CN110826282B - 基于加热因子的再流焊接工艺仿真模型修正方法 - Google Patents
基于加热因子的再流焊接工艺仿真模型修正方法 Download PDFInfo
- Publication number
- CN110826282B CN110826282B CN201911102638.5A CN201911102638A CN110826282B CN 110826282 B CN110826282 B CN 110826282B CN 201911102638 A CN201911102638 A CN 201911102638A CN 110826282 B CN110826282 B CN 110826282B
- Authority
- CN
- China
- Prior art keywords
- simulation
- model
- temperature
- heating
- time
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Electric Connection Of Electric Components To Printed Circuits (AREA)
Abstract
本发明公开了一种基于加热因子的再流焊接工艺仿真模型修正方法,通过分析实测温度数据与相应数值仿真温度数据的在加热因子与超液相线时间上的差异,建立以加热因子、超液相线时间差异最小化为优化目标,以温区温度及对流换热系数为优化变量的数值仿真修正模型;采用响应面法和多目标遗传优化算法方法优化上述模型,使得数值仿真模型结果与实测温度相符,从而得到修正后的数值仿真模型,通过一次实物试验的反馈调整就能提高后续仿真预测的准确性。本发明将有限元仿真和试验相结合的方法对再流焊工艺仿真模型进行修正,有效提高仿真的效率和精度。
Description
技术领域
本发明属于再流焊工艺仿真有限元模型修正技术领域,具体涉及了一种基于加热因子的再流焊接工艺仿真模型修正方法。
背景技术
随着集成电路产业的飞速发展,高集成度、高可靠性已经成为行业的新潮流。在这种潮流趋势的推动下,电子电路表面组装技术(Surface Mounted Technology,简称SMT)为电子产品尤其是航空航天和军用电子装备的进一步微型化、薄型化和轻量化开辟了广阔的前景。再流(回流)焊接是表面组装技术(SMT)生产过程中的关键工序。再流焊接工艺过程直接影响电子产品的焊接质量和可靠性。目前普遍采用多次“测温板试验-工艺参数调整”的方法来确定,需要耗费大量人力、物力及时间成本,一般不具某种最优性,而且对于不能进行多次试验的PCBA(Printed Circuit Board Assembly)产品不能应用。有限元仿真因周期短、成本低等优势已成为再流焊PCBA温度场分析的重要方法。
有限元模型的准确性是分析模型特性的关键所在。一些文献表明材料属性和PCBA边界条件对PCB(Printed Circuit Board,印制电路板,简称PCB)板仿真影响较大,对PCB结构动力学有限元模型进行修正,但尚未涉及到对PCBA再流焊接温度场仿真有限元模型进行修正。
发明内容
为了提高再流焊工艺仿真模型的准确性,本发明提出一种基于加热因子的再流焊接工艺仿真模型修正方法。根据试验所得的印制板上焊点温度数据对再流焊接工艺温度场仿真模型进行修正,从而获得较为准确的工艺温度场仿真模型,解决了再流焊接工艺温度场模型仿真不精确的问题。
为实现上述目的,本发明所采用的技术方案:
一种基于加热因子的再流焊接工艺仿真模型修正方法,包括以下步骤:
步骤1,建立再流焊工艺温度场仿真模型,利用瞬态热仿真分析获得焊点仿真温度曲线,计算仿真焊点加热因子与实测焊点加热因子,对比分析实测温度数据与相应数值仿真温度数据的在加热因子上的差异;
步骤2,确定设计参数、约束条件、目标函数,建立PCBA温度场仿真修正模型;
步骤3,设计实验,获取目标参数响应值;对修正设计参数进行抽样,然后将抽样的样本点带入修正前的工艺仿真模型,计算工艺参数的目标参数响应值-加热因子和超液相线时间;
步骤4,构建Kriging响应面模型;根据设计参数和加热因子、超液相线时间值差值响应构建满足精度要求Kriging响应面模型;
步骤5,多目标遗传算法(Multi-Objective Genetic Algorithm,简称MOGA)寻优;通过多目标遗传算法(MOGA)对目标函数进行迭代计算寻优,获得修正后工艺参数,判断优化结果是否收敛,若不收敛,则更新设计变量,重新设计实验,获取目标参数差值响应,迭代计算,直到收敛为止;若收敛,则输出修正后的工艺仿真模型;并将修正后的工艺参数代入有限元模型进行结果验证。
