CN101241872A - 一种分布式超声引线键合质量在线检测系统 - Google Patents

Abstract

本发明公开了一种分布式超声引线键合系统键合点质量在线检测系统，该系统由主计算机、数据库服务器和网络打印机构成的质量检测中心DTC；局域网总线和网关服务器构成的局域网；隔离放大电路、开关量转换电路、A/D转换电路、DSP(Digital Signal Processing)处理器、DSP外扩程序存储器、DSP外扩数据存储器、DSP通讯模块构成的DSP终端共同组成。本发明以超声键合系统压电换能器的输入电信号作为识别键合质量的信息载体，利用DSP终端对此电信号进行采集和预处理，并将数据经过局域网发送到质量检测中心DTC，通过运行主计算机中设置的键合质量在线诊断和检测程序，实现超声键合系统键合质量的在线检测。

Description

一种分布式超声引线键合质量在线检测系统

技术领域

本发明属于IC(Integrate Circuit)微电子封装质量检测与控制领域，进一步可扩展到涉及信号处理相关应用领域，特别涉及一种分布式超声引线键合质量在线检测系统。

背景技术

超声引线键合是IC芯片互连中最重要的技术之一。提供芯片与基板间引脚的互连。它是指在常温环境下，通过压电换能器产生的超声振动和键合工具压力的作用，将引线(金丝或铝丝)键合(Bonding)到芯片底端焊盘上(附图1)，从而将芯片与基板的电路连接在一起的技术。键合点质量的好坏将直接影响IC芯片的性能，一个微小的键合点故障将可能导致整个IC芯片失效。因此，为保证键合点质量，必须对键合质量进行检测。

目前，键合质量检测主要通过离线和在线两个途径进行。离线检测是键合完成以后，通过CCD系统获取键合点的图像，然后用计算机对获取的图像进行处理，分析键合点形状、位置、根部变形等情况，从而实现对键合质量的检测。这种技术只能获取键合点形状、位置等表面信息，无法反映键合点的内在缺陷，而且，这种离线检测不能及时地反馈有关键合系统的故障信息。

在线检测时在键合过程中进行的，主要有两种方法。一是在焊盘(附图1)下安装一个应力传感器(Zou Y，Ling J，Johnson R.Insitu stress statemeasurements during chip-on-board assembly[J].IEEE Trans on ElectronicsPackaging Manufacturing，1999，22(1)：38-52.)，通过测量键合过程中焊盘应力的大小和变化，来估计键合力的变化，进而识别键合质量。这种方法的主要不足是应力传感器的安装定位非常困难，而且，在焊盘安装应力传感器对于实际的生产环境也不现实，因此目前只适用于实验室研究。另一种方法是在压电换能器(附图1)表面上安装压电振动传感器(Zhang Dong，Ling Shih-Fu.Monitoring Wire Bonding via Time-Frequency Analysis of Horn Vibration[J].IEEE Transactions on Electronics Packaging Manufacturing，2003，26(3)：216-220.)，由键合过程中换能器的振动特征来识别和检测键合缺陷。这种方法的主要缺陷是压电传感器与换能器之间存在相互影响，同时压电传感器的附加质量会改变换能器的结构特性。

发明内容

针对现有技术存在的缺陷或不足，以及超声引线键合系统键合质量在线检测的需要，本发明的目的在于，提供一种分布式多设备超声引线键合质量在线检测系统。该系统以超声键合系统压电换能器的输入电信号作为识别键合质量的信息载体，利用DSP终端对此电信号进行采集和预处理，并将数据经过局域网发送到质量检测中心DTC，通过运行主计算机中设置的键合质量在线诊断和检测程序，实现超声键合系统键合质量的在线检测。

为了实现上述任务，本发明采取如下的技术解决方案：

一种分布式超声引线键合质量在线检测系统，其特征在于，该系统包括由主计算机、数据库服务器和网络打印机构成的质量诊断中心DTC；由局域网总线和网关服务器构成的局域网；以及多个DSP终端，该DSP终端上连接有超声引线键合设备；其中：DSP终端包括：

