CN113486492B - 一种阻抗预测方法及终端 - Google Patents
一种阻抗预测方法及终端 Download PDFInfo
- Publication number
- CN113486492B CN113486492B CN202110578606.3A CN202110578606A CN113486492B CN 113486492 B CN113486492 B CN 113486492B CN 202110578606 A CN202110578606 A CN 202110578606A CN 113486492 B CN113486492 B CN 113486492B
- Authority
- CN
- China
- Prior art keywords
- diameter
- pad
- welded
- pads
- predicted
- 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
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000003466 welding Methods 0.000 claims abstract description 90
- 238000004088 simulation Methods 0.000 claims abstract description 78
- 238000004458 analytical method Methods 0.000 claims abstract description 33
- 238000004590 computer program Methods 0.000 claims description 8
- 238000005476 soldering Methods 0.000 claims description 5
- 238000012360 testing method Methods 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 8
- 230000009286 beneficial effect Effects 0.000 description 5
- 238000012417 linear regression Methods 0.000 description 3
- 238000012827 research and development Methods 0.000 description 3
- 238000003066 decision tree Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000013138 pruning Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 229910000679 solder Inorganic materials 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R27/00—Arrangements for measuring resistance, reactance, impedance, or electric characteristics derived therefrom
- G01R27/02—Measuring real or complex resistance, reactance, impedance, or other two-pole characteristics derived therefrom, e.g. time constant
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Geometry (AREA)
