论文部分内容阅读
由于5G时代的到来,人们对多层陶瓷电容器(Multi-layer Ceramic Capacitor,MLCC)的需求越来越大,对其更优异的性能也有较高的要求,进而高性能的MLCC成为了研究方向。本论文通过机器学习对MLCC的设计参数与电极结构参数的关系建立模型,研究并解决了特殊功能的MLCC电极结构参数的设计问题;对制备参数与S参数的关系建立模型,通过模型实现了制备MLCC之前对其具体性能的预测。本论文介绍了MLCC的各种参数、机器学习使用到的算法、等效电路模型以及MLCC样品的参数测量方法。在此基础上,一方面通过线性回归算法,将MLCC的设计参数,如:设计电容所需要的额定电压、额定电容量、测试频率和对应设计的S参数以及介质层厚度,作为输入量,将MLCC的电极结构参数,如:内电极层数和内电极厚度,作为输出量,进行建模,把模型预测MLCC电极结构参数并与实际的MLCC电极结构参数进行对比。另一方面,通过K-近邻算法,将MLCC的制备参数,如:额定电压、额定电容量、测试频率、介质层厚度、内电极层数和内电极厚度,作为输入量,将S参数作为输出量,建立模型,把预测得到的MLCC的S参数与实际测量得到的S参数进行分析。同时,为了深入研究机器学习预测的S参数的有效性,结合在研究和实际应用时通常使用的低频电路中的串联RLC模型、高频电路中的全波表征模型和传输线模型,提出了在ADS电磁仿真软件中,建立MLCC等效电路建模系统,通过该系统提取等效电路中各元器件的值,将实际测量的S参数和预测的S参数转换成等效电路中各元器件的值,将匹配得到的元器件的值进行对比分析得出结论。综上,本论文使用线性回归算法对MLCC建立的模型,预测得到的电极结构参数,与实际测量得到的电极结构参数基本吻合,说明了通过模型预测电极结构的可行性,为生产特定性能的MLCC起到指导性作用。通过K-近邻算法对MLCC建立模型,预测得到S参数与实际测量的S参数随频率变化趋势一致,并通过MLCC等效电路建模系统,将S参数具象化为电路中各元器件的值,经过分析,表明将预设的额定电容量与预测得到的S参数相结合,可以准确表征对应的MLCC的电性能。