本發明涉及人工智能和電源模塊設計的，尤其涉及一種軍用電源模塊的智能輔助設計優化系統及方法。
背景技術：
1、在軍用船舶、航空航天等關鍵領域，封裝內電源模塊是實現電子系統功能的核心單元，其小型化、模塊化是該領域長期的核心研發方向；受國際模塊技術封鎖的影響，封裝內電源模塊及各組件模塊的全國產替代已成為迫切的戰略需求。為應對全國產替代背景下電源模塊設計、制造、驗證的大量研發任務，依托人工智能（artificial?intelligence，ai）技術提升軍用封裝內電源模塊的研發迭代效率，已成為該領域的重要研究方向。
2、與傳統板上電源系統相比，軍用封裝內電源模塊系統具備集成度高、電源穩定性強的性能優勢；與片上電源系統相比，軍用封裝內電源模塊系統具有電壓范圍大、電流驅動力強、電路架構可根據不同應用場景靈活調整的技術特點。目前，軍用封裝內電源模塊的設計研發存在以下技術問題：其一，對器件選型、器件與工藝優化、關鍵電性虛擬檢測及整體電路架構的設計與優化等環節的精準度和適配性提出了嚴苛要求；其二，封裝內電源模塊的主流設計方案仍采用人工模擬設計流程，設計人員需手動進行電路拓撲設計、器件選型與參數調整，并通過多次成本高昂且周期漫長的制造流片來驗證設計效果，導致存在設計周期長、驗證成本高、技術更新迭代速度緩慢等問題。
3、因此，亟需一種能夠解決以上諸多技術問題的軍用電源模塊的智能輔助設計優化系統及方法。
技術實現思路
1、本發明的目的在于提供一種軍用電源模塊的智能輔助設計優化系統及方法，解決了軍用封裝內電源模塊研發中設計周期長、驗證成本高、設計與制造難以協同優化的技術問題。
2、為解決上述技術問題，本發明技術方案如下：
3、本發明提供了一種軍用電源模塊的智能輔助設計優化系統，包括：智能設計及制造數據庫，用于結構化存儲封裝內電源模塊的產線大數據，所述產線大數據包括符合設計要求的成功設計數據、制造工藝及其對應的實測性能數據，以及包含設計缺陷或工藝缺陷的負樣本數據；設計模塊，基于所述智能設計及制造數據庫中的成功設計數據訓練得到，用于接收目標電學性能參數，并輸出初步電路設計參數及對應的初始制造工藝參數；協同優化模塊，包含生成對抗網絡子模塊與遺傳算法優化子模塊；基于所述智能設計及制造數據庫訓練得到，用于接收所述初步電路設計參數及對應的初始制造工藝參數，并輸出預測的電學性能參數；其中，所述設計模塊的輸出端連接至所述協同優化模塊的輸入端，以形成設計與驗證閉環。
4、進一步的，所述生成對抗網絡子模塊，用于仿真制造工藝對電路性能的影響；所述遺傳算法優化子模塊，用于對所述生成對抗網絡子模塊的網絡參數及輸入的制造工藝參數進行協同優化。
5、進一步的，所述生成對抗網絡子模塊包括生成器與判別器；所述生成器，基于輸入的電路設計參數和工藝參數，生成模擬性能參數；所述判別器，用于判別所述模擬性能參數與所述智能設計及制造數據庫的實測性能參數的真實性；其中，所述遺傳算法優化子模塊通過迭代尋優，調整所述生成器與判別器的網絡結構參數，并對輸入的工藝參數進行同步優化，以最小化所述模擬性能參數與目標性能參數的差異。
6、進一步的，所述設計模塊采用深層卷積神經網絡構建，用于實現從性能參數空間到電路設計參數空間的映射；所述協同優化模塊的基礎預測框架采用深層圖神經網絡構建，用于建模電路元件、工藝參數與電學性能之間的拓撲關聯。
7、進一步的，所述系統還包括數據預處理模塊，用于對所述智能設計及制造數據庫中的數據進行多層級歸一化預處理；所述預處理針對不同元器件參數、工藝參數及性能參數的數據分布，分別執行標準化與均衡化處理。