- Algebra (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Investigating And Analyzing Materials By Characteristic Methods (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种阻抗预测方法及终端,对已焊焊盘进行扫描,获取多组已焊焊盘的直径组合并计算多组焊盘的直径平均数,能够更准确地得到多组常规的已焊焊盘直径;根据多组直径平均数和已焊焊盘的其他焊接条件构建第一仿真模型,将第一仿真模型进行模拟电磁分析,根据每一组直径平均数获取其对应的阻抗值,并根据多组直径平均数和对应阻抗值建立第一回归模型,从而根据第一回归模型和实际焊盘直径对阻抗值进行预测;如果待预测焊盘的焊接条件与已焊焊盘的焊接条件相同,根据回归模型和实际焊盘直径进行阻抗值预测;只需要扫描少量已焊焊盘进行对应的直径平均数计算,输入已焊焊盘的焊接条件即可得到已焊焊盘的直径组合和阻抗值的回归模型。
Description
技术领域
本发明涉及阻抗预测技术领域,尤其涉及一种阻抗预测方法及终端。
背景技术
阻抗匹配(impedance matching)主要用于传输线上,以此来达到所有高频的微波信号均能传输至负载点的目的,而且几乎不会有信号反射回来源点,从而提升能源效益;在进行电路设计时,如果不去考虑阻抗匹配而是直接把信号源与后级负载电路相连接,不仅使得负载端得不到最大功率输出,还会引起诸多的干扰、反射等复杂的电路问题。
实际生产过程中,由于待焊焊盘的焊盘直径、反焊盘直径以及焊接条件的复杂性,在其他焊接条件相同以及材料相同的前提下,也需要使用大量的仪器仪表对由具有不同直径的焊盘以及具有不同直径的反焊盘组成的待焊焊盘的阻抗值分别进行检测,而仪器仪表难免会产生误差,而且还会花费大量的测试成本,因此,难以高效地对阻抗值进行准确预测。
发明内容
本发明所要解决的技术问题是:提供一种高效的阻抗预测方法及终端。
为了解决上述技术问题,本发明采用的技术方案为:一种阻抗预测方法,包括步骤:
对已焊焊盘进行扫描,获取多组所述已焊焊盘的直径组合并计算多组所述已焊焊盘的直径平均数;
根据所述多组所述已焊焊盘的直径平均数和所述已焊焊盘的焊接条件构建第一仿真模型;
对所述第一仿真模型进行模拟电磁分析,根据每一组直径平均数获取其对应的阻抗值;
根据多组所述直径平均数和对应的阻抗值建立第一回归模型;
对待预测焊盘进行扫描,获取所述待预测焊盘的实际直径组合;
判断所述待预测焊盘的焊接条件是否与所述已焊焊盘的焊接条件相同,若是,则通过所述第一回归模型和所述实际直径组合获取预测阻抗值。
为解决上述技术问题,本发明采用的另一种技术方案为:
一种阻抗预测终端,包括存储器、处理器以及存储在所述存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现以下步骤:
对已焊焊盘进行扫描,获取多组所述已焊焊盘的直径组合并计算多组所述已焊焊盘的直径平均数;
根据所述多组所述已焊焊盘的直径平均数和所述已焊焊盘的焊接条件构建第一仿真模型;
对所述第一仿真模型进行模拟电磁分析,根据每一组直径平均数获取其对应的阻抗值;
根据多组所述直径平均数和对应的阻抗值建立第一回归模型;
对待预测焊盘进行扫描,获取所述待预测焊盘的实际直径组合;
判断所述待预测焊盘的焊接条件是否与所述已焊焊盘的焊接条件相同,若是,则通过所述第一回归模型和所述实际直径组合获取预测阻抗值。
本发明的有益效果在于:对已焊焊盘进行扫描,获取多组已焊焊盘的直径组合并计算多组焊盘的直径平均数,能够更准确地得到多组常规的已焊焊盘的直径组合;根据多组直径平均数和已焊焊盘的其他焊接条件构建第一仿真模型,将第一仿真模型进行模拟电磁分析,根据每一组直径平均数获取其对应的阻抗值,并根据多组直径平均数和对应阻抗值建立第一回归模型,从而根据第一回归模型和实际焊盘的直径组合对阻抗值进行预测;如果待预测焊盘的焊接条件与已焊焊盘的焊接条件相同,根据回归模型和实际焊盘直径组合进行阻抗值预测;因此,只需要扫描少量已焊焊盘并进行对应的直径平均数计算,并输入已焊焊盘的焊接条件即可得到已焊焊盘的直径组合和阻抗值的回归模型,若待预测焊盘与已焊焊盘的焊接条件相同即可直接使用回归模型进行待预测焊盘的阻抗值预测,从而不需要大量的测试成本即可准确、高效地实现阻抗预测。
