裸片负载端的供电路径划分为电压调节路径、板级连接路径、板级去耦路径、板封装互连路径、封装去耦路径、芯片-封装接口路径以及裸片负载路径；

13、s1.2，建立各层级等效子模型：分别将板级、封装级和裸片级供电路径表示为由电阻、电感、电容、互连寄生参数、s参数子网络或片上电源网格等效阻抗中的一种或多种组成的等效支路；

14、s1.3，设定或导入模型参数：根据设计空间、工艺库、版图提取结果、实测s参数、电磁仿真结果、在线监测数据中的一种或多种设定各等效支路的寄生参数，并记录参数来源标识；

15、s1.4，确定激励端口、观测端口和边界节点：将负载电流注入裸片负载端，将裸片负载端电压作为vmin评估对象，并在板级、封装级和裸片级边界设置用于层级电压降计算的节点对；

16、s1.5，生成可用于瞬态仿真、频域分析、实测数据处理或机器学习数据生成的供电网络模型文件，并保存拓扑版本、节点映射关系和层级归属关系。

17、进一步地，所述s1.1具体包括：

18、s1.1.1，将电压调节模块至主板的供电路径定义为板级输入连接路径，并用第一组串联寄生支路、端口网络或实测等效阻抗表示；

19、s1.1.2，将主板去耦电容所在路径定义为板级去耦路径，并用包括等效串联电阻、等效串联电感、去耦电容和频率相关损耗的支路表示；

20、s1.1.3，将主板至封装的互连路径、封装去耦路径和封装至裸片的互连路径共同定义为封装电源路径，将裸片负载端定义为裸片侧供电路径，并允许在芯粒系统中设置中介层路径、硅桥路径、片上稳压器路径中的一种或多种；

21、s1.1.4，根据各路径的电压测量节点、仿真节点或片上监测节点建立板级、封装级和裸片级电压降的计算节点对，并在节点缺测时建立可由等效模型估计的虚拟节点；

22、所述s1.2具体包括：

23、s1.2.1，将主板连接段、主板到封装连接段和封装到裸片连接段分别表示为电阻-电感串联支路、多端口互连子网络或由版图提取得到的寄生网络；

24、s1.2.2，将主板去耦段和封装去耦段分别表示为包含等效串联电阻、等效串联电感、去耦电容、安装寄生参数和频率相关损耗的rlc支路；

25、s1.2.3，将裸片负载端表示为片上电阻、片上去耦电容、片上电源网格等效阻抗、局部负载分布中的一种或多种，并在需要时区分多个电源域；

26、s1.2.4，对多级供电网络模型进行频域阻抗检查，获得高频、中频和低频阻抗峰及其半功率带宽，并将阻抗峰与候选主导层级关联存储。

27、进一步地，所述s2中生成包含阻抗峰频率、峰值带宽、峰值幅度和疑似主导层级的阻抗指纹的步骤包括：

28、s2.1，获取待分析供电网络的频域阻抗数据，所述频域阻抗数据通过以下至少一种方式获得：对多级供电网络模型执行频域阻抗扫描；对实测供电网络执行阻抗测量；读取矢量网络分析仪数据、片上监测电路数据、电磁仿真数据、由s参数换算得到的阻抗数据中的一种或多种；

29、s2.2，在频域阻抗数据形成的阻抗幅频曲线中识别阻抗峰、阻抗峰肩部、相邻谷值和阻抗平台区，并记录阻抗峰频率、峰值幅度、峰值带宽、相邻谷值频率和峰值品质因数；

30、s2.3，根据各供电网络层级的参数扰动对阻抗峰幅度变化或频率偏移的灵敏度，确定与各阻抗峰对应的疑似主导层级，并将各阻抗峰与候选压降时间尺度、采样优先级和可信度标识关联，形成阻抗指纹元数据；

31、s2.4，根据阻抗指纹生成频率感知采样策略：在阻抗峰附近进行密集线性采样，在阻抗峰肩部进行偏斜线性采样，在阻抗峰以外进行稀疏对数采样；

32、s2.5，将阻抗指纹、层级边界节点、采样优先级和数据来源标识保存为后续负载激励、压降特征提取和贡献比建模的公共输入。

33、进一步地，所述s3具体包括：

34、s3.1，对多级供电网络模型或实测供电网络的裸片负载端施加阶跃负载电流激励、脉冲负载电流激励、实测工作负载片段中的一种或多种，得到用于提取多阶电压压降事件的负载端瞬态响应；

