(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111181327.X (22)申请日 2021.10.1 1 (71)申请人 电子科技大 学 地址 611731 四川省成 都市高新区 （西区） 西源大道 2006号 (72)发明人 王勇　王振宇　马殊　裴玲　 刘晨阳　施德鑫　 (74)专利代理 机构 电子科技大 学专利中心 51203 代理人 吴姗霖 (51)Int.Cl. G06F 30/337(2020.01) G06F 30/27(2020.01) G06N 3/08(2006.01) G06F 115/02(2020.01) (54)发明名称 一种片上电感自动化设计系统及设计方法 (57)摘要 本发明提供一种片上电感自动化设计系统 及设计方法， 属于电感设计技术领域。 本发明先 采用人工神经网络模型获得所需电感的初始版 图参数， 然后采用变领域搜索算法以该版图参数 为初始解对 该版图参数进行优化。 由于人工神经 网络生成的初始版图参数会在全局最优版图参 数的附近， 变邻域搜索法从该初始解进行优化可 快速找到全局最优解能够以极小的时间代价实 现满足设计要求的电感版图几何参数的最优解 生成， 极大地节省了芯片设计者的时间， 快速地 推进了设计进程， 且生成版图的准确率可高达 99％。 权利要求书2页 说明书7页 附图1页 CN 113987984 A 2022.01.28 CN 113987984 A 1.一种片上电感自动化设计系统， 其特征在于， 包括输入模块、 综合模块、 分析模块、 检 测模块、 优化模块和输出模块； 所述输入模块用于将目标电感性能参数和工作 频率向后续模块输入， 将目标电感性 能 参数和工作频率输入至综合模块和检测模块， 同时将工作频率输入至分析模块； 所述综合模块利用第 一人工神经网络对输入的目标电感性 能参数进行处理， 生成预测 的电感版图几何参数， 并将预测的电感版图几何参数传输 至分析模块； 所述分析模块利用第 二人工神经网络， 根据综合模块输入的预测的电感版图几何参数 或从优化模块输入的优化的电感版图几何参数， 和输入模块输入的工作频率预测电感的性 能参数， 并将预测的电感性能参数和预测的电感版图几何参数输入至检测模块； 所述检测模块基于输入模块输入的目标电感性能参数和分析模块输入的预测电感性 能参数判断是否满足设计需求， 若满足需求， 检测模块将预测的电感版图几何参数输出至 输出模块； 若不满足设计需求， 检测模块则将预测的电感版图几何参数、 目标电感性能参数 及工作频率传输 至优化模块进行优化； 所述优化模块根据变邻域搜索 法对检测模块输入的预测电感版图几何参数进行优化， 然后将优化的电感版图几何参数传输 至分析模块； 所述输出模块用于 输出预测电感版图几何参数。 2.如权利要求1所述的片上电感自动化设计系统， 其特征在于， 所述电感性能参数具体 为： 感值L、 品质因数Q值、 自谐振 频率SRF， 其中， L会影 响匹配网络， Q值会影响电路损耗和噪 声， SRF则会影响稳定性。 3.如权利要求1所述的片上电感自动化设计系统， 其特征在于， 电感版图的几何参数具 体为： 电感的金属线宽度W、 金属线边 缘的间距S、 电感内径d和电感匝数N。 4.基于权利要求1 ‑3任一权利要求所述片上电感自动 化设计系统进行电感版图设计的 方法， 其特 征在于， 包括以下步骤： 步骤1.利用第一人工神经网络基于目标电感性能参数和目标电感工作频率预测电感 版图的几何参数； 步骤2.利用第 二人工神经网络基于目标电感工作 频率和步骤1得到的预测电感版图几 何参数或步骤4得到的优化的电感版图几何参数生成预测的电感性能参数； 步骤3.判断步骤2得到的预测的电感性 能参数和目标电感性能参数之间的误差是否小 于阈值， 若误差小于阈值， 则步骤1得到的预测的电感几何参数为所需的电感版图设计结 果， 否则执 行步骤4； 步骤4.采用变邻域搜索算法， 基于步骤1得到的预测电感版图几何参数、 目标电感性能 参数和目标电感工作频率对电感版图几何参数进行优化， 得到优化的电感版图几何参数， 然后执行步骤2。 5.如权利要求4所述的电感版图设计的方法， 其特征在于， 第 一人工神经网络和第 二人 工神经网络是分别提前训练好的， 不存在相互联系， 训练效果 不相互影响。 6.如权利要求5所述的电感版图设计的方法， 其特征在于， 第 二人工神经网络的训练过 程与第一人工神经网络的训练过程相同， 仅仅是输入向量调整为电感版图几何参数和工作 频率， 期望 输出向量调整为电感性能参数。 7.如权利要求4所述的电感版图设计的方法， 其特征在于， 步骤1中第一人工神经网络权　利　要　求　书 1/2 页 2 CN 113987984 A 2的训练过程具体为： 步骤1.1.对不同的电感版图做电磁场仿真， 获取电感的S参数和Y参数； 步骤1.2.从Y参数中提取电感的感值、 品质因数， 作为训练样本和测试样本， 并进行归 一化处理， 获得训练样本归一 化数据和 测试样本归一 化数据， 提取的过程如下， 其中， L为电感的感值， Q为电感的品质因数， Im表示虚部， Re表示实部， Y11为Y参数矩阵 的第一个元 素， f为频率， 自谐振频率SRF为电感品质因数为0时所对应的频率； 步骤1.3.利用神经网络工具， 根据步骤1.2得到的训练样本归一化数据， 建立初级人工 神经网络模型并进行训练， 具体过程 为： 步骤1.3.1.导入训练样本归一化数据， 获取人工神经网络的输入向量和期望输出向 量； 所述输入向量 为电感性能参数和工作频率， 所述期望 输出向量 为电感版图几何参数； 步骤1.3.2.设置训练的误差允许值e， 随机给神经网络中相邻层中互相连接的神经元 间的权重值； 步骤1.3.3.计算各隐藏层和输出层节点的输出； 步骤1.3.4.计算所述初级人工神经网络的实际输出和期望输出之间的误差指标函数 E， 比较所述 误差指标函数E与所述训练误差允许值e的大小； 步骤1.3.5.若E ≤e， 训练结束， 输出训练结果； 步骤1.3.6.若E＞e， 则更新所述权重值和所述 阈值， 并判断是否达到预设的训练次数， 若达到训练次数， 则停止训练； 若未达 到预设的训练次数， 跳转至步骤1.3.3继续进行训练； 步骤1.4.根据步骤1.2得到的验证样本归一化数据， 对步骤1.3的初级人工神经网络模 型进行验证， 得到所述初级人工神经网络模型 的输出结果， 比较输出结果和期望输出向量 之间的验证误差， 并判断是否符合预设期望精度； 若 所述验证结果符合预设期 望精度， 则将 所述初级 人工神经网络模型确定为最 终的人工神经网络模型， 即为所需训练好的综合人工 神经网络； 若 所述验证结果不符合预设期望精度， 则修正所述初级 人工神经网络模型， 并跳 转至步骤1.3 。 8.如权利要求4所述的电感版图设计的方法， 其特征在于， 步骤3中的阈值根据设计需 求确定。 9.如权利要求8所述的电感版图设计的方法， 其特 征在于， 步骤3中的阈值优选为10％。权　利　要　求　书 2/2 页 3 CN 113987984 A 3