附图说明
图1为本发明实施例的阻抗预测方法的流程图;
图2为本发明实施例的阻抗预测中的示意图;
图3为本发明实施例的阻抗预测方法的具体步骤流程图;
图4为本发明实施例的阻抗预测方法的建立的多项式回归模型示意图。
具体实施方式
为详细说明本发明的技术内容、所实现目的及效果,以下结合实施方式并配合附图予以说明。
请参照图1至图4,一种阻抗预测方法,包括步骤:
对已焊焊盘进行扫描,获取多组所述已焊焊盘的直径组合并计算多组所述已焊焊盘的直径平均数;
根据所述多组所述已焊焊盘的直径平均数和所述已焊焊盘的焊接条件构建第一仿真模型;
对所述第一仿真模型进行模拟电磁分析,根据每一组直径平均数获取其对应的阻抗值;
根据多组所述直径平均数和对应的阻抗值建立第一回归模型;
对待预测焊盘进行扫描,获取所述待预测焊盘的实际直径组合;
判断所述待预测焊盘的焊接条件是否与所述已焊焊盘的焊接条件相同,若是,则通过所述第一回归模型和所述实际直径组合获取预测阻抗值。
从上述描述可知,本发明的有益效果在于:对已焊焊盘进行扫描,获取多组已焊焊盘的直径组合并计算多组焊盘的直径平均数,能够更准确地得到多组常规的已焊焊盘直径;根据多组直径平均数和已焊焊盘的其他焊接条件构建第一仿真模型,将第一仿真模型进行模拟电磁分析,根据每一组直径平均数获取其对应的阻抗值,并根据多组直径平均数和对应阻抗值建立第一回归模型,从而根据第一回归模型和实际焊盘直径对阻抗值进行预测;如果待预测焊盘的焊接条件与已焊焊盘的焊接条件相同,根据回归模型和实际焊盘直径进行阻抗值预测;因此,只需要扫描少量已焊焊盘并进行对应的直径平均数计算,并输入已焊焊盘的焊接条件即可得到已焊焊盘的直径和阻抗值的回归模型,若待预测焊盘与已焊焊盘的焊接条件相同即可直接使用回归模型进行待预测焊盘的阻抗值预测,从而不需要大量的测试成本即可准确、高效地实现阻抗预测。
进一步的,若所述待预测焊盘的焊接条件与所述已焊焊盘的焊接条件不同,则:
获取所述待预测焊盘的焊接条件;
根据所述已焊焊盘的焊接条件和所述待预测焊盘的焊接条件对所述第一仿真模型进行调整,得到与所述待预测焊盘适配的第二仿真模型;
根据多组所述直径平均数和所述第二仿真模型获取与所述待预测焊盘适配的模拟焊盘直径组合;
对所述第二仿真模型进行模拟电磁分析,获取所述模拟焊盘的直径组合对应的阻抗值;
根据所述模拟焊盘的直径组合和对应的阻抗值建立第二回归模型;
通过所述第二回归模型和所述模拟焊盘直径组合获取预测阻抗值。
由上述描述可知,当待预测焊盘的焊接条件与已焊焊盘的焊接条件不同时,根据已焊焊盘的焊接条件和待预测焊盘的焊接条件对第一仿真模型进行调整得到第二仿真模型;并根据多组直径平均数和第二仿真模型获取模拟焊盘的焊盘直径与反焊盘直径,因此只需要获取待预测焊盘的焊接条件,即可适应性地根据焊接条件对仿真模型进行调整,并得到模拟焊盘的焊盘直径与反焊盘直径及其对应的阻抗值,建立第二回归模型,因此该预测方法只需要一组已焊焊盘的直径组合数据就能够适用于各种焊盘的焊接条件,不仅提高了阻抗值预测的灵活度,而且能够进行准确且高效的阻抗值预测。
进一步的,所述对已焊焊盘进行扫描,获取多组所述已焊焊盘的直径组合并计算多组所述已焊焊盘的直径平均数:
使用X射线对已焊焊盘进行全局扫描,根据扫描结果获取每组已焊焊盘中每一个已焊焊盘的焊盘直径以及反焊盘直径;
去除所述每组已焊焊盘的焊盘直径中的极端值,去除所述每组已焊焊盘的反焊盘直径中的极端值;
计算去除极端值后的所述每组已焊焊盘中焊盘直径的平均数以及反焊盘直径的平均数,得到每组已焊焊盘的直径平均数。
由上述描述可知,对已焊焊盘进行全局扫描,分别获取各组已焊焊盘中每一个已焊焊盘的焊盘直径以及反焊盘直径,去除每组已焊焊盘的焊盘直径中的极端值以及反焊盘直径中的极端值后计算每组已焊焊盘的直径组合平均值,能够得到更准确的焊盘直径以及反焊盘直径,从而将计算得到的平均值作为常规的焊盘直径与反焊盘直径,便于后续仿真模型的建立。
进一步的,根据多组所述直径平均数和所述已焊焊盘的焊接条件构建第一仿真模型包括:
根据多组所述直径平均数和所述已焊焊盘的焊接条件构建几何模型;