35、s3.2，对多级供电网络模型或实测供电网络的裸片负载端施加正弦负载电流激励、扫频负载电流激励、由实际工作负载分解得到的等效频率分量中的一种或多种，得到用于计算层级贡献比和训练贡献比预测模型的响应数据；

36、s3.3，改变负载电流的频率f、直流偏置idc、交流幅值iac、边沿斜率、占空比或激励来源标识，形成多个输入电流工况，并将其编码为负载工况指纹，具体包括：

37、s3.3.1，在覆盖待分析供电网络有效工作频谱的范围内选择负载电流频率f，并优先覆盖阻抗指纹中记录的峰值频率、肩部频率和相邻谷值频率；

38、s3.3.2，根据负载标称电流的预设比例范围选择直流偏置idc，并将直流偏置转换为相对于标称电流的归一化编码；

39、s3.3.3，根据负载动态电流波动幅度的预设比例范围选择交流幅值iac，并记录交流幅值、边沿斜率或占空比对vmin的影响；

40、s3.3.4，对频率f采用频率感知的混合采样方式，在阻抗峰附近进行密集线性采样，在阻抗峰肩部区域进行向峰值方向加密的偏斜采样，在阻抗峰之外进行稀疏对数采样，并在低置信度区域自动追加采样点；

41、s3.4，针对每个输入电流工况采集负载端输出电压、负载端最小供电电压vmin、板级、封装级和裸片级电压降以及对应数据质量标识；

42、s3.5，将阻抗指纹、输入电流工况、负载端电压响应、不同供电网络层级的电压降和数据质量标识关联存储为训练、验证或诊断数据。

43、进一步地，所述s4具体包括：

44、s4.1，对负载端电压时域响应进行时间对齐、稳态电压标定和噪声抑制，确定初始供电电压vdd及负载电流跃迁时刻；

45、s4.2，按照预设时间窗口、阻抗峰对应时间尺度或二者结合的方式划分高频、中频和低频压降搜索区间，并记录各搜索区间与候选供电网络层级之间的关联；

46、s4.3，在每个压降搜索区间中检测满足幅值阈值和持续时间阈值的局部最小电压点或振荡片段，排除由噪声、测量毛刺或同一压降事件恢复过程中的电压回摆所形成的非独立局部最小电压点；

47、s4.4，将初始供电电压vdd与第i阶电压压降事件中局部最小电压之间的差值定义为压降幅值di，其中i=1,2,3；同时记录局部最小值出现时刻ti和窗口积分面积ei；

48、s4.5，对第i阶振荡片段进行阻尼正弦拟合或包络拟合，得到时间常数τi，阻尼正弦拟合模型为：

49、，

50、其中，v(t)为第i阶振荡片段在时刻t的去直流偏置电压，t为相对于第i阶振荡片段起始时刻的时间，e为自然常数，ai为初始振荡幅值，τi为衰减时间常数，ωi为角频率，φi为相位，v(t)为第i阶振荡片段在时刻t的去直流偏置电压；当拟合残差超过预设阈值时，采用窗口面积、极值数量或有效性标识补充表征该阶压降事件；

51、s4.6，将各阶压降幅值、出现时刻、时间常数、窗口面积、拟合残差和有效性标识组合形成多阶压降特征。

52、进一步地，所述s5具体包括：

53、s5.1，在每个输入电流工况下从负载端输出电压中确定vmin，并根据基准供电电压计算vmin下降量；

54、s5.2，根据供电网络模型中的电压测量节点、实测探测节点或虚拟估计节点分别获得板级电压降△vboard、封装级电压降△vpkg和裸片级电压降△vdie；

55、s5.3，计算任一供电网络层级x的电压贡献比contributionx(％)：

56、，

57、其中，x取board、pkg或die，分别表示板级、封装级和裸片级；vdd为初始供电电压，vmin为当前输入电流工况下的负载端最小供电电压，δvx为层级x对应节点对在vmin出现时刻的电压降；