一隔离放大电路，用于隔离超声引线键合系统与键合质量检测系统，防止键合系统与质量检测系统之间的相互影响，并进行信号放大，以方便后续采集系统的数据采集；

一开关量转换电路，用于将键合系统参数转变为数字量，该键合系统参数主要包括键合时间、键合功率和键合压力，获取键合系统参数的目的是方便后续数据管理，作为标识设备性能参数的依据；

一A/D转换电路，用于实现对隔离放大电路输出的电压、电流信号进行模数转换，并与DSP处理器数据输入端口相连，实现键合信号的采集；

一DSP处理器，用于整个DSP终端的控制与运算，包括对开关量转换电路、A/D转换电路的数据读取与采集控制，同时利用DSP外扩程序存储器中的信号预处理程序对采集到的信号进行预处理，最终通过DSP网络通讯模块将数据发送到质量检测中心DTC的数据库服务器中，等待主计算机的读取与处理；

一DSP系统外部程序存储器，用于存储DSP终端所要实现信号预处理程序，当由A/D转换电路获取的键合信号进入DSP处理器后，同时调用存储器中的预处理程序对信号进行处理；

一DSP系统外部数据存储器，用于实现DSP处理器计算数据存储；

一DSP系统通讯模块，用于DSP终端与质量检测中心DTC的通讯；

超声引线键合系统产生的超声波电信号送入隔离放大电路，通过A/D转换电路与内部总线相连，超声引线键和系统产生的键和系统参数通过开关量转换电路与内部总线相连，DSP处理器、DSP系统外部数据存储器、DSP系统外部程序存储器和连接在内部总线上，其中，DSP系统通讯模块和局域网连通。

本发明的分布式超声引线键合质量在线检测系统，在信息获取方式上，基于超声键合系统压电换能器的自传感特性，本发明直接获取压电换能器的输入超声波信号，以此信号作为识别键合质量的信息载体，然后利用信号特征提取和模式识别技术对键合质量进行识别。因此，不需在焊盘上或换能器上安装任何传感器，具有成本低、不干扰生产环境的特点。在信息处理和系统实现方面，本发明利用DSP处理器进行数据采集与预处理，提高了数据处理和检测系统的速度，并与检测中心计算机构成分布式系统，可方便地实现对多台键合设备键合质量的在线巡回检测，且便于系统的实现、扩展和维护。

附图说明

图1是超声引线键合原理图；其中的别号为：1、超声波发生器，2、超声波输入端，3、压电换能器，4、安装套筒，5、聚能器、6、键合工具，7、底端焊盘，8、键合焊点，9、金属引线，10、压力产生装置。

图2是分布式键合质量检测系统总体框图；

图3是DSP终端原理图；

图4是隔离放大电路图；

图5是键合质量检测的神经网络模型；

图6是不同键合故障模型；其中，(a)是正常键合，(b)是无引线键合，(C)是位置偏离键合；

图7是超声键合信号及其包络；其中，(a)是电压信号，(b)是电压信号局部极值包络，(c)是分段拟合后电压信号包络，(d)是电流信号，(e)是电流信号局部极值包络，(f)是分段拟合后电流信号包络。

图8是神经网络故障分类与识别结果；其中，(a)是故障分类图，(b)是键合强度识别图；

以下结合附图和实施例对本发明作进一步的详细说明。

具体实施方式

(一)发明的技术要点

1.在信息获取方式上，基于超声键合系统压电换能器的自传感特性，本发明直接获取压电换能器的输入超声波信号，以此信号作为识别键合质量的信息载体，然后利用信号特征提取和模式识别技术对键合质量进行识别。因此，不需在焊盘上或换能器上安装任何传感器，具有成本低、不干扰生产环境的特点。

2.在信息处理和系统实现方面，本发明利用DSP处理器进行数据采集与预处理，提高了数据处理和检测系统的速度，并与检测中心计算机构成分布式系统，可方便地实现对多台键合设备键合质量的在线巡回检测，且便于系统的实现、扩展和维护。

(二)本发明的组成结构及功能

基于键合系统键合质量在线检测的需要，本发明构建了分布式键合质量检测系统(附图2)，整个质量检测系统由多个DSP终端、局域网、质量诊断中心DTC构成。

其中，DSP终端(附图2和3)由7部分组成，分别是：1、隔离放大电路；2、开关量转换电路；3、A/D转换电路；4、DSP处理器；5、DSP系统外部程序存储器；6、DSP系统外部数据存储器；7、DSP系统通讯模块；