步骤1中,所述的再流焊工艺温度场仿真模型包括印制板基板、BGA(Ball GridArray,焊球阵列封装,简称BGA)本体、QFP(Plastic Quad Flat Package,方型扁平式封装,简称QFP)本体、Chip元件等效热模型以及BGA、QFP高密度组装焊点的等效热模型;PCBA组件仿真模型,PCBA瞬态温度场数值仿真模型建立;所述的仿真焊点不仅计算其加热因子值,而且还计算仿真焊点的超液相线时间值,并且分析实测数据与相应数值仿真数据的在超液相线时间值上的差异,仿真焊点的加热因子、超液相线时间的计算方法:首先,提取与实测焊点相对应的节点位置;然后,找到该节点最高温度值;最后,节点加热因子、超液相线时间值由下列方法计算:
heatfactor=0.5*t_183*(max_tem_node-183)
t_183=t2_183-t1_183
语句中:heatfactor为加热因子;t_183为超液相线时间;t1_183为焊点温度第一次达到183℃时的时间;t2_183为焊点温度第二次达到183℃时的时间,max_tem_node为焊点最高温度值。
步骤2中,所述的PCBA温度场仿真修正模型是通过分析实测数据与相应数值仿真数据的在加热因子与超液相线时间上的差异而建立的,具体方法为:建立以实测焊点加热因子、超液相线时间与仿真焊点加热因子、超液相线时间差值最小化为优化目标,以各温区温度、对流换热系数为设计变量,以下条件作为约束条件的优化模型:①电路板组件的峰值温度小于245℃,保证PCB的可靠性;②焊膏的峰值温度小于225℃,保证焊点温度不致过高;③优化目标是使得实测焊点与仿真焊点的加热因子、超液相线时间差值最小化,其数学模型为:
步骤3中,所述的抽样方法采用拉丁超立方抽样,根据设计参数数目进行100-150次的正交试验设计,并且使整个实验设计点均匀分布在空间中;该抽样方法可提高响应面的拟合精度。
步骤4中,所述的Kriging响应面模型的构建,构建方法为:根据拉丁超立方抽样试验设计结果,用最小二乘法来构建Kriging响应面模型,并使用相对误差对其拟合度进行检验,其中Kriging数学模型为:
y=f(x)+z(x) (2)
式中,f(x)为以x为变量的多项式函数;k为设计变量的个数;βo为常数项待定系数,βi为一次项待定系数,βii为二次项待定系数,βij为交叉项待定系数;z(x)为服从正态随机分布函数,xi为变量x的第i项,xj为变量x的第j项;
在设计空间中f(x)提供全局的模拟近似及y的数学期望;而z(x)提供模拟局部偏差的近似,z(x)具有无偏性和估计方差最小的特征,其协方差矩阵为:
Cov[z(xi),z(xj)]=σ2R([r(xi,xj)]) (4)
式中,σ2为z(x)的方差;R为待测点和样本点之间的相关矩阵;r(xi,xj)为待测点和样本的之间相关函数,其高斯相关函数为:
基于z(x)的无偏性和估计方差最小得出相关参数θl,由最大可能估计给出,即在θ>0时使式(6)最大:
式中,ns为响应值的个数;σ2为方差估计值;|R|为待测点和样本的之间的相关值。
步骤5中,所述的目标函数是实测焊点加热因子和超液相线时间与仿真对应SnPb焊膏节点的加热因子和超液相线时间差值最小化(0),采用多目标遗传算法(MOGA)对实测焊点加热因子和超液相线时间与仿真对应SnPb焊膏节点的加热因子和超液相线时间差值进行迭代计算;所述的更新设计变量是指重新调整各温区温度和各温区对流换热系数的取值范围。
本发明可适用于各种印制板组件的再流焊接工艺温度场仿真模型修正,模型修正后的工艺仿真结果为再流焊工艺设计、印制板组件设计、焊点可靠性分析提供参考和依据。
本发明具有以下有益效果和优点:
本发明通过将仿真模型中焊点加热因子、超液相线时间与实测焊点加热因子、超液相线时间偏差构建目标函数,在Kriging响应面的基础上,结合多目标遗传算法(MOGA)对红外热风再流焊PCBA温度场仿真模型进行修正;并以某印制板PCBA为算例,验证该发明的合理性及有效性。所提出基于加热因子的再流焊接工艺仿真模型修正方法具有修正速度快、修正精度高的优点。
附图说明
图1为本发明实施例的再流焊工艺仿真模型修正方法流程图;
图2a-图2b为本发明实施例中PCBA实物及有限元模型图,其中图2a为PCBA实物图,图2b为PCBA有限元模型图;
图3a-图3d为本发明实施例中PCBA组件的温度场分布示意图,其中图3a为预热区(66s),图3b为保温区(150s),图3c为回流区(176s),图3d为冷却区(242s);
图4a-图4b为本发明实施例中8个热电偶探测点位置示意图,其中图4a为实测探测点的位置,图4b为仿真节点的位置;
图5a-图5h为本发明实施例中修正前仿真模型中8个节点温度曲线与实温采集的8个探测点温度曲线对比图,其中图5a为探测点1,图5b为探测点2,图5c为探测点3,图5d为探测点4,图5e为探测点5,图5f为探测点6,图5g为探测点7,图5h为探测点8;