对所述第一仿真模型进行模拟电磁分析,根据每一组直径平均数获取其对应的阻抗值包括:
将所述几何模型导入与所述模拟电磁分析对应的有限元软件进行仿真,根据每一组直径平均数获取其对应的阻抗值。
由上述描述可知,根据多组直径平均数和待预测焊盘的焊接条件构建几何模型,将几何模型导入与模拟电磁分析对应的有限元软件进行仿真,并获得计算得到对应的阻抗值,从而不需要实际的测试工具即可准确地获取阻抗值。
进一步的,根据多组所述直径平均数和对应的阻抗值建立第一回归模型包括:
根据多组所述直径平均数和对应的阻抗值,使用最小二乘法计算多项式回归方程系数;
根据所述多项式回归方程系数建立多项式回归方程。
由上述描述可知,对多组直径平均数及其对应的阻抗值建立多项式回归方程模型,能够迅速建模,特别对于小数据量、简单的关系的建模更加迅速,并且使用线性回归模型更有利于决策分析,从而提高阻抗值预测的效率。
本发明还提供一种阻抗预测终端,包括存储器、处理器以及存储在所述存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
对已焊焊盘进行扫描,获取多组所述已焊焊盘的直径组合并计算多组所述已焊焊盘的直径平均数;
根据所述多组所述已焊焊盘的直径平均数和所述已焊焊盘的焊接条件构建第一仿真模型;
对所述第一仿真模型进行模拟电磁分析,根据每一组直径平均数获取其对应的阻抗值;
根据多组所述直径平均数和对应的阻抗值建立第一回归模型;
对待预测焊盘进行扫描,获取所述待预测焊盘的实际直径组合;
判断所述待预测焊盘的焊接条件是否与所述已焊焊盘的焊接条件相同,若是,则通过所述第一回归模型和所述实际直径组合获取预测阻抗值。
由上述描述可知,对已焊焊盘进行扫描,获取多组已焊焊盘的直径组合并计算多组焊盘的直径平均数,能够更准确地得到多组常规的已焊焊盘直径;根据多组直径平均数和已焊焊盘的其他焊接条件构建第一仿真模型,将第一仿真模型进行模拟电磁分析,根据每一组直径平均数获取其对应的阻抗值,并根据多组直径平均数和对应阻抗值建立第一回归模型,从而根据第一回归模型和实际焊盘直径对阻抗值进行预测;如果待预测焊盘的焊接条件与已焊焊盘的焊接条件相同,根据回归模型和实际焊盘直径进行阻抗值预测;因此,只需要扫描少量已焊焊盘并进行对应的直径平均数计算,并输入已焊焊盘的焊接条件即可得到已焊焊盘的直径和阻抗值的回归模型,若待预测焊盘与已焊焊盘的焊接条件相同即可直接使用回归模型进行待预测焊盘的阻抗值预测,从而不需要大量的测试成本即可准确、高效地实现阻抗预测。
进一步的,还包括步骤:
若所述待预测焊盘的焊接条件与所述已焊焊盘的焊接条件不同,则:
获取所述待预测焊盘的焊接条件;
根据所述已焊焊盘的焊接条件和所述待预测焊盘的焊接条件对所述第一仿真模型进行调整,得到与所述待预测焊盘适配的第二仿真模型;
根据多组所述直径平均数和所述第二仿真模型获取与所述待预测焊盘适配的模拟焊盘直径组合;
对所述第二仿真模型进行模拟电磁分析,获取所述模拟焊盘直径组合对应的阻抗值;
根据所述模拟焊盘直径组合和对应的阻抗值建立第二回归模型;
通过所述第二回归模型和所述模拟焊盘直径组合获取预测阻抗值。
由上述描述可知,当待预测焊盘的焊接条件与已焊焊盘的焊接条件不同时,根据已焊焊盘的焊接条件和待预测焊盘的焊接条件对第一仿真模型进行调整得到第二仿真模型;并根据多组直径平均数和第二仿真模型获取模拟焊盘的焊盘直径与反焊盘直径,因此只需要获取待预测焊盘的焊接条件,即可适应性地根据焊接条件对仿真模型进行调整,并得到模拟焊盘的焊盘直径与反焊盘直径及其对应的阻抗值,建立第二回归模型,因此该预测方法只需要一组已焊焊盘的直径组合数据就能够适用于各种焊盘的焊接条件,不仅提高了阻抗值预测的灵活度,而且能够进行准确且高效的阻抗值预测。
进一步的,所述对已焊焊盘进行扫描,获取多组所述已焊焊盘的直径组合并计算多组所述已焊焊盘的直径平均数:
使用X射线对已焊焊盘进行全局扫描,根据扫描结果获取每组已焊焊盘中每一个已焊焊盘的焊盘直径以及反焊盘直径;
去除所述每组已焊焊盘的焊盘直径中的极端值,去除所述每组已焊焊盘的反焊盘直径中的极端值;
计算去除极端值后的所述每组已焊焊盘中焊盘直径的平均数以及反焊盘直径的平均数,得到每组已焊焊盘的直径平均数。