58、s5.4，对板级、封装级和裸片级的电压贡献比进行非负归一化，使三项电压贡献比之和为100%，并将未能解释的残差作为置信度或异常标签保存。

59、进一步地，所述s6具体包括：

60、s6.1，将阻抗指纹、多阶压降特征与负载工况指纹分别编码为阻抗特征向量fz、压降特征向量fd和工况特征向量fi，并拼接形成输入特征向量x；其中，x=[fzt，fdt，fit]t；fz表示阻抗特征向量，包括阻抗峰频率、峰值带宽、峰值幅度和疑似主导层级编码；fd表示压降特征向量，包括各阶压降幅值、出现时刻、时间常数、窗口积分面积、拟合残差和有效性标识；fi表示工况特征向量，包括激励频率f、直流偏置idc、交流幅值iac、边沿斜率、占空比和激励来源标识；上标t表示向量转置；

61、s6.2，将板级贡献比、封装级贡献比和裸片级贡献比作为监督标签，并将样本按供电网络实例、频带或工况来源划分为训练集、验证集和测试集；

62、s6.3，采用线性回归模型、树模型、核回归模型、包含残差块的多层感知机模型中的一种模型或至少两种模型构成的集成模型作为贡献比预测模型，并在输出端加入非负归一化约束；

63、s6.4，训练时采用鲁棒回归损失函数，并根据不同输出维度的误差统计设置自适应阈值、输出权重、阻抗峰邻域平滑项和置信度校准项。

64、进一步地，所述s7具体包括：

65、s7.1，通过施加阶跃负载电流激励、脉冲负载电流激励和扫频负载电流激励中的至少一种获得待诊断响应数据，或者读取已有的瞬态响应和工作负载频谱，并从所述待诊断响应数据中提取多阶压降特征和负载工况指纹；

66、s7.2，将阻抗指纹、多阶压降特征与目标输入电流工况输入训练后的贡献比预测模型，输出板级、封装级和裸片级的预测贡献比及其置信度；

67、s7.3，将最大预测贡献比对应的供电网络层级确定为主导vmin故障层级，或者将预测贡献比超过预设阈值且置信度满足要求的一个或多个供电网络层级确定为协同主导故障层级；

68、s7.4，当板级为主导vmin故障层级时输出板级去耦网络、主板电源路径寄生参数或电压调节模块连接路径的优化提示；当封装级为主导vmin故障层级时输出封装互连、封装去耦、凸点/球栅阵列或板封装协同路径的优化提示；当裸片级为主导vmin故障层级时输出片上电源网格、片上去耦、芯片-封装接口或负载布局的优化提示；当置信度低于预设阈值时输出补充采样或精细仿真提示。

69、本发明还提供一种供电网络vmin故障预测与诊断系统，用于实现如上所述的供电网络vmin故障诊断方法，包括：

70、模型获取模块，用于构建或获取多级供电网络模型和层级边界节点；

71、阻抗指纹生成模块，用于识别阻抗峰并生成阻抗指纹；

72、激励与响应采集模块，用于施加负载电流激励并采集负载端电压响应、vmin和层级电压降；

73、压降特征提取模块，用于提取一阶、二阶和三阶电压压降事件的压降幅值、出现时刻、时间常数、窗口面积和拟合质量标识；

74、贡献比计算模块，用于计算板级、封装级和裸片级对vmin下降的电压贡献比；

75、模型训练与预测模块，用于训练并调用带物理约束的贡献比预测模型；以及

76、诊断输出模块，用于根据预测贡献比、置信度和优化动作库输出主导vmin故障层级和优化提示。

77、与现有技术相比，本发明的有益效果是：本发明能够在判断供电网络是否存在vmin风险的同时，输出板级、封装级和裸片级对vmin下降的贡献比例，从而提供可解释的层级归因结果。本发明将一阶、二阶和三阶电压压降的幅值、出现时刻、时间常数、窗口面积和拟合质量标识作为供电网络动态行为表征，并结合阻抗峰频率、直流偏置、交流幅值、边沿斜率和激励来源，能够以较少特征覆盖高频、中频和低频供电路径的主要影响，反映不同工作负载对各供电网络层级贡献的调制作用。相比逐工况详细瞬态仿真方法，本发明通过带物理约束的预测模型快速输出层级贡献比和置信度，可显著减少分析时间，适用于设计空间搜索、早期架构评估和pdn参数优化。同时，本发明能够根据主导贡献层级输出针对性的优化方向，例如板级去耦、封装互连、片上电源网格、芯片-封装接口或片上去耦优化，并在诊断不确定时触发补充采样或精细仿真，从而减少盲目和过度保守的设计修改，提高高性能集成电路、芯粒系统和异构集成系统中供电网络设计与电源完整性优化的效率。