图6a-图6h为本发明实施例中修正后仿真模型中8个节点温度曲线与实温采集的8个探测点温度曲线对比图,其中图6a为探测点1,图6b为探测点2,图6c为探测点3,图6d为探测点4,图6e为探测点5,图6f为探测点6,图6g为探测点7,图6h为探测点8。
具体实施方式
为了便于本领域普通技术人员理解和实施本发明,结合附图及实施例对本发明内容作进一步的详细描述,但不是对本发明的限定。
实施例:
如图1所示,一种基于加热因子的再流焊接工艺仿真模型修正方法,包括以下步骤:
步骤1,建立工艺温度场仿真模型:
首先,根据某印制板PCBA组件实物见图2a和12温区的1809EXL热风再流焊炉,利用有限元仿真软件建立再流焊工艺温度场仿真模型,再流焊工艺温度场仿真模型主要包括印制板PCBA基板、BGA本体、QFP本体、Chip元件等效热模型以及BGA、QFP高密度组装焊点的等效热模型;PCBA组件有限元仿真模型见图2b;PCBA瞬态温度场数值仿真模型;然后,进行瞬态热仿真分析,假设再流焊炉处于稳定工作状态,温区温度在焊接过程中基本稳定,利用APDL语言中的sf,surface,conv,coeft,am_temp语句在PCBA有限元模型的表面上加载随时间变化的热载荷:对流换热系数h和热风温度T;根据1809EXL热风再流焊炉温区数目,以上述语句的形式加载12个温区的热载荷即可实现温度场的热载荷加载;最后,求解得到再流焊接时,不同时刻不同温区PCBA组件的温度场分布,图3a为预热区66s温度场分布,图3b为保温区150s温度场分布,图3c为再流区176s温度场分布,图3d为冷却区242s温度场分布;
通过调整各炉区温度、传送带速对再流焊炉温参数设置,进行实物板温度试验,得到实测炉温曲线;实际的再流焊过程中,用炉温测试仪探测PCBA组件上8个焊点的温度曲线,实测热电偶8个探测点位置见图4a;在温度场仿真模型中,利用APDL语言将实测8个热电偶探测点的位置与仿真模型的8节点位置对应起来,仿真模型与实物对应的8个节点位置见图4b;则修正前仿真模型中8个节点温度曲线与实温采集的8个探测点温度曲线对比见图5a-图5h,为进一步提高仿真模型精度,选取再流焊接炉温曲线的加热因子和超液相线时间2个关键指标来定量评价及修正模型,通过APDL程序提取8个节点的温度曲线,计算该8个节点温度曲线的加热因子和超液相线时间值,则修正前仿真模型中8个节点的加热因子及超液相线时间与实际值比较如表1所示:
表1修正前加热因子、超液相线时间与实际值比较
由表1可以看出,加热因子最大偏差为43.37%、最小偏差为22.92%;超液相线时间最大偏差为29.11%、最小偏差为12.9%;
步骤2,建立PCBA温度场仿真修正模型:
步骤2中,首先,将PCBA温度场仿真模型修正问题转化为多目标优化问题;然后,确定设计参数、约束条件、目标函数;具体方法为:建立以实测8个焊点加热因子、超液相线时间与仿真模型中8个SnPb节点加热因子、超液相线时间差值最小化为优化目标、以各温区温度、对流换热系数为设计变量,以下条件作为约束条件的优化模型:①电路板组件的峰值温度小于245℃,保证PCB的可靠性;②焊膏的峰值温度小于225℃,保证焊点温度不致过高;③优化目标是使得实测的8个焊点与仿真8个SnPb节点的加热因子、超液相线时间差值最小为0;最后,便得到PCBA温度场仿真修正模型。
步骤3,设计实验,获取目标参数响应值:
步骤3中采用拉丁超立方抽样法对修正设计变量进行抽样,然后将抽样的样本点带入修正前的工艺仿真模型,计算工艺参数的目标参数响应值加热因子和超液相线时间;由设计参数数目进行100-150次正交实验设计,并且使整个实验设计点均匀分布在空间中。
步骤4,构建Kriging响应面模型:
步骤4中根据设计参数和加热因子、超液相线时间值差值响应构建满足精度要求Kriging响应面模型;使用相对误差法进行拟合度检验,其拟合度误差都在0.95以上。
步骤5,多目标遗传算法(MOGA)寻优:
步骤5通过把工艺参数模型生成响应面模型,采用多目标遗传算法(MOGA)对实测8个焊点加热因子、超液相线时间与仿真模型中8个SnPb节点加热因子、超液相线时间差值进行迭代计算寻优,获得修正后工艺参数,判断优化结果是否收敛,若不收敛,则更新设计变量温区温度、对流换系数,重新设计实验,获取目标参数差值响应,迭代计算,直到收敛为止;若收敛,则输出修正后的工艺仿真模型;并将修正后的工艺参数代入有限元模型进行结果验证,则修正后仿真模型中8个节点温度曲线与实温采集的8个探测点温度曲线对比见图6a-图6h,可以看出,修正后8个探测点处炉温曲线形态与实际炉温曲线接近,修正后优化目标与实际值对比见表2:
表2修正后优化目标与实际值比较
可以看出,修正后模型的仿真炉温曲线更加接近实际炉温曲线,加热因子最大偏差减少为9.68%,超液相线时间最大偏差减少为6.49%,修正效果明显,模型偏差减小到实际工程容许范围内,修正后再流焊接工艺仿真模型可以用于实际印制板组件的后续相关设计分析使用。