局域网由两部分组成(附图2)，分别是：8、局域网总线；9、网关服务器；

质量诊断中心DTC由3部分组成(附图2)，分别是：10、数据库服务器；11、主计算机；12、网络打印机；

下面就各部分功能做详细说明：

1、隔离放大电路，隔离放大电路(附图4)负责隔离超声引线键合系统与键合质量检测系统，防止键合系统与质量检测系统之间的相互影响，并进行信号放大，以方便后续采集系统的数据采集。本发明所要获取的信号是超声波电压和电流信号，即超声波发生器与压电换能器之间电路上的信号(附图1和4)。对于超声电压信号，在放大器输入端并联1MΩ电阻，尽可能减小放大电路对超声波系统的影响。对于电流信号，需要在电路中串联一个1Ω小电阻，同时在放大器输入端并联1MΩ电阻，这样，电流输出端的信号即为实际超声电流值；

2、开关量转换电路，开关量转换电路负责将键合系统参数转变为数字量。这里键合系统参数主要包括键合时间、键合功率和键合压力，获取键合系统参数的目的是方便后续数据管理，作为标识设备性能参数的依据；

3、A/D转换电路，实现对隔离放大电路输出的电压、电流信号进行模数转换，并与DSP处理器数据输入端口相连，实现键合信号的采集；

4、DSP处理器，DSP处理器负责整个DSP终端的控制与运算，包括对开关量转换电路、A/D转换电路的数据读取与采集控制，同时利用DSP外扩程序存储器中的信号预处理程序对采集到的信号进行预处理，最终通过DSP网络通讯模块将数据发送到质量检测中心DTC的数据库服务器中，等待主计算机的读取与处理；

5、DSP系统外部程序存储器，存储DSP终端所要实现信号预处理程序，当由A/D转换电路获取的键合信号进入DSP后，同时调用存储器中的预处理程序对信号进行处理；

6、DSP系统外部数据存储器，实现DSP处理器计算数据存储；

7、DSP系统通讯模块，负责DSP终端与质量检测中心DTC的通讯；

8、局域网总线，负责将整个检测系统的各环节连接在一起，实现数据传输；

9、网关服务器，负责质量检测中心DTC与DSP终端之间数据的调度与存储；

10.数据库服务器，负责数据存储，这些数据包括：DSP终端发送来的各设备的系统参数和键合特征参数、质量检测中心DTC发送的处理结果数据与技术文档。

11、主计算机，用于控制多个DSP终端进行数据采集和预处理，并对DSP终端发回的数据进行分析和处理；对键合质量状况作出判决，并输出检测结果；

12、网络打印机，负责对诊断中心处理的结果数据文件进行打印；

所述的DSP终端，其外部程序存储器中设置有信号预处理程序，包括如下步骤：

(A)信号的滤波程序，负责对采集到的数字信号进行滤波，减小噪声干扰；

(B)信号的特征提取程序，负责对滤波后的信号进行特征提取，将大量原始数据信息用少量的特征信息进行替代，减少网络传输的数据量，提高网络传输的速度；

所述的质量检测中心DTC，其主计算机存储器中设置有引线键合质量检测系统主体程序，主要包括下列步骤：

(A)特征选择程序，负责对DSP终端传输来的信号进行特征选择；

(B)神经网络算法，利用BP神经网络对特征数据进行模式分类和键合质量识别；

本发明采用以上方案，建立有限个键合质量检测节点，首先在质量检测中心DTC中建立各种键合故障的模式，通过DSP终端获取的特征数据与DTC中的故障模式进行比较，最终确定各监测节点键合质量状况，实现多台键合设备键合质量分布式在线检测。

上述发明内容(二)阐述了键合质量检测系统3个主要组成部分及各部分的功能，其中DSP终端与质量检测中心各部分之间的网络实现已经是比较成熟的技术，本发明不再做详细讨论，下面就DSP终端处理器中的信号预处理方法以及主计算机质量检测主体程序实现方法进行详细描述：

