[发明专利]一种回流焊的仿真优化方法及管理系统

说明书

本发明公开了一种回流焊的仿真优化方法及管理系统，具体包括以下步骤：S1、使用人工神经网络模型对CFD回流焊仿真模型进行优化，在前期的三维EDA工作基础上，建立符合PCB工艺焊接模拟所需及信息管理要求的仿真元件库；S2、利用分析平台自动化技术，实现仿真元件库调用，分析模型自动装配、网格设置、监控点设置；S3、利用分析平台核心算法功能，将分析模型自动送入经过测试板标定后的数字化焊接炉。本发明通过平台管理系统把仿真过程中的数据进行管控，形成一整套系统的仿真体系，方便用户统一管理仿真数据，进行技术数据的追溯，有效积累经验。

技术领域

本发明涉及一种回流焊领域，具体涉及一种回流焊的仿真优化方法及管理系统。

背景技术

现有回流焊炉温曲线的设定采用“炉温测试板+人工优化的传统模式”，对工艺人员要求较高。

如图1所示现有的工艺技术方法，这对于小板、不复杂的器件而言仍然是较好的方式方法。对于大尺寸的控制器，由于物理复杂度提高，往往需要耗费大量时间用于温度曲线的调试。随着PCB复杂度的增加，单板焊接工艺调试周期成本呈现不断上升的趋势，产生的根本原因在于现有回流焊炉温曲线的工艺参数确定，主要基于调试经验

尽管现有的工艺方法，具有一定的工作成效，但从技术角度看，核心问题仍然是PCB在工艺焊接过程的热响应过程是个“技术黑盒”，由于无法建立各焊点与炉温曲线之间的直接关系，主要造成如下几个方面的问题：

1、无法在设计阶段进行可焊性预审核；

2、“黑盒”造成新板新工艺调试要求；

3、数据采集能力限制了数据获取难度；

4、难以对工艺窗口进行全面技术认知。

发明内容

本发明所要解决的技术问题是提供一种回流焊的仿真优化方法及管理系统，以解决无法在设计阶段进行可焊性预审核，“黑盒”造成新板新工艺调试要求，数据采集能力限制了数据获取难度，难以对工艺窗口进行全面技术认知的问题，从而提高PCB回流焊的生产效率和可靠性。

本发明回流焊的仿真优化方法是通过以下技术方案来实现的，具体包括以下步骤：

S1、使用人工神经网络模型对CFD回流焊仿真模型进行优化，在前期的三维EDA工作基础上，建立符合PCB工艺焊接模拟所需及信息管理要求的仿真元件库；

S2、利用分析平台自动化技术，实现仿真元件库调用，分析模型自动装配、网格设置、监控点设置；

S3、利用分析平台核心算法功能，将分析模型自动送入经过测试板标定后的数字化焊接炉；

S4、通过工艺人员设定初设的炉温曲线进行分析加载，获得焊点的温升曲线，替代传统测试；

S5、通过平台数据解析功能，生成关键技术参数，并与工艺标准库进行数据比对，获得对初始工艺加载曲线的工艺判定，对于不符合项，进行参数指定，实现对PCB元件的位置自动优化及炉温曲线的直接优化，最终满足工艺要求；

S6、将优化参数和结果存储于相应数据库。

作为优选的技术方案，人工神经网络模型的前馈网络(Multilayer FeedforwardNetwork)，由三部分组成：

输入层(Input layer)，众多神经元(Neuron)接受大量非线形输入消息。输入的消息称为输入向量；

输出层(Output layer)，消息在神经元链接中传输、分析、权衡，形成输出结果，输出的消息称为输出向量；

隐藏层(Hidden layer)，简称“隐层”，是输入层和输出层之间众多神经元和链接组成的各个层面。