上述实施例仅是本发明的优选实施方式,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下还可以做出若干改进和同等替换,这些对本发明权利要求进行改进和等同替换后的技术方案,均落入本发明的保护范围内。
Claims (6)
1.一种基于加热因子的再流焊接工艺仿真模型修正方法,其特征在于,包括以下步骤:
步骤1,建立再流焊工艺温度场仿真模型,利用瞬态热仿真分析获得焊点仿真温度曲线,计算仿真焊点加热因子与实测焊点加热因子,对比分析实测温度数据与相应数值仿真温度数据的在加热因子上的差异;
步骤2,确定设计参数、约束条件、目标函数,建立PCBA温度场仿真修正模型;
步骤3,设计实验,获取目标参数响应值;对修正设计参数进行抽样,然后将抽样的样本点带入修正前的工艺仿真模型,计算工艺参数的目标参数响应值-加热因子、超液相线时间;
步骤4,构建Kriging响应面模型;根据设计参数和加热因子、超液相线时间差值响应构建满足精度要求Kriging响应面模型;
步骤5,多目标遗传算法(Multi-Objective Genetic Algorithm,简称MOGA)寻优;通过多目标遗传算法(MOGA)对目标函数进行迭代计算寻优,获得修正后工艺参数,判断优化结果是否收敛,若不收敛,则更新设计变量,重新设计实验,获取目标参数差值响应,迭代计算,直到收敛为止;若收敛,则输出修正后的工艺仿真模型;并将修正后的工艺参数代入有限元模型进行结果验证。
2.根据权利要求1所述的基于加热因子的再流焊接工艺仿真模型修正方法,其特征在于,步骤1中,所述的再流焊工艺温度场仿真模型包括印制板基板、BGA本体、QFP本体、Chip元件等效热模型以及BGA、QFP高密度组装焊点的等效热模型;PCBA组件仿真模型、PCBA瞬态温度场数值仿真模型建立;所述的仿真焊点不仅计算其加热因子值,而且还计算仿真焊点的超液相线时间值,并且分析实测数据与相应数值仿真数据的在超液相线时间值上的差异,仿真焊点的加热因子、超液相线时间的计算方法:首先,提取与实测焊点相对应的节点位置;然后,找到该节点最高温度值;最后,节点加热因子、超液相线时间值由下列方法计算:
heatfactor=0.5*t_183*(max_tem_node-183)
t_183=t2_183-t1_183
语句中:heatfactor为加热因子;t_183为超液相线时间;t1_183为焊点温度第一次达到183℃时的时间;t2_183焊点温度第二次达到183℃时的时间,max_tem_node为焊点最高温度值。
3.根据权利要求1所述的基于加热因子的再流焊接工艺仿真模型修正方法,其特征在于,步骤2中,所述的PCBA温度场仿真修正模型是通过分析实测数据与相应数值仿真数据的在加热因子与超液相线时间上差异而建立的,具体方法为:建立以实测焊点的加热因子、超液相线时间与仿真焊点的加热因子、超液相线时间差值最小化为优化目标、以各温区温度、对流换热系数为设计变量,以下条件作为约束条件的优化模型:①电路板组件的峰值温度小于245℃;②焊膏的峰值温度小于225℃;③优化目标是使得实测焊点与仿真焊点的加热因子和超液相线时间差值最小化,其数学模型为:
4.根据权利要求1所述的基于加热因子的再流焊接工艺仿真模型修正方法,其特征在于,步骤3中,所述的抽样方法采用拉丁超立方抽样,根据设计参数数目进行100-150次的正交试验设计,并且使整个实验设计点均匀分布在空间中。
5.据权利要求1所述的基于加热因子的再流焊接工艺仿真模型修正方法,其特征在于,步骤4中,所述的Kriging响应面模型的构建,构建方法为:根据拉丁超立方抽样试验设计结果,用最小二乘法来构建Kriging响应面模型,其中Kriging数学模型为:
y=f(x)+z(x) (2)
式中,f(x)为以x为变量的多项式函数;k为设计变量的个数;βo为常数项待定系数,βi为一次项待定系数,βii为二次项待定系数,βij为交叉项待定系数;z(x)为服从正态随机分布函数,xi为变量x的第i项,xj为变量x的第j项;
在设计空间中f(x)提供全局的模拟近似及y的数学期望;而z(x)提供模拟局部偏差的近似,z(x)具有无偏性和估计方差最小的特征,其协方差矩阵为:
Cov[z(xi),z(xj)]=σ2R([r(xi,xj)]) (4)
式中,σ2为z(x)的方差;R为待测点和样本点之间的相关矩阵;r(xi,xj)为待测点与样本点的相关函数,其高斯相关函数为:
基于z(x)的无偏性和估计方差最小得出相关参数θl,由最大可能估计给出,即在θ>0时使式(6)最大:
式中,ns为响应值的个数;σ2为方差估计值;|R|为待测点和样本点的之间的相关值。