1.DSP终端预处理程序实现的功能

DSP终端的外部程序存储器中保存有信号的预处理程序，以供DSP处理器进行处理，预处理程序主要包括：信号的数字滤波和特征参数提取。

<A>数字滤波

超声波电压和电流信号如附图7(a)和(d)。由于超声信号中存在大量噪声干扰成份，为了能更准确的提取特征成份，提高信噪比，在对键合信号进行特征提取之前，先对信号进行滤波，尽可能的去除信号中噪声成份，保留信号的主要成份。键合信号的工作频率为65KHz，保留信号的前5次谐波成份，即0-325KHz以内的信号，在这里滤波器选择低通滤波器，通带范围选择0-325KHz。

<B>特征参数提取

●键合信号统计特征：

信号的统计特征能够反映信号在整个时间段内的分布特性。对于超声波电压和电流信号，本发明共提取8个统计量，分别是：电压和电流信号的能量、方差、偏斜度和峭度。这里仅以电压信号为例加以说明，设提取的各统计量为f_i，(i＝1，2，...，m)，滤波后电压信号为x_n，(n＝1，2，...，N)。其中m为统计特征量的个数，N为信号长度。提取电压信号4个统计特征量如下：

①电压信号的能量：

$f_1=\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}{x_n}^2---\left(1\right)$

②电压信号的方差：

$f_2=\frac{1}{n-1}\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}{[x_n-\stackrel{\&OverBar;}{x_n}]}^2$ 其中， $\stackrel{\&OverBar;}{x_n}=\frac{1}{n}\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}{x}_n---\left(2\right)$

③电压信号的偏斜度：

$f_3=\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}{(x_n-\stackrel{\&OverBar;}{x_n})}^3---\left(3\right)$

④电压信号的峭度：

$f_4=\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}{(x_n-\stackrel{\&OverBar;}{x_n})}^4---\left(4\right)$

电流信号的统计量计算方法与电压信号相同，按照公式(1)-(4)，用滤波后的电流信号替代电压信号x_n，得到电流信号的4个统计量(f₅，f₆，f₇，f₈)，其中f₅代表电流信号能量、f₆代表电流信号的方差、f₇代表电流信号的偏斜度、f₈代表电流信号的峭度。

由于在后面我们还将获得信号的包络特征，为了方便计算，本发明将信号的统计特征量和包络特征量整理为一个特征向量，设特征向量用f表示

f＝f_i(i＝1，2，...，m)    (5)

其中m为特征量的个数，在这里特征向量f中前8个数据为统计特征量。

●键合信号的包络特征：

信号的包络特征能够反映信号在某个局部时间段内的变化情况，对于瞬态键合信号，其包络中含有很多反映键合系统特性的参数，如附图7(c)和(f)。本发明应用局部极值方法来获取包络曲线，然后利用最小二乘法进行分段拟合，使包络曲线更加光滑，便于特征点的提取。本发明从电压和电流包络曲线上一共提取50个特征参数来表征键合信号的包络。现就信号包络的求法以及各特征参数的获取做如下描述：

①数据包络计算方法

首先我们利用局部极值方法求取信号的一次包络，这里同样以电压信号为例，对于滤波后的电压信号x_n，(n＝1，2，...，N)，N为信号长度：

搜索x_n是否为局部极大值，即x_n-1≤x_n且x_n≥x_n+1；其中n＝2，3，...，N-1。然后对各局部极值点之间进行三次样条插值，这样获得的新序列即为局部极值包络序列(参见附图7(b))。对于电流信号采用相同的方法，获得电流信号的局部极值包络(参见附图7(e))。

局部极值方法虽然可以得到信号的包络，但是由于随机噪声的干扰，使计算的包络序列并不光滑，从附图7(b)和(e)可以看出，包络信号有很多毛刺，这对提取包络上的特征量是不利的。为此，本发明对此包络序列进行分段非线性拟合，在尽可能多的保留包络特征的前提下使包络曲线更加光滑。

