论文部分内容阅读
面对未来大容量、高速率和低能耗的数据交换要求，拥有高带宽和低时延等优点的光互连是非常有前途的互连方式。但是，因光路对准偏移造成光耦合损耗仍是光互连面临的众多困难和挑战之一。因此，本文以光互连模块为研究对象，研究了在温度和振动（后简称温振）复合加载下光互连模块的对准偏移和耦合效率，并提出基于神经网络的高速光互连模块光耦合效率预测模型，实现高效、准确地预测光耦合效率。 首先，建立了光互连模块ANSYS有限元模型，施加温振复合载荷，得到了光互连模块的对准偏移。研究了光互连模块对准偏移受到焊料和焊点形态参数（包括焊点间中心距、焊盘直径、焊球体积、上层和下层焊点高度）变化的影响。 其次，建立了基于ZEMAX的光互连模块耦合模型，施加X、Y、Z方向和角度偏移得到光耦合效率。基于正交试验设计了影响光耦合效率的焊料、焊点间中心距、焊盘直径、焊球体积、上焊点高度和下焊点高度6个因素在不同因素和水平组合的70组实验。基于极差和方差分析了温振复合加载下光互连模块耦合效率，结果表明：影响耦合效率的主次顺序是：上层焊点高度>下层焊点高度>焊球体积>焊点间中心距>焊盘直径>焊料；各因素水平的最优组合是：焊料Sn63Pb37、焊盘直径为0.555mm、焊点间中心距为1.27mm、焊球体积为0.14mm3、上层焊点高度为0.40mm和下层焊点高度为0.44mm；在置信水平为90%时，焊点间中心距、焊球体积、上层焊点高度和下层焊点高度对光互连模块耦合效率有显著影响，焊料和焊盘直径对光互连模块耦合效率的影响不显著。 最后，建立BP网络实现了光互连模块耦合效率的预测，并对标准BP网络收敛慢和易陷入局部最小等问题，提出了带动量项和带惩罚函数项改进算法的方法，结果表明：分别建立标准的、带动量项的和引入惩罚函数项且带动量项的三种BP神经网络，预测值和试验仿真值的最大相对误差分别为9.87%、5.31%和3.81%，平均误差分别为3.00%、2.80%和1.79%；经对比，引入惩罚函数项且带动量项BP神经网络预测最准确，仅带动量项的BP神经网络次之，标准BP神经网络最次。文中还分别基于Elman和RBF网络建立了光耦合效率预测模型，结果表明：Elman和RBF网络的预测值和实验仿真值的最大相对误差分别为3.18%和8.84.%，平均误差分别为0.74%和2.72%。经对比，基于Elman网络的光互连模块耦合效率预测模型预测效果最好，带引入惩罚函数项且带动量项BP网络其次，RBF网络最次。