6.根据权利要求1所述的基于加热因子的再流焊接工艺仿真模型修正方法,其特征在于,步骤5中,所述的目标函数是实测焊点加热因子和超液相线时间与仿真对应SnPb焊膏节点的加热因子和超液相线时间差值最小化,采用多目标遗传算法(MOGA)对实测焊点加热因子和超液相线时间与仿真对应SnPb焊膏节点的加热因子和超液相线时间差值进行迭代计算;所述的更新设计变量是指重新调整各温区温度和各温区对流换热系数的取值范围。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911102638.5A CN110826282B (zh) | 2019-11-12 | 2019-11-12 | 基于加热因子的再流焊接工艺仿真模型修正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911102638.5A CN110826282B (zh) | 2019-11-12 | 2019-11-12 | 基于加热因子的再流焊接工艺仿真模型修正方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110826282A CN110826282A (zh) | 2020-02-21 |
CN110826282B true CN110826282B (zh) | 2023-06-06 |
Family
ID=69554521
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911102638.5A Active CN110826282B (zh) | 2019-11-12 | 2019-11-12 | 基于加热因子的再流焊接工艺仿真模型修正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110826282B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111488714A (zh) * | 2020-04-10 | 2020-08-04 | 桂林电子科技大学 | 一种热风再流焊喷嘴风速准确计算方法 |
CN112084737A (zh) * | 2020-08-28 | 2020-12-15 | 上海华力微电子有限公司 | 一种高精度温度模型校准方法及系统 |
CN112182924B (zh) * | 2020-09-10 | 2022-08-19 | 湖北三江航天红峰控制有限公司 | 一种基于代理模型的再流焊焊接工艺参数稳健性设计方法 |
CN112149331B (zh) * | 2020-09-25 | 2022-08-19 | 湖北三江航天红峰控制有限公司 | 基于有限元仿真的热风回流炉虚拟模型建立方法 |
CN112257280B (zh) * | 2020-10-29 | 2023-04-07 | 桂林电子科技大学 | 再流焊bga群焊点液固相连续形态预测方法 |
CN112270098B (zh) * | 2020-11-02 | 2022-02-18 | 桂林电子科技大学 | 一种热风再流焊工艺稳健优化设计方法 |
CN113408110B (zh) * | 2021-06-01 | 2024-07-30 | 深圳佰维存储科技股份有限公司 | 焊点温度的预测方法、装置、可读存储介质及电子设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101052293A (zh) * | 2007-04-05 | 2007-10-10 | 上海交通大学 | 表面贴装工艺生产线上回流焊接曲线的控制方法 |
JP2009250829A (ja) * | 2008-04-08 | 2009-10-29 | Radioactive Waste Management Funding & Research Center | 溶接変形及び残留応力の簡易3次元解析方法 |
CN103902785A (zh) * | 2014-04-14 | 2014-07-02 | 北京航空航天大学 | 一种基于多元不确定性的结构有限元模型修正方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10325036B2 (en) * | 2016-03-07 | 2019-06-18 | Caterpillar Inc. | Method and system for determing welding process parameters |
-
2019
- 2019-11-12 CN CN201911102638.5A patent/CN110826282B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101052293A (zh) * | 2007-04-05 | 2007-10-10 | 上海交通大学 | 表面贴装工艺生产线上回流焊接曲线的控制方法 |
