随着电子技术的飞速发展,器件建模方法研究已经成为微波设计领域重要的发展方向。随着微波无源器件结构复杂度的增长、产品性能要求的提高和研发周期的缩短,微波射频领域的无源器件模型不仅要能够描述微波器件的理想电磁特性,还要快速准确反映多物理参数对器件性能的影响。传统的微波无源器件多物理建模方法多存在建模过程复杂、建模周期长、模型精度低等问题,已经无法满足现有的器件建模要求。近年来,人工神经网络(Artificial Neural Network,ANN)被公认是传统建模方法的有效替代方法。本文以神经网络为基础,提出了两种针对微波无源器件的多物理建模方法:第一,本文提出一种神经网络对微波无源器件多物理电磁响应进行建模的方法。本文用多物理仿真软件生成建模数据,将建模数据进行处理后导入专门用于神经网络建模的软件Neuro Modelerplus中进行训练测试,最终建立ANN多物理模型。训练完成的多物理模型可用较低的计算成本以及较短的设计时间提供准确且快速的器件多物理分析。通过实例建模与传统建模方法的精度和成本对比,证明了本文提出ANN多物理建模方法的可行性与优势。第二,本文在已有神经网络空间映射(Neuro-Space Mapping,Neuro-SM)结构的基础上提出了适于微波无源器件的一种新型Neuro-SM多物理建模方法。新型Neuro-SM结构是包含粗模型(经验模型)和两个映射网络的通用型微波器件多物理模型。该模型在粗模型的输入端和输出端加入映射网络,采用较少的神经元得到更高的模型精度,从而降低了模型的复杂性,增强了模型鲁棒性。当微波器件多物理特性复杂或者粗模型精度低时,两个映射网络相互调整,模型能够精确反映器件的多物理特性。通过实例建模与传统建模方法的精度和成本对比,证明了本文提出的Neuro-SM多物理建模方法的可行性和优势。