来源：期刊VIP网 时间：
作者：刘帅;曹菲;秦建强;
单位：火箭军工程大学;
摘要：当航天器在轨运行时,高能粒子辐射诱发的总剂量效应(Total Ionizing Dose,TID)会导致电子元器件性能参数退化,严重威胁任务可靠性。针对传统反向传播(Back Propagation, BP)神经网络预测TID效应存在着精度不足、易陷入局部最优解等问题,本文提出一种基于GEO-KOA-BP神经网络的TID效应预测模型,通过融合金鹰优化算法(Golden Eagle Optimizer, GEO)的全局搜索能力和开普勒优化算法(Kepler Optimization Algorithm, KOA)的局部寻优特性,构建两阶段优化框架:首先采用GEO动态确定网络神经元数量及学习率,随后通过KOA对初始权重和阈值进行调整。基于Science Data Bank标准数据集的仿真实验结果表明,相较于传统BP神经网络,该模型对垂直硅通孔(Through Silicon Via,TSV)三维互联结构特性参数随辐照总剂量变化趋势的预测结果,在RMSE、MAE和训练时间上平均降低了63.5%、49.5%和86.5%。该模型可为航天器电子元器件选型及抗辐照加固设计评估提供可靠依据。
关键词：总剂量效应;;多算法融合优化;;BP神经网络;;垂直硅通孔结构
