从自然语言到真实原理图：用于电力电子原理图综合的自动化工作流

电力电子变换器的设计传统上需要在拓扑尺寸设计、商用元件选型、电路仿真验证和原理图绘制等方面投入大量人工专业知识。尽管 Large Language Models (LLMs) 在电子设计自动化（EDA）领域展现出良好前景，但将独立运行的 LLMs 直接应用于板级电力电子原理图综合，仍会产生严重的工程幻觉，包括分析性尺寸设计不准确、虚构或不匹配的元件料号、违反电压降额裕量要求，以及拓扑连接断裂等问题。本文提出一种有界双环自动化原理图综合框架，可将自然语言规格说明转换为经过验证且可编辑的 KiCad 原理图和制造交付文件。我们的工作流由三个功能列中的六个阶段组成：（1）需求解析与知识驱动的功率级综合，涵盖非隔离型（Buck、Boost）和隔离型/谐振型（Flyback、DAB、半桥 LLC）拓扑；（2）以合同和证据协同为基础的元件选型，依托分销商 API 和 OEM 数据手册，并结合闭环 ngspice 瞬态验证与应力反馈；（3）模块化控制硬件集成与多格式交付文件生成，具备原生 KiCad 网表往返验证功能。针对 24-36V 转 12V、2A 的 Buck 变换器（29 个元件位号、83 个已验证端子）以及隔离型 48V 转 24V、0.5A 的 Dual-Active Bridge（DAB）变换器（87 个元件位号、341 个已验证端子）开展的端到端案例研究，以及与 Vanilla LLM 基线的对比评估表明，我们的框架将元件验证覆盖率从 22.2 提升至 98.6，将标称值一致性从 0 提升至 97.7，并将 SPICE 仿真通过率从 0 提升至 100%。