由上述描述可知,对已焊焊盘进行全局扫描,分别获取各组已焊焊盘中每一个已焊焊盘的焊盘直径以及反焊盘直径,去除每组已焊焊盘的焊盘直径中的极端值以及反焊盘直径中的极端值后计算每组已焊焊盘的直径平均数,能够得到更准确的焊盘直径以及反焊盘直径,从而将计算得到的平均值作为常规的焊盘直径与反焊盘直径,便于后续仿真模型的建立。
进一步的,根据多组所述直径平均数和所述已焊焊盘的焊接条件构建第一仿真模型包括:
根据多组所述直径平均数和所述已焊焊盘的焊接条件构建几何模型;
对所述第一仿真模型进行模拟电磁分析,根据每一组直径平均数获取其对应的阻抗值包括:
将所述几何模型导入与所述模拟电磁分析对应的有限元软件进行仿真,根据每一组直径平均数获取其对应的阻抗值。
由上述描述可知,根据多组直径平均数和待预测焊盘的焊接条件构建几何模型,将几何模型导入与模拟电磁分析对应的有限元软件进行仿真,并获得计算得到对应的阻抗值,从而不需要实际的测试工具即可准确地获取阻抗值。
进一步的,根据多组所述直径平均数和对应的阻抗值建立第一回归模型包括:
根据多组所述直径平均数和对应的阻抗值,使用最小二乘法计算多项式回归方程系数;
根据所述多项式回归方程系数建立多项式回归方程。
由上述描述可知,对多组直径平均数及其对应的阻抗值建立多项式回归方程模型,能够迅速建模,特别对于小数据量、简单的关系的建模更加迅速,并且使用线性回归模型更有利于决策分析,从而提高阻抗值预测的效率。
实施例一
请参照图1和图3,本发明的实施例一为:一种阻抗预测方法,包括步骤:
S1、对已焊焊盘进行扫描,获取多组所述已焊焊盘的直径组合并计算多组所述已焊焊盘的直径平均数;
其中,使用X射线对已焊焊盘进行全局扫描,根据扫描结果获取每组已焊焊盘中每一个已焊焊盘的焊盘直径以及反焊盘直径;
去除所述每组已焊焊盘的焊盘直径中的极端值,去除所述每组已焊焊盘的反焊盘直径中的极端值,即去掉一个焊盘直径的最大值与最小值,去掉一个反焊盘直径的最大值与最小值;
计算去除极端值后的所述每组已焊焊盘中焊盘直径的平均数以及反焊盘直径的平均数,得到每组已焊焊盘的直径平均数。
具体的,对多组所述已焊焊盘进行分组,并使用X射线对所述已焊焊盘全局扫描,通过测量软件测量全局扫描到的n组已焊焊盘的直径组合,每组有k个已焊焊盘,获取第一组已焊焊盘中每一已焊焊盘的焊盘直径:X1、X2、X3、……、Xk-1、Xk,获取第一组已焊焊盘中每一已焊焊盘的反焊盘直径:Y1、Y2、Y3、……、Yk-1、Yk;分别去除第一组已焊焊盘中焊盘直径的极端值以及反焊盘的极端值,得到:X1、X2、X3、……、Xk-3、Xk-2和Y1、Y2、Y3、……、
—Yk-3、Yk-2;计算去除极端值后的每组已焊焊盘中焊盘直径的平均数得到:X=(X1+X2+X3+……+Xk-3+Xk-2)/(k-2),计算去除极端值后的每组已焊焊盘中反
—焊盘直径的平均数得到:Y=(Y1+Y2+Y3+……+Yk-3+Yk-2)/(k-2),通过上述计算能够得到第一组已焊焊盘的直径平均数,重复上述步骤即可得到n组已焊焊盘的直径平均数,将其作为焊盘直径以及反焊盘直径的常规数值,在本实施例中已焊焊盘的组数为九组,九组已焊焊盘的直径平均数请参照表1;
表1九组已焊焊盘的直径平均数
组别 | X焊盘直径(μm) | Y反焊盘直径(μm) |
1 | 160 | 260 |
2 | 160 | 460 |
3 | 160 | 660 |
4 | 210 | 310 |
5 | 210 | 510 |
6 | 210 | 710 |
7 | 260 | 360 |
8 | 260 | 560 |
9 | 260 | 760 |
S2、根据所述多组所述已焊焊盘的直径平均数和所述已焊焊盘的焊接条件构建第一仿真模型;
其中,根据多组所述直径平均数和所述已焊焊盘的焊接条件构件几何模型;
具体的,在本实施例中,已焊接的焊盘的焊接条件为介质厚度25μm、孔深25μm、锡膏厚度150μm,根据上述数值和焊盘直径与反焊盘直径的常规数值构建对应的焊盘几何模型,在一个可选的实施方式中,可以通过电磁仿真软件建模功能建立几何模型。
S3、对所述第一仿真模型进行模拟电磁分析,根据每一组直径平均数获取其对应的阻抗值;