为了对局部极值包络进行分段拟合，在附图7(b)和(e)上，找出一些特征点，对于电压局部极值包络(图7(b))有：A、电压信号的起始位置；B、电压信号上升到稳定阶段的位置(这里可以参考电流信号的H点)；C、电压信号开始衰减时的位置；D、电压信号第一次衰减到极小值时的位置；E、电压信号经过第一次衰减波动到极大值时的位置；F、电压信号结束位置。对于电流局部极值包络(图7(e))有：G、电流信号开始位置；H、电流信号开始增大时的位置；I、电流信号开始衰减时的位置；J、电流信号结束位置。

在这些特征点之间进行分段拟合，对于电压局部极值包络(附图7(b))，拟合分段数分为5段：以A-B段为例

A-B段选择三次多项式进行拟合，拟合多项式如下：

${\hat{x}}_n=c_1+c_2{t}_n+c_3{t_n}^2+c_4{t_n}^3,n=\mathrm{1,2},...N---\left(6\right)$

其中，N是A-B段的数据长度，

是拟合后的新数据，t_n表示A-B段的时间，拟合多项式的系数是c₁，c₂，c₃，c₄，拟合的方法选择最小二乘法求取目标系数，设目标函数为

$E(c_1,c_2,c_3,c_4)=\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}{[{\hat{x}}_n-x_n]}^2=\min ---\left(7\right)$

其中x_n是原始电压局部极值包络数据。目标是求取参数c₁，c₂，c₃，c₄使函数E达到最小值。对于非线性优化问题，本发明推荐用性能稳定的遗传算法求解。求得这些系数后，代入式(6)中即可求得A-B段新包络数据

B-C段、C-D段、D-E段与A B段方法相同，都选择三次多项式进行拟合，获取新的包络数据。

从附图7(b)可以看出，E-F段有明显负指数衰减特征，因此，在E-F段选择指数衰减函数，表达式如下：

${\hat{x}}_n=a\&times;e^{-b{(t_n-t_1)}^{\mathrm{\&beta;}}}---\left(8\right)$

同样用公式(7)的方法求解式(9)的系数α，b，β。

最终，我们将A-B段、B-C段、C-D段、D-E段、E-F段求取的新包络数据连起来，就得到一组新的包络数据(参见附图7(c))。

对于超声电流信号拟合方法与电压相同。在G-H段、H-I段选择公式(6)的拟合多项式，I-J段选择公式(8)的拟合函数。拟合函数确定之后，同样选择公式(7)的方法求取系数，最终确定电流信号的分段拟合包络序列(参见附图7(f))。

②包络特征的提取

本发明一共从电压和电流包络曲线上(附图7(e)和(f))提取50个特征参数。按照公式(5)特征向量的表达方式，将新获取的特征值追加到特征向量f中。对于电压包络信号，共有32个特征参数，分别是：

f₉：A-B段从键合开始到平稳过程所用的时间；

f₁₀：B-C段的方差；

f₁₁，f₁₂，f₁₃：C，D，E点函数值；

f₁₄，f₁₅：E-F段的衰减系数b和β；

f₁₆→f₄₀：按顺序从电压包络各分段内等间隔各取5个函数值，其中不能包括各分段端点函数值。

对于电流包络信号，共有18个特征参数，分别是：

f₄₁：H-I段的方差；

f₄₂，f₄₃：I-J段的衰减系数b和β；

f₄₄→f₅₈：按顺序从电流包络各分段内等间隔各取5个函数值，其中不能包括各分段端点函数值。

综合信号的统计特征和包络特征，一共有58个特征参数被获得，其中电压信号36个，电流信号22个。特征向量可以表示成如下形式：

f＝f_i(i＝1，2，...，m)    (9)

其中f的前8个值表示信号的统计特征，后50个值表示信号的包络特征。这样，我们就可以用一个58维的特征向量f来表征一组键合电压和电流信号。

上述键合信号的滤波和特征提取程序利用DSP专用开发系统和C语言混合编程实现，最后将此程序代码固化到DSP外部程序存储器中，实现对键合信号预处理。

2.主计算机端诊断分析程序实现的功能

主计算机端诊断程序主要是利用神经网络技术对键合特征数据进行分类与识别。其核心程序主要包括：数据的特征选择和神经网络方法实现。

<A>特征选择

本发明在得到特征向量f以后要对特征进行模式分类和识别，而模式识别存在一个主要的问题就是维数灾难，有很多理由要求必须将特征数量减少到最小，其中计算复杂性是一个理由；另一个原因是虽然两个特征可能具有很好的分类信息，但是当将它们合并成一个特征向量时，由于相关性，几乎得不到什么信息。

