一种CSP焊点焊后残余应力测量方法技术

本发明专利技术提供了一种CSP焊点焊后残余应力测量方法，首先确定对CSP焊点焊后残余应力值有影响的影响因素，再选取灵敏度分析结果中对焊后残余应力影响显著的显著影响因素，建立带动量项BP神经网络，通过对训练后输出值和目标输出值的相关性进行线性回归分析，以在显著影响因素与残余应力值之间建立起非线性映射关系，以实现对CSP焊点焊后残余应力的预测，为进一步深入研究CSP焊点焊后残余应力进而提高CSP焊点服役后可靠性提供理论指导。

A measurement method of residual stress after CSP welding

【技术实现步骤摘要】
一种CSP焊点焊后残余应力测量方法
本专利技术涉及电子元器件封装
，尤其涉及一种CSP焊点焊后残余应力测量方法。
技术介绍
随着电子产品不断向微型化、轻薄化、多功能化与高可靠性方向的发展，使得封装技术中高密度、高精度、细间距和微尺度成为了必然趋势。芯片尺寸封装(ChipScalePackage：CSP)作为一种新型封装技术由此而出现并得到日益广泛应用，具有超小型封装、封装密度高和电热性能良好等优势。CSP封装结构中互连焊点(即CSP焊点)直接承担着电气连接、机械支撑及散热作用，通常CSP器件失效大都是由于焊点失效所引起的。CSP器件组装过程中，焊点在再流焊过程中会经历固态到熔融而又冷凝的过程，在焊接完成后焊点内会产生并累积不小的内应力即焊后残余应力，残余应力的存在将会引起焊点的损伤，这种损伤在在后续的生产工艺以及产品使用过程中，会扩展汇合而形成宏观裂纹，直接导致器件的失效或者引起吸潮、界面脱层以及间接引起其它材料失效，因此，对焊点焊后残余应力所引起的焊点失效问题应给予足够重视以确保焊点服役后的可靠性。目前国内外学者的研究了焊点结构参数的变化对焊点焊后残余应力的影响，但对焊点焊后残余应力的研究尚不充分，如未能给出焊点各个结构参数对焊点焊后残余应力影响程度的大小排序，也没有给出焊点焊后残余应力的预测模型以解决残余应力计算工作量大等问题。灵敏度分析正是解决多个设计变量或参数变化对模型结果影响程度大小的方法，而BP(BackPropagation)神经网络能够实现非线性映射关系，且在焊点形态、故障诊断和焊接质量等领域的预测方面被广泛应用。因此，本专利技术建立了CSP焊点有限元模型，选取灵敏度分析结果中对焊后残余应力影响显著的因子，建立带动量项神经网络，在显著因子与残余应力之间建立起非线性映射关系，以实现对CSP焊点焊后残余应力的预测，为进一步深入研究CSP焊点焊后残余应力进而提高CSP焊点服役后可靠性提供理论指导。该方法结合灵敏度分析和带动量项神经网络算法对CSP焊点焊后残余应力进行预测，具有优良的鲁棒性能，计算方法简单，极大的方便了后期CSP焊点焊后残余应力的预测。
技术实现思路
本专利技术的目的在于提供一种CSP焊点焊后残余应力测量方法，能够结合灵敏度分析和带动量项BP神经网络算法对CSP焊点焊后残余应力进行预测，具有优良的鲁棒性能，计算方法简单，极大的方便了后期CSP焊点焊后残余应力的预测。为了达到上述目的，本专利技术提供了一种CSP焊点焊后残余应力测量方法，其特征在于，包括：基于ANSYS建立CSP焊点的仿真分析模型并进行温度场分析，以对所述仿真分析模型施加再流焊温度载荷，并得到所述CSP焊点的温度场分布；将所述CSP焊点的温度场分布作为结构分析的载荷以进行结构分析，并得到所述CSP焊点的残余应力值；选取所述CSP焊点的残余应力值的影响因素，并确定所述影响因素的上限值和下限值；以最大残余应力值为输出参数对所述仿真分析模型进行灵敏度分析，以得到所述影响因素中对所述CSP焊点的残余应力值的影响显著的显著影响因素；根据所述显著影响因素训练样本数据，并建立带动量项的BP神经网络；对所述训练后输出值和目标输出值的相关性进行线性回归分析，以建立所述显著影响因素与所述CSP焊点的残余应力值之间的非线性映射关系。可选的，进行结构分析时，对所述CSP焊点所在的PCB底面的四个角点处施加全约束，以得到所述CSP焊点的残余应力值。可选的，所述影响因素包括焊点直径、焊点高度、焊盘直径及焊点间距中的一种或多种。可选的，采用拉丁超立方蒙特卡罗法对所述仿真分析模型进行灵敏度分析，其中，所述灵敏度分析的模拟次数为100次。可选的，所述带动量项的BP神经网络的输入层的节点数为3，输出层的节点数为1，隐含层的节点数为9。可选的，所述带动量项BP神经网络的传递函数为tansig，学习率为0.05，最大迭代次数为3000，动量因子为0.8。可选的，训练样本数据的步骤为：根据正交试验设计的原理，获取不同的显著影响因素水平组合，然后以此为基础，把样本数据增加到合适的数量。在本专利技术提供的CSP焊点焊后残余应力测量方法中，首先确定对CSP焊点焊后残余应力值有影响的影响因素，再选取灵敏度分析结果中对焊后残余应力影响显著的显著影响因素，建立带动量项BP神经网络，通过对训练后输出值和目标输出值的相关性进行线性回归分析，以在显著影响因素与残余应力值之间建立起非线性映射关系，以实现对CSP焊点焊后残余应力的预测，为进一步深入研究CSP焊点焊后残余应力进而提高CSP焊点服役后可靠性提供理论指导。附图说明图1为本专利技术实施例提供的CSP焊点残余应力有限元分析模型图；图2为本专利技术实施例提供的再流焊温度加载曲线图；图3为本专利技术实施例提供的CSP焊点残余应力分布图；图4为本专利技术实施例提供的CSP焊点参数灵敏度分析结果图；图5为本专利技术实施例提供的带动量项BP神经网络的全局误差图；图6为本专利技术实施例提供的带动量项BP神经网络的线性回归分析图；图7为本专利技术实施例提供的带动量项BP神经网络的线性回归分析图。具体实施方式下面将结合示意图对本专利技术的具体实施方式进行更详细的描述。根据下列描述和权利要求书，本专利技术的优点和特征将更清楚。需说明的是，附图均采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本专利技术实施例的目的。如图1所示，本专利技术提供了一种CSP焊点焊后残余应力测量方法，包括：步骤S1：基于ANSYS建立CSP焊点的仿真分析模型并进行温度场分析，以对所述仿真分析模型施加再流焊温度载荷，并得到所述CSP焊点的温度场分布；步骤S2：将所述CSP焊点的温度场分布作为结构分析的载荷以进行结构分析，并得到所述CSP焊点的残余应力值；步骤S3：选取所述CSP焊点的残余应力值的影响因素，并确定所述影响因素的上限值和下限值；步骤S4：以最大残余应力值为输出参数对所述仿真分析模型进行灵敏度分析，以得到所述影响因素中对所述CSP焊点的残余应力值的影响显著的显著影响因素；步骤S5：根据所述显著影响因素训练样本数据，并建立带动量项的BP神经网络；步骤S6：对所述训练后输出值和目标输出值的相关性进行线性回归分析，以建立所述显著影响因素与所述CSP焊点的残余应力值之间的非线性映射关系。具体的，如图2所示，首先基于ANSYS建立SAC305无铅CSP焊点的仿真分析模型，材料如下表所示：表1材料参数再进行温度场分析，对建立好的仿真分析模型施加再流焊温度载荷，获得CSP焊点的温度场分布，施加的再流焊温度载荷为如图3所示的典型的无铅再流焊温度曲线。接下来，将温度场分布作为结构分析的载荷，对CSP焊点所在的PCB底面四个角点处施加全约束，获取CSP焊点的残余应力值，仿真所得残余应力分布图如图4所示。进一步，选取CSP焊点的残余应力本文档来自技高网...

【技术保护点】
1.一种CSP焊点焊后残余应力测量方法，其特征在于，包括：/n基于ANSYS建立CSP焊点的仿真分析模型并进行温度场分析，以对所述仿真分析模型施加再流焊温度载荷，并得到所述CSP焊点的温度场分布；/n将所述CSP焊点的温度场分布作为结构分析的载荷以进行结构分析，并得到所述CSP焊点的残余应力值；/n选取所述CSP焊点的残余应力值的影响因素，并确定所述影响因素的上限值和下限值；/n以最大残余应力值为输出参数对所述仿真分析模型进行灵敏度分析，以得到所述影响因素中对所述CSP焊点的残余应力值的影响显著的显著影响因素；/n根据所述显著影响因素训练样本数据，并建立带动量项的BP神经网络；/n对所述训练后输出值和目标输出值的相关性进行线性回归分析，以建立所述显著影响因素与所述CSP焊点的残余应力值之间的非线性映射关系。/n

【技术特征摘要】
1.一种CSP焊点焊后残余应力测量方法，其特征在于，包括：
基于ANSYS建立CSP焊点的仿真分析模型并进行温度场分析，以对所述仿真分析模型施加再流焊温度载荷，并得到所述CSP焊点的温度场分布；
将所述CSP焊点的温度场分布作为结构分析的载荷以进行结构分析，并得到所述CSP焊点的残余应力值；
选取所述CSP焊点的残余应力值的影响因素，并确定所述影响因素的上限值和下限值；
以最大残余应力值为输出参数对所述仿真分析模型进行灵敏度分析，以得到所述影响因素中对所述CSP焊点的残余应力值的影响显著的显著影响因素；
根据所述显著影响因素训练样本数据，并建立带动量项的BP神经网络；
对所述训练后输出值和目标输出值的相关性进行线性回归分析，以建立所述显著影响因素与所述CSP焊点的残余应力值之间的非线性映射关系。


2.如权利要求1所述的CSP焊点焊后残余应力测量方法，其特征在于，进行结构分析时，对所述CSP焊点所在的PCB底面的四个角点处施加全约束，以得到所述CSP焊点的残余应力值。<...

【专利技术属性】
技术研发人员：黄春跃，赵胜军，唐香琼，付玉祥，高超，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：广西;45