联合仿真实现芯片热仿真分析流程迭代优化应用

安世亚太

2021年6月15日 15:36

浏览：3201 评论：13 收藏：2

在产品设计过程中，需要对产品进行优化设计，在满足设计标准的前提下使得产品的性能最为优秀。反复手动调整产品的设计再验证寻找最优方案的过程，验证迭代多次，耗时较长，重复工作量也较为庞大。因此我们在设计过程中通过引入智能算法，利用数字化手段完成智能迭代寻优过程，可以避免重复劳动力、缩短产品设计周期，提高产品的设计效率。

联合仿真实现芯片热仿真分析流程迭代优化应用的图1

本文以芯片热仿真分析为例，介绍改进Taguchi优化算法在实际工程中的成功应用。通过对Taguchi优化算法的改进，引入新解的邻域随机生成机制和充分的内循环搜索机制，将概率随机策略引入到Taguchi优化算法中，较高程度避免陷入局部最优，从而高效的获得全局最优解。

一

几何建模

首先为PCB板上三个芯片中施加发热功率载荷，在PCB板底部和芯片周围施加换热边界条件。计算三个芯片在正常工作下，整个结构及PCB板的最高温度。

联合仿真实现芯片热仿真分析流程迭代优化应用的图2

联合仿真实现芯片热仿真分析流程迭代优化应用的图3

二

优化流程

然后为6个发热芯片布置位置参数，生成设计模型，然后施加载荷进行热仿真分析计算，得到结构最高温度，进而进行最优方案判断，输出最优设计。

联合仿真实现芯片热仿真分析流程迭代优化应用的图4

三

优化算法 （改进Taguchi算法优化算法）

Taguchi优化算法是基于正交表对参数组合进行实验和循环迭代并不断缩小级差，使得用于比较的级阶逐渐向上一次迭代中的最优级阶靠近，并最终收敛于最优值的过程。

将具有现代智能优化算法特点的两个操作引入到基本 Taguchi 优化算法中，完善基本 Taguchi 算法的不足：

引入新解的邻域随机生成机制。通过上一代最优解，以正态分布概率随机产生下一代正交矩阵参数范围

联合仿真实现芯片热仿真分析流程迭代优化应用的图5

引入充分的内循环搜索机制。在每次迭代的邻域范围内进行多次基于 OA 正交实验的抽样比较，内循环越多，该次迭代邻域内搜索得到的“最优解”可信度就越高。

联合仿真实现芯片热仿真分析流程迭代优化应用的图6

与目前常用的遗传算法和模拟退火算法等优化算法相比，改进Taguchi优化算法表现出了以下优点：

应用简单
有效降低实验次数
快速的收敛速率
解的全局最优性
最优解与优化的初始参数高度非相关
引入随机机制，较高程度避免陷入局部最优
引入充分的内循环搜索机制提高最优解可信度

Ackley 函数，Ackley函数是峰、谷相互交替函数，但函数值变化不剧烈，整体朝全局最小值方向下降趋势明显，较易于收敛。此测试函数的 2D 视图和等高线如下图。

联合仿真实现芯片热仿真分析流程迭代优化应用的图7

联合仿真实现芯片热仿真分析流程迭代优化应用的图8

联合仿真实现芯片热仿真分析流程迭代优化应用的图9

四

优化算法应用

应用安世亚太自主开发的Hysim联合仿真分析平台，通过封装集成优化算法，对芯片热仿真分析流程进行迭代优化，最终找到最佳PCB设计。

联合仿真实现芯片热仿真分析流程迭代优化应用的图10

智能算法应用介绍

利用智能化算法可以协助设计工程师快速、智能的寻找出最优设计点，深度剖析实验设计算法、代理模型算法、优化算法等算法的原理，并深入探讨各类智能算法在产品敏感性分析、置信度评估、模型修正、迭代优化等方面的应用。智能算法已在航空、航天、船舶、电子、核能等领域取得了成功的应用。

联合仿真实现芯片热仿真分析流程迭代优化应用的图11

联合仿真实现芯片热仿真分析流程迭代优化应用的图12

智能优化技术框架及应用案例

登录后免费查看全文

立即登录

App下载

技术邻APP
工程师必备

项目客服
培训客服
平台客服

TOP