(19)中华 人民共和国 国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111435861.9 (22)申请日 2021.11.30 (65)同一申请的已公布的文献号 申请公布号 CN 113850026 A (43)申请公布日 2021.12.28 (73)专利权人 武汉飞恩微电子有限公司 地址 430000 湖北省武汉市东湖新 技术开 发区高新大道818号高科医疗器械园B 区12号楼3层2号 （自贸区武汉片区） (72)发明人 王小平　曹万　熊波　杨军　洪鹏　 王晓燕　 (51)Int.Cl. G06F 30/27(2020.01) G06F 30/23(2020.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (56)对比文件 CN 112270151 A,2021.01.26 审查员 罗畅 (54)发明名称 引线键合焊点的电学性能的预测方法、 装 置、 设备及 介质 (57)摘要 本发明实施例公开了一种引线键合焊点的 电学性能的预测方法、 装置、 设备及介质， 该方法 包括： 接收引线键合焊点的电学性能的预测请 求； 获取所述引线键合焊点的外界环境参数； 将 所述外界环境参数输入至预先训练好的第一神 经网络模型中进行仿真解算， 得到所述引线键合 焊点的参数信息； 将所述参数信息输入至预先训 练好的第二神经网络模型中进行电学性能预测， 得到所述引线键合焊点的电学性能信息。 本发明 基于神经网络技术， 结合有限元仿真计算， 实现 了根据实际环境对引线键合焊点的电学性能进 行精准分析和预测， 为下级元器件和控制装置提 供决策依据， 保证了产品性能， 提高了运用精度 和效率。 权利要求书3页 说明书9页 附图4页 CN 113850026 B 2022.02.18 CN 113850026 B 1.一种引线键合焊点的电学性能的预测方法， 其特 征在于， 包括以下步骤： 建立所述引线键合焊点的三维 实体模型； 根据所述三维实体模型的结构参数、 几何参数、 材料参数、 状态参数、 边界条件构建所 述引线键合焊点的仿真模型； 将预设的接触边界材料参数输入至所述仿真模型中进行有限元仿真， 得到所述有限元 仿真输出 的仿真结果， 其中， 所述接触边界材料参数包括所述接触边界材料 的外界环境数 据、 所述接触边界材 料属性值； 对所述仿真结果进行 校验， 得到所述有限元仿真的校验结果； 根据预设的外界环境数据、 预设的有限元仿真输出的仿真材料参数构建训练第 一神经 网络模型的第一数据集， 其中， 所述外界环境数据为所述第一神经网络模型的输入数据， 所 述仿真材 料参数为所述第一神经网络模型的输出 数据； 根据所述第 一数据集对所述第 一神经网络模型中进行训练， 得到训练后的第 一神经网 络模型； 根据所述仿真材料参数对第 二神经网络模型进行训练， 得到训练后的第 二神经网络模 型； 接收引线键合焊点的电学性能的预测请求； 获取所述引线键合焊点的外界环境 参数； 将所述外界环境参数输入至预先训练好的第 一神经网络模型中进行仿真解算， 得到所 述引线键合焊点的参数信息； 将所述参数信 息输入至预先训练好的第 二神经网络模型中进行电学性 能预测， 得到所 述引线键合焊点的电学性能信息 。 2.根据权利要求1所述的引线键合焊点的电学性能的预测方法， 其特征在于， 根据 所述 第一数据集对所述第一神经网络模型中进行训练， 得到训练后的第一神经网络模型， 包括： 对所述第一数据集进行预处理， 得到所述第 一神经网络模型的第 一训练集和第 一测试 集； 根据所述第 一训练集对所述第 一神经网络模型进行训练优化， 得到训练优化后的第 一 神经网络模型； 根据所述第 一测试集对所述训练优化后的第 一神经网络模型进行测试， 得到所述训练 后的第一神经网络模型。 3.