基于人工神经网络的回流焊参数智能生成方法技术

本发明专利技术涉及一种基于人工神经网络及相关新型数据处理模型的回流焊参数生成方法，面向组件类产品中电路板、接插件以及元器件的热风回流焊任务，首先收集既往产品特征数据以及对应的回流焊设置数据作为原始数据包，根据产品特征采用“集总热阻热容分层传热模型”或者“外部包围复合传热模型”进行输入数据的处理，再根据焊料助焊剂特征采用“助焊剂过渡热响应模型”进行输出数据的处理。采用处理完的输入输出数据训练神经网络，得到具有分析能力的神经网络。当出现新的设置任务时，只需要提取产品特征数据，通过预处理、人工神经网络以及后处理，就可以快速生成一组合理的回流焊设置参数，尤其适用于产品种类繁多、产品之间差异大的生产场景。

【技术实现步骤摘要】
基于人工神经网络的回流焊参数智能生成方法
本专利技术是一种基于人工神经网络的回流焊参数智能生成方法，属于软钎焊表面组装

技术介绍
回流焊广泛应用于软钎焊领域，是表面组装(SMT)行业中必不可少的焊接设备。目前，行业中多使用以多温区累进、产品流水式前进为特征的热风或红外回流焊炉，对于体积大热容大的产品也会使用封闭的气相回流焊。链式传动的网带回流焊炉生产效率高、通用性强；缺点是产品在前进过程中温区不断变化，产品整体的温度很难与设置温度相一致。如果产品含有大体积、大热容的金属屏蔽盖、壳体或者底板，这类现象更加明显。对于设置温度与实际温度不一致，大体积产品内部不能完成温度均匀化的问题，标准多推荐采用实测产品温度、再调整热风回流焊炉设置来反复试错，这也是行业内普遍采用的做法。即根据经验设置一组回流焊设置(包括各温区温度，风频带速等)，然后用样品实测一次，对照实测焊接热循环与期望焊接热循环，再调整各温区的温度设置，再实测，再调整……最终达到理想的效果。当产品种类较少，产品与产品之间差异不大时，人工试错法并不会影响效率。当产品种类繁多，材质多种多样，产品与产品之间质量体积差异在十几倍甚至几十倍时，依据人工经验进行试错经常要3～7次才能达到理想的效果，严重拖累效率。另外，如此做法过于依赖熟练员工经验，新员工没有经验积累，遇到全新的产品甚至无从下手。目前有学者采用人工神经网络，研究了回流焊设置与回流焊焊接热循环特征区域之间的关系，但这类研究并不能给出一组合理的初始设置。市场上也有少量相关的温区设置预测工具，但多是针对印制电路板上元器件焊接的，大金属壳体类产品并不适用。鉴于热风回流焊传热过程蕴含着复杂的对流换热，采用有限元进行传热学仿真虽然能较为精确地求解，但是需要较长时间，不能快速反应。对于产品多品种、差异大的应用场景，需要解决热风回流焊温区及相关参数的设置问题，系统应该根据不同产品迅速生成一组推荐设置，这一自动生成的过程应该具有一定的人的智能。人工神经网络是计算机领域中模仿人脑神经系统的计算网络，按照一定的连接方式构建出的虚拟神经网络，这一虚拟网络具有对数据进行模拟或者分类的功能。在有导师的学习中，人工神经网络能够对不在训练域中的输入数据产生合理的输出，这就是人工神经网络的泛化能力。人工神经网络逐渐在内在机理复杂的工业生产领域大量应用。
技术实现思路
本专利技术提出的是一种基于人工神经网络的回流焊参数智能生成方法，其目的在于针对现有技术存在的缺陷，利用既往数据，构建人工神经网络，网络附带前后端的新型数据处理模型。人工神经网络搭建完成后输入新产品的特征，经过预处理，人工神经网络以及后处理，就能快速生成一组热风回流焊参数设置。本专利技术的技术解决方案：基于人工神经网络的回流焊参数智能生成方法，包括以下步骤：(1)训练数据的收集：收集既有的产品特征数据以及相对应的回流焊设置数据，组成原始训练数据包；(2)训练数据的处理：按照“集总热阻热容分层传热模型”或者“外部包围复合传热模型”对产品特征数据进行处理，作为输入数据，按照“助焊剂过渡热响应模型”对回流焊设置数据进行处理，作为输出数据；(3)训练人工神经网络：搭建人工神经网络，用输入输出数据对人工神经网络进行训练，反复迭代，确定各节点间的连接权值及节点的阈值，得到成熟的人工神经网络；(4)智能生成回流焊设置：接收到一个新产品时，提取产品特征数据，先按照“集总热阻热容分层传热模型”或“外部包围复合传热模型”进行预处理，归一化，再用成熟的人工神经网络进行分析，最后采用“助焊剂过渡热响应模型”进行后处理，解除归一化，得到新产品的回流焊设置。所述步骤(1)训练数据的收集，所述数据为反映产品特征以及能确保回流焊正常运行的原始数据，包括产品的材质、焊料熔点、外形尺寸、各部位质量、PCB板元器件密度、尺寸、质量以及回流焊的各温区温度、风频、网带速度等。所述步骤(2)训练数据的处理，对于压块、电路板、焊料片以及壳体(衬板)这类层压特征的产品，采用“集总热阻热容分层传热模型”处理产品特征数据，得到复合热阻、整体热容、有效受热面积以及传热深度四个关键输入，模型的传热学计算公式如下：式中R是复合热阻，n是上下层材料种类数，m是对应材料的质量，p是对应材料的密度，λ是对应材料的热导率，S是对应产品整体底面积；式中Z是整体热容，n是所有材料种类数，m是对应材料的质量，c是对应材料的比热容；式中D是有效受热面积，S是对应产品整体底面积，G是表面开孔镂空的面积；P＝0.9H式中P是传热深度，H是对应产品高度；对于大壳体包围，内部电路板密布元器件的产品，采用“外部包围复合传热模型”处理产品特征数据，得到外围热导率、整体热容、有效受热面积以及传热深度四个关键输入，模型的传热学计算公式如下：式中λf是外围热导率，n是外围材料种类数，λ是对应材料的热导率；式中Z是整体热容，n是所有材料种类数，m是对应材料的质量，c是对应材料的比热容；D＝LW+2LH+2WH式中D是有效受热面积，L是对应产品的长，W是对应产品的宽，H是对应产品的高；式中P是传热深度，n是外围材料的种类，T是对应外围材料的壁厚；将关键输入进行归一化，使各关键输入成比例地落在[0，1]内，最后按照“助焊剂过渡热响应模型”在考虑传热过程延迟量的前提下处理回流焊的设置，得到初始温度T0，升温阶段阶梯值D，保温值T1，峰值温度T2与峰值温度T3五个关键输出，将关键输出进行归一化，使各关键输出成比例地落在[0，1]。所述步骤(2)训练数据的处理，对于体积小但表面曲折、比表面积大的产品，关键输入还包括表面等效的对流换热系数以及上下表面的封闭系数。所述步骤(3)训练人工神经网络，所述人工神经网络为层次型网络，输入节点数对应着关键输入的个数，输出节点数对应着独立输出的个数，所述人工神经网络可采用赫布学习规则、LM算法或者贝叶斯正则化算法进行训练。所述人工神经网络选用单隐层人工神经网络，隐层节点数量介于输入节点与输出节点之间。所述步骤(4)智能生成回流焊设置，可以通过计算机应用程序的形式与人交互；输入产品特征，按顺序经过预处理、人工神经网络处理，后处理，最后解除归一化得到一组回流焊设置。本专利技术的有益效果：利用既往数据，构建人工神经网络及其附属的前后数据处理模型，构建完成后输入产品特征数据，就可以迅速得出一组合理的回流焊参数生成方法，特别适用于产品种类繁多、产品之间差异大的定制化生产场景。附图说明附图1是基于人工神经网络的回流焊参数智能生成方法的数据流示意图。具体实施方式下面结合附图对本专利技术技术方案进一步说明如附图1所示，基于人工神经网络的回流焊参数智能生成方法，包括以下步骤：(1)训练数据的收集：收集既有的产品特征数据以及相对应的回流焊设置数据，组成原始训练本文档来自技高网...

