[发明专利]基于人工神经网络的回流焊参数智能生产方法

权利要求书

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；

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；

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；

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、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λ_f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；

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，

所述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(2)训练数据的处理，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，得到若干个关键输出如初始温度T0，升温阶段阶梯值D，保温值T1，峰值温度T2与峰值温度T3，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(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，接收到一个新产品时，提取产品特征数据，先按照步骤(2)传热模型对输入数据进行预处理，归一化，再用步骤(3)得到的成熟的人工神经网络进行分析，最后按照步骤(2)响应模型进行后处理，解除归一化，得到新产品的回流焊参数。