JP2009250829A (ja) * | 2008-04-08 | 2009-10-29 | Radioactive Waste Management Funding & Research Center | 溶接変形及び残留応力の簡易3次元解析方法 |
CN103902785A (zh) * | 2014-04-14 | 2014-07-02 | 北京航空航天大学 | 一种基于多元不确定性的结构有限元模型修正方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110826282A (zh) | 2020-02-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110826282B (zh) | 基于加热因子的再流焊接工艺仿真模型修正方法 | |
CN110866358B (zh) | 基于实测温度数据的再流焊接工艺仿真模型修正方法 | |
CN112270098B (zh) | 一种热风再流焊工艺稳健优化设计方法 | |
CN104731131B (zh) | 航天器热真空试验温度控制方法 | |
DE69828548T2 (de) | Vorrichtung zum Einstellen der Heizbedingungen in einem Heizofen und thermisches Analysegerät für einen in diesem Ofen zu erhitzenden Gegenstand | |
CN111488714A (zh) | 一种热风再流焊喷嘴风速准确计算方法 | |
CN110705173A (zh) | 一种基于边界热源传热模型不确定参数的热阻等效修正方法 | |
EP3136065B1 (en) | Method for measuring actual temperature of flame using all information about radiation spectrum and measurement system | |
CN107462597B (zh) | 一种金属材料对激光的吸收率的标定方法 | |
Chen et al. | Multi-spectral temperature measurement based on adaptive emissivity model under high temperature background | |
CN110991123A (zh) | 基于l-m算法优化的变压器绕组热点瞬态温度计算方法 | |
CN102466650B (zh) | 一种材料热物性参数和吸收率的校正方法 | |
CN111581720B (zh) | 一种评定飞行器全方程控热试验温度数据不确定度的方法 | |
Bein et al. | Comparison of two alternative junction temperature setting methods aimed for thermal and optical testing of high power LEDs | |
Jing et al. | Optimization of reflow soldering temperature curve based on genetic algorithm | |
CN113621791A (zh) | 一种基于黑匣子试验横向分区数据提高加热炉钢坯温度跟踪模型计算精度的方法 | |
CN112182883B (zh) | 基于自适应lm的光伏组件参数估计方法 | |
Xie et al. | Reliability prediction modeling of semiconductor light emitting device | |
CN113901690B (zh) | 星载反射面天线在轨热变形性能评估方法 | |
CN111881585B (zh) | 一种面向多品种小批量的回流炉温度曲线设置方法 | |
CN112285151B (zh) | 一种基于实际产品的复杂传热构件界面换热系数确定方法 | |
CN116894371B (zh) | 组装后残余应力分析方法、装置、存储介质和电子设备 | |
CN112182924B (zh) | 一种基于代理模型的再流焊焊接工艺参数稳健性设计方法 | |
CN112149331B (zh) | 基于有限元仿真的热风回流炉虚拟模型建立方法 | |
CN113642219B (zh) | 一种热风再流焊工艺的稳健性与可靠性综合优化设计方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |