用于工业控制领域的功率模块制造方法及系统技术方案

本申请实施例公开了一种用于工业控制领域的功率模块制造方法及系统，其获取焊接完成的功率模块的检测图像；采用基于深度学习的人工智能检测技术，对于焊接完成的功率模块的检测图像进行焊接感兴趣区域框定，并以此来提取出焊接感兴趣区域的焊接隐含特征信息；进一步以各个焊接区域的焊接特征之间的相似性和一致性的关联特征来进行焊接质量检测。这样，可以对于焊接完成的功率模块的焊接质量进行准确地检测判断，以提高制造的功率模块的可靠性和使用寿命。和使用寿命。和使用寿命。

【技术实现步骤摘要】
用于工业控制领域的功率模块制造方法及系统


[0001]本申请涉及智能化制造
，且更为具体地，涉及一种用于工业控制领域的功率模块制造方法及系统。

技术介绍

[0002]电力电子器件是电力变换的核心器件，按照控制类型区分，有不可控器件的二极管，半控型器件的晶闸管以及全控型器件的IGBT、MOSFET、GTR、GTO。除了基础的二极管无需额外采用控制电路，其余器件均要设计控制单元。控制型器件是工业控制领域的核心器件，要求高可靠性，高循环寿命等要求。
[0003]目前国内外制造功率模块有一个共性问题，就是器件的控制单元设计普遍采用额外引出线，主流的方式是铜丝焊接或者铝丝键合引出，铜丝焊接方式零件组装难度高，定位模具设计复杂，铜丝又细又软，还需要套一层硅胶管，后道再次焊接难等问题；铝丝键合方式通常只做芯片控制极引出到陶瓷覆铜板上，再通过焊接方式引出到控制端子上，需要二次加工不方便制造。
[0004]因此，期望一种优化的用于工业控制领域的功率模块制造方案。

技术实现思路

[0005]为了解决上述技术问题，提出了本申请。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于工业控制领域的功率模块制造方法，其特征在于，包括：获取焊接完成的功率模块的检测图像；将所述检测图像通过焊接目标区域检测网络以得到多个感兴趣区域；分别将所述多个感兴趣区域通过作为过滤器的第一卷积神经网络模型以得到多个焊接图像特征向量；计算所述多个焊接图像特征向量中每两个焊接图像特征向量之间的协方差矩阵以得到多个协方差矩阵；将所述多个协方差矩阵沿着通道维度聚合为三维张量后通过作为特征提取器的第二卷积神经网络模型以得到全局关联特征图；对所述全局关联特征图进行特征分布局部优化以得到优化全局关联特征图；以及将所述优化全局关联特征图通过分类器以得到分类结果，所述分类结果用于表示焊接完成的功率模块的焊接质量是否符合预定要求。2.根据权利要求1所述的用于工业控制领域的功率模块制造方法，其特征在于，在所述功率模块的制造过程中，采用多气体真空焊接设备进行焊片焊接，其中，一个周期的焊接过程包括：抽真空排除所述焊接设备的腔体内的空气，然后填充氮气进入所述腔体；再次开启抽真空，将氮气抽出所述腔体，获得低氧含量的真空氛围；然后开启氮气甲酸填充，通过氮气循环将甲酸气化加压进入所述腔体，直至压力达到设定值；开启加热功能，将所述焊接设备的热板升温至170℃
‑
190℃进行甲酸激活，甲酸活化后对零部件进行还原氧化和起到助焊作用；开启升温至350℃进行焊料焊接，使得焊料与零部件获得金属共晶层；再次开启抽真空，将焊料层中的气孔进行排泡；最后通过氮气冷却和水管冷却将热板和产品冷却。3.根据权利要求2所述的用于工业控制领域的功率模块制造方法，其特征在于，所述分别将所述多个感兴趣区域通过作为过滤器的第一卷积神经网络模型以得到多个焊接图像特征向量，包括：使用所述作为过滤器的第一卷积神经网络模型的各层在层的正向传递中分别对输入数据进行：对所述输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行基于特征矩阵的均值池化处理以得到池化特征图；以及对所述池化特征图进行非线性激活以得到激活特征图；其中，所述作为过滤器的第一卷积神经网络模型的最后一层的输出为所述多个焊接图像特征向量，所述作为过滤器的第一卷积神经网络模型的第一层的输入为所述多个感兴趣区域。4.根据权利要求3所述的用于工业控制领域的功率模块制造方法，其特征在于，所述作为过滤器的第一卷积神经网络模型为深度残差网络模型。5.根据权利要求4所述的用于工业控制领域的功率模块制造方法，其特征在于，所述将所述多个协方差矩阵沿着通道维度聚合为三维张量后通过作为特征提取器的第二卷积神经网络模型以得到全局关联特征图，进一步包括：使用所述作为特征提取器的第二卷积神
经网络模型的各层在层的正向传递中对输入数据分别进行卷积处理、均值池化处理...

【专利技术属性】
技术研发人员：范雯雯，范涛，吕壮志，王国勇，陶伟光，朱秀珍，
申请(专利权)人：浙江固驰电子有限公司，
类型：发明
国别省市：