基于上面提到的特征需要选择的问题，本发明提出采用主分量分析方法对特征向量f进行降维处理，由此可以减少模式识别计算的复杂性，而且可以消除特征之间的相关性和重复信息。主分量分析方法步骤如下：

●数据归一化

设总共有k组电压和电流键合试验数据，进行特征提取后将会得到k个特征向量，将其组合成一个特征矩阵F

$F=\left(\begin{array}{cccc}{f}_{11}& f_{12}& ...& f_{1m}\\ f_{21}& f_{22}& ...& f_{2m}\\ ...& ...& ...& ...\\ f_{k1}& f_{k2}& ...& f_{\mathrm{km}}\end{array}\right)---\left(10\right)$

其中m代表一组试验数据提取的特征值个数，依据特征提取模块获得的特征个数，m在这里取58，k代表试验数据的总组数。

设原始特征数据为f_km，利用如下公式对特征矩阵进行归一化

其中

表示归一化以后的特征值，

表示第m个特征的均值，σ_m为第m个特征的标准差。

●主分量分析方法

i、求F的协方差矩阵V的特征根，记为

λ₁≥λ₂≥…λ_i≥0，λ_i+1＝…＝λ_m＝0

ii、求λ_i对应的单位特征向量u_n，n＝1，…，i

iii、取y_n＝u_n′F即为F的第n个主成份，n＝1，…，i对于主成份的选择，本发明选用主成份的贡献率来评价，即

，如果前s(这里s≤n)个主成份的累计贡献率达到要求，选择前s个主成份即可，从而降低特征向量的维数。

(B)神经网络识别方法实现：

本发明利用BP神经网络对特征数据进行分类和识别，附图5给出BP神经网络模型，其中网络包含一个输入层、一个隐层和输出层。n维输入向量与特征选择得到的主成份y_n相对应，两维的输出向量与2个输出指标——故障类别TS、键合强度SF相对应。其中故障类别在本发明中有两种(参见附图6)：键合工具位置偏离故障、键合工具无引线故障。因此，对于神经网络故障类别TS的输出，加上正常的键合状态，我们可以有3种输出状态，当神经网络的输出状态为两故障状态时，就应该及时对设备进行调整。在这里键合强度SF，本发明选择键合点的剪切强度，并由此来判别键合质量。

需要指出的是，神经网络要经过训练之后才有分类和识别的能力。在整个检测系统运行之前，首先要对检测中心DTC的神经网络进行训练，利用DSP终端得到的键合特征数据，以及经过主分量分析程序，得到一批准确的实验数据作为神经网络的训练样本，然后用这些样本对神经网络进行训练，训练完成之后的神经网络，其输入与输出之间行成了一种能够映射特征数据与故障类别和键合强度内在联系的连接关系。

本发明利用VC++语言编写特征选择与神经网络方法实现程序，这样，主计算机就具有了模式识别的功能，对从网络数据库得到的特征数据进行分类和识别，然后将输出结果发送到网络数据库及网络打印机。

以下是发明人给出的实施例：

本实施例以全自动金球键合机为例，建立一个分布式键合质量在线检测系统，该质量检测系统如附图2所示。质量检测系统首先实时的检测各台设备的键合信号，并将此数据进行存储和分析，在诊断中心完成对特征数据的故障分类和键合质量识别。

1、DSP终端超声键合信号的采集与特征提取

依据附图3中DSP终端的功能，对多台键合机的键合信号进行采集和特征提取。在这里，为了能更清楚的说明本发明的效果，本发明一共采集到300组键合信号(包括电压和电流信号)，其中，两类故障信号(位置偏离键合、无引线键合)各100组，正常键合信号100组。然后利用DSP终端中固化的特征提取程序对300组信号进行特征提取，将得到的300组特征样本通过局域网发送到网络数据服务器，等待主计算机的读取。