【技术保护点】
1.基于人工神经网络的回流焊参数智能生成方法，其特征包括以下步骤：/n(1)训练数据的收集：收集既有的产品特征数据以及相对应的回流焊设置数据，组成原始训练数据包；/n(2)训练数据的处理：按照传热模型对产品特征数据进行处理，作为输入数据，按照响应模型对回流焊设置数据进行处理，作为输出数据；/n(3)训练人工神经网络：搭建人工神经网络，用输入输出数据对人工神经网络进行训练，反复迭代，确定各节点间的连接权值及节点的阈值，得到成熟的人工神经网络；/n(4)智能生成回流焊设置：通过计算机应用程序的形式与人交互，输入产品特征，按顺序经过数据预处理、人工神经网络处理、数据后处理，最后得到回流焊参数。/n

【技术特征摘要】
1.基于人工神经网络的回流焊参数智能生成方法，其特征包括以下步骤：
(1)训练数据的收集：收集既有的产品特征数据以及相对应的回流焊设置数据，组成原始训练数据包；
(2)训练数据的处理：按照传热模型对产品特征数据进行处理，作为输入数据，按照响应模型对回流焊设置数据进行处理，作为输出数据；
(3)训练人工神经网络：搭建人工神经网络，用输入输出数据对人工神经网络进行训练，反复迭代，确定各节点间的连接权值及节点的阈值，得到成熟的人工神经网络；
(4)智能生成回流焊设置：通过计算机应用程序的形式与人交互，输入产品特征，按顺序经过数据预处理、人工神经网络处理、数据后处理，最后得到回流焊参数。


2.根据权利要求1所述的基于人工神经网络的回流焊参数智能生成方法，其特征是所述步骤(1)训练数据的收集，所述数据为反映产品特征以及能确保回流焊正常运行的原始数据，如产品的材质、焊料熔点、外形尺寸、各部位质量、PCB板元器件密度、尺寸、质量以及回流焊的各温区温度、风频、网带速度。


3.根据权利要求1所述的基于人工神经网络的回流焊参数智能生成方法，其特征是所述步骤(2)训练数据的处理，对于层压特征的产品如压块、电路板、焊料片以及壳体、衬板，采用“集总热阻热容分层传热模型”处理产品特征数据，得到复合热阻、整体热容、有效受热面积以及传热深度四个关键输入，模型的传热学计算公式如下：



式中R是复合热阻，n是上下层材料种类数，m是对应材料的质量，ρ是对应材料的密度，λ是对应材料的热导率，S是对应产品整体底面积；



式中Z是整体热容，n是所有材料种类数，m是对应材料的质量，c是对应材料的比热容；



式中D是有效受热面积，S是对应产品整体底面积，G是表面开孔镂空的面积；
P＝0.9H
式中P是传热深度，H是对应产品高度；
将关键输入进行归一化，使各关键输入成比例地落在[0，1]内。


4.根据权利要求1所述的基于人工神经网络的回流焊参数智能生成方法，其特征是所述步骤(2)训练数据的处理，对于大壳体包围，内部电路板密布元器件的产品，采用“外部包围复合传热模型”处理产品特征数据，得到外围热导率...

【专利技术属性】
技术研发人员：李宇轩，陈梁，贾伏龙，崔洪波，
申请(专利权)人：中国电子科技集团公司第五十五研究所，
类型：发明
国别省市：江苏;32