根据权利要求1所述的引线键合焊点的电学性能的预测方法， 其特征在于， 对所述仿 真结果进行 校验， 得到所述有限元仿真的校验结果之后， 还 包括： 若所述校验结果 为不合格， 根据预设的优化 算法对所述仿真结果进行优化； 根据预置的第三神经网络模型修改接触边界元属性材料并再次根据所述仿真模型进 行有限元仿真。 4.根据权利要求3所述的引线键合焊点的电学性能的预测方法， 其特征在于， 将预设的 接触边界材料参数输入至所述仿真模型中进 行有限元仿 真， 得到所述有限元仿 真输出的仿 真结果之前， 还 包括： 根据预设的接触边界周围材料属性、 所述仿真结果进行分子动力学仿真， 得到所述接 触边界材 料属性值；权　利　要　求　书 1/3 页 2 CN 113850026 B 2根据所述接触边界周围材料属性、 所述仿真结果、 所述接触边界材料属性值构建训练 所述第三神经网络模型 的第二数据集， 其中所述接触边界周围材料属 性、 所述仿真结果为 所述第三神经网络模型的输入数据， 所述接触边界材料属性值为所述第三神经网络模型的 输出数据； 根据所述第 二数据集对所述第 三神经网络模型进行训练， 得到训练后的第 三神经网络 模型。 5.根据权利要求4所述的引线键合焊点的电学性能的预测方法， 其特征在于， 根据 所述 第二数据集对所述第三神经网络模型进行训练， 得到训练后的第三神经网络模型， 包括： 将所述第二数据集进行预处理， 得到所述第 三神经网络模型的第 二训练集和第 二测试 集； 根据所述第 二训练集对所述第 三神经网络模型进行训练优化， 得到训练优化后的第 三 神经网络模型； 根据所述第 二测试集对所述训练优化后的第 三神经网络模型进行测试， 得到所述训练 后的第一神经网络模型。 6.一种引线键合焊点的电学性能的预测装置， 其特 征在于， 包括： 三维建模单 元， 用于建立所述引线键合焊点的三维 实体模型； 仿真建模单元， 用于根据所述三维实体模型的结构参数、 几何参数、 材料参数、 状态参 数、 边界条件构建所述引线键合焊点的仿真模型； 仿真单元， 用于将预设的接触边界材料参数输入至所述仿真模型中进行有限元仿真， 得到所述有限元仿真输出 的仿真结果， 其中， 所述接触边界材料参数包括所述接触边界材 料的外界环境数据、 所述接触边界材 料属性值； 校验单元， 用于对所述仿真结果进行 校验， 得到所述有限元仿真的校验结果； 第一数据集构建单元， 用于根据预设的外界环境数据、 预设的有限元仿真输出的仿真 材料参数构建训练第一神经网络模型 的第一数据集， 其中， 所述外界环境数据为所述第一 神经网络模型的输入数据， 所述仿真材 料参数为所述第一神经网络模型的输出 数据； 第一训练单元， 用于根据所述第一数据集对所述第一神经网络模型中进行训练， 得到 训练后的第一神经网络模型； 第二训练单元， 用于根据所述仿真材料参数对第二神经网络模型进行训练， 得到训练 后的第二神经网络模型； 接收单元， 用于接收引线键合焊点的电学性能的预测请求； 获取单元， 用于获取 所述引线键合焊点的外界环境 参数； 第一输入单元， 用于将所述外界环境参数输入至预先训练好的第 一神经网络模型中进 行仿真解 算， 得到所述引线键合焊点的参数信息； 第二输入单元， 用于将所述参数信 息输入至预先训练好的第 二神经网络模型中进行电 学性能预测， 得到所述引线键合焊点的电学性能信息 。 7.一种计算机设备， 包括存储器、 处理器及存储在所述存储器上并可在所述处理器上 运行的计算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现如权利要求1至5 中任一项所述的引线键合焊点的电学性能的预测方法。 8.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储有计算机程权　利　要　求　书 2/3 页 3 CN 113850026 B 3