2、质量检测中心DTC对特征数据的分类和质量识别

当质量检测中心DTC的主计算机得到网络数据库发来的特征数据时，启动特征选择与神经网络系统，经过计算，得到300组特征数据的故障分类和键合强度识别结果，参见附图8(a)和(b)。其中附图8(a)是故障特征分类结果，依据特征选择方法里的主分量分析结果，本发明选择前3个主分量(y₁，y₂，y₃)来做分类图，其中前3个主分量的累计贡献率达到96.8％，从8(a)可以看出，利用前3个主分量已经可以很好的将故障信息与正常键合信息区分开。从图中还可以看出，对于两个故障类(位置偏离键合、无引线键合)，其特征数据点比较集中。而对于正常键合特征，数据点有些分散，这主要是由于键合过程中不同的键合点表面状况引起的。

在工程实际中，一般是通过检测键合点强度来评判键合点的质量，强度越高，就说明键合点质量越好。图8(b)是键合强度识别结果，其中横坐标代表键合点实际键合强度，纵坐标代表神经网络识别结果。从图中拟和曲线可以看出，数据点基本上在一条45度直线周围波动，键合强度识别误差非常小。在此，可以设置一个键合强度报警值，如果某台设备键合强度没有达到此值，将视为无效键合点，并且发出警报信息，以利于对此键合点及时处理。此报警值的设置视各企业的标准以及行业标准而定。

Claims (3)

1.一种分布式超声引线键合质量在线检测系统，其特征在于，该系统包括由主计算机、数据库服务器和网络打印机构成的质量诊断中心DTC；由局域网总线和网关服务器构成的局域网；以及多个DSP终端，该DSP终端上连接有超声引线键合设备；其中：DSP终端包括：

一隔离放大电路，用于隔离超声引线键合系统与键合质量检测系统，防止键合系统与质量检测系统之间的相互影响，并进行信号放大，以方便后续采集系统的数据采集；

一开关量转换电路，用于将键合系统参数转变为数字量，该键合系统参数主要包括键合时间、键合功率和键合压力，获取键合系统参数的目的是方便后续数据管理，作为标识设备性能参数的依据；

一A/D转换电路，用于实现对隔离放大电路输出的电压、电流信号进行模数转换，并与DSP处理器数据输入端口相连，实现键合信号的采集；

一DSP处理器，用于整个DSP终端的控制与运算，包括对开关量转换电路、A/D转换电路的数据读取与采集控制，同时利用DSP外扩程序存储器中的信号预处理程序对采集到的信号进行预处理，最终通过DSP网络通讯模块将数据发送到质量检测中心DTC的数据库服务器中，等待主计算机的读取与处理；

一DSP系统外部程序存储器，用于存储DSP终端所要实现信号预处理程序，当由A/D转换电路获取的键合信号进入DSP处理器后，同时调用存储器中的预处理程序对信号进行处理；

一DSP系统外部数据存储器，用于实现DSP处理器计算数据存储；

一DSP系统通讯模块，用于DSP终端与质量检测中心DTC的通讯；

超声引线键和系统产生的超声波电信号送入隔离放大电路，通过A/D转换电路与内部总线相连，超声引线键和系统产生的键和系统参数通过开关量转换电路与内部总线相连，DSP处理器、DSP系统外部数据存储器、DSP系统外部程序存储器和连接在内部总线上，其中，DSP系统通讯模块和局域网连通。

2.如权利要求1所述的分布式超声引线键合质量在线检测系统，其特征在于，所述的外部程序存储器中设置有信号预处理程序，该信号预处理程序包括如下步骤：

(A)信号的滤波程序，负责对采集到的数字信号进行滤波，减小噪声干扰；

(B)信号的特征提取程序，负责对滤波后的信号进行特征提取，将大量原始数据信息用少量的特征信息进行替代，减少网络传输的数据量，提高网络传输的速度。

3.如权利要求1所述的分布式超声引线键合质量在线检测系统，其特征在于，所述的质量检测中心DTC的主计算机内部存储器中设置有引线键合质量检测系统主体程序，该主体程序主要包括下列步骤：

(A)特征选择程序，负责对DSP终端传输来的信号进行特征选择；

(B)神经网络算法，利用BP神经网络对特征数据进行模式分类和键合质量识别。

Images