8、進一步的，所述系統還包括迭代控制模塊，用于：比較所述協同優化模塊輸出的預測電學性能參數與所述目標電學性能參數；當兩者的差異超過預設閾值時，生成包含性能差異信息的反饋信號，并反饋至所述設計模塊及所述協同優化模塊，啟動新一輪迭代優化；當兩者的差異小于或等于所述預設閾值時，輸出當前電路設計參數及優化后的制造工藝參數作為最終方案。
9、進一步的，所述系統還包括原型驗證模塊，用于將所述迭代控制模塊生成的最終電路設計方案，與未參與數據庫構建和訓練的基準軍用電源模塊產品進行性能對比。
10、進一步的，所述目標電學性能參數與預測的電學性能參數均包括電源模塊的特定可靠性指標，所述特定可靠性指標包括輸出電壓在極端溫度下的漂移率、在機械應力下的穩定性參數中的至少一種。
11、本發明還提供一種軍用電源模塊的智能輔助設計優化方法，包括以下步驟：s1.構建并維護智能設計及制造數據庫，對產線大數據進行多層級歸一化預處理；s2.基于預處理后的數據，分別訓練獲得設計模塊和協同優化模塊；s3.接收目標電學性能參數輸入，通過所述設計模塊生成初始電路設計參數及對應的初始制造工藝參數；s4.將所述初始電路設計參數與初始制造工藝參數輸入所述協同優化模塊，通過其內部的生成對抗網絡子模塊與遺傳算法優化子模塊的協同作用，輸出優化后的制造工藝參數及對應的預測電學性能參數；s5.比較所述預測電學性能參數與所述目標電學性能參數；若差異大于預設閾值，則生成包含性能差異信息的反饋信號，并反饋至步驟s3進行迭代優化；若差異小于或等于預設閾值，則輸出滿足要求的最終電路設計參數及協同優化的制造工藝參數。
12、進一步的，所述生成對抗網絡子模塊與遺傳算法優化子模塊的協同作用，包括：所述生成對抗網絡子模塊的生成器，根據當前電路設計參數和工藝參數生成模擬性能；所述生成對抗網絡子模塊的判別器，評估所述模擬性能的逼真度；所述遺傳算法優化子模塊基于評估結果以及所述模擬性能與目標性能的差異，以提升模擬性能逼真度及接近目標性能為優化目標，同時對所述生成器與判別器的網絡結構參數以及輸入的工藝參數進行編碼、選擇、交叉和變異操作，以產生下一代優化參數。
13、與現有技術相比，本發明至少包括以下有益效果：
14、本發明采用了包含負樣本的智能設計及制造數據庫，使得訓練出的設計模塊能夠規避常見的設計缺陷，提升了初始設計方案的成功率，結合基于深層卷積神經網絡的設計模塊，實現了從軍用目標電學性能參數到電路設計參數、制造工藝參數的自動化映射，替代了傳統依賴工程師經驗的手工模擬和反復試錯，縮短了軍用封裝內電源模塊的初始設計周期，同時結構化的大數據支撐讓設計方案更貼合軍用領域的嚴苛設計要求，提升了初始設計的精準度。
15、本發明引入集成了生成對抗網絡（gan）與遺傳算法的協同優化模塊，該模塊能夠對設計模塊輸出的方案進行高保真的虛擬性能預測與工藝協同優化，形成“設計-虛擬驗證”的快速閉環，用低成本、高效率的數字仿真替代了傳統昂貴且耗時的物理流片驗證，使得設計能夠在數字域內進行多次快速迭代優化，降低了單次驗證成本并加快了整體優化進程；遺傳算法則通過迭代尋優實現網絡參數與工藝參數的全局優化，解決了單純算法應用的穩定性問題，降低了驗證成本，同時提升了設計方案的工藝適配性與可制造性。
16、本發明通過迭代控制模塊、原型驗證模塊的設置，結合全流程的智能輔助設計優化方法，實現了軍用封裝內電源模塊設計、驗證、優化的全流程自動化與標準化，形成了自主驅動的迭代優化體系，無需人工干預即可完成設計方案的迭代調整，提升了軍用封裝內電源模塊的研發迭代速度，能夠高效響應全國產替代背景下電源模塊設計、制造、驗證的大量研發任務，適配軍用船舶、航空航天領域對封裝內電源模塊小型化、模塊化的研發方向與戰略需求。