其中,将所述几何模型导入与所述模拟电磁分析对应的有限元软件进行仿真,根据每一组直径平均数获取其对应的阻抗值;
具体的,请参照表2,将焊盘几何模型导入Hfss电磁分析软件对应的有限元软件中进行仿真,确定不同直径组合下的阻抗值;
表2不同直径组合下的阻抗值
序号 | X焊盘直径(μm) | Y反焊盘直径(μm) | 阻抗值(Ω) |
1 | 160 | 260 | 48.31 |
2 | 160 | 460 | 49.78 |
3 | 160 | 660 | 51.10 |
4 | 210 | 310 | 46.75 |
5 | 210 | 510 | 48.52 |
6 | 210 | 710 | 49.43 |
7 | 260 | 360 | 45.32 |
8 | 260 | 560 | 47.08 |
9 | 260 | 760 | 48.05 |
S4、根据多组所述直径平均数和对应的阻抗值建立第一回归模型;
其中,现有的且运用较为广泛的回归模型有很多,其中线性和多项式回归、神经网络、回归树和回归森林较为普遍;其中神经网络模型过于复杂,训练过程需要强大算力、并且需要微调超参数,对数据量依赖大;回归树模型由于决策树有过拟合的倾向,完整的决策树模型包含很多过于复杂和非必须的结构,但可以通过扩大随机森林或者剪枝的方法来缓解这一问题,较大的随机数表现很好,但是却带来了运行速度慢和内存消耗高的问题;
本实施例采用多项式回归方式,具体的,根据多组所述直径平均数和对应的阻抗值,使用最小二乘法计算多项式回归方程系数;
根据所述多项式回归方程系数建立多项式回归方程;
具体的,在本实施例中,多项式回归模型采用多项式回归方程,通过最小二乘法求取回归方程系数,构造多组直径平均数和阻抗值之间的函数:
式中,P表示阻抗值,x表示焊盘直径,y表示反焊盘直径,β0,β1,…,βk表示多项式回归方程的系数,K表示多项式回归方程系数的项数,M表示x的最高次数,N表示y的最高次数。
请参照图4,采用Matlab软件对实验所得到的数据进行拟合,阻抗值的多项式回归模型公式为:
P=52.44-0.04705x+0.01165y+10-5x2+1.35*10-5xy-7.5*10-6y2;
S5、对待预测焊盘进行扫描,获取所述待预测焊盘的实际直径组合;
具体的,在本实施例中,使用X射线对待预测焊盘进行扫描,并根据扫描结果获取实际直径组合;
S6、判断所述待预测焊盘的焊接条件是否与所述已焊焊盘的焊接条件相同,若是,则通过所述第一回归模型和所述实际直径组合获取预测阻抗值。
具体的,在本实施例中,当存在待预测焊盘与已焊焊盘是相同焊接条件并且已知待预测焊盘的实际直径组合时,根据多项式回归模型的公式和实际直径组合对待预测焊盘的阻抗值进行预测,从而缩短研发测试周期,大大缩短研发周期,降低研发成本。
实施例二
本实施例与实施例一的不同在于,具体限定了待预测焊盘与已焊焊盘的焊接条件不同时的预测方法:
其中,若所述待预测焊盘的焊接条件与所述已焊焊盘的焊接条件不同,则:
获取所述待预测焊盘的焊接条件;
根据所述已焊焊盘的焊接条件和所述待预测焊盘的焊接条件对所述第一仿真模型进行调整,得到与所述待预测焊盘适配的第二仿真模型;
根据多组所述直径平均数和所述第二仿真模型获取与所述待预测焊盘适配的模拟焊盘的直径组合;
对所述第二仿真模型进行模拟电磁分析,获取所述模拟焊盘的直径组合对应的阻抗值;
根据所述模拟焊盘的直径组合和对应的阻抗值建立第二回归模型;
通过所述第二回归模型和所述模拟焊盘的直径组合获取预测阻抗值。
对第二仿真模型进行模拟电磁分析,得到模拟焊盘的直径组合对应的阻抗值,根据模拟焊盘的直径组合和对应的阻抗值建立多项式回归模型;并通过多项式回归模型和模拟焊盘的直径组合获取预测阻抗值;
由此可见,本实施例中只需要一组已焊焊盘的直径组合数据就能够适用于各种焊盘的焊接条件,大大降低了测试成本。
实施例三
请参照图2,一种阻抗预测终端,包括存储器、处理器以及存储在所述存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现实施例一或实施例二的阻抗预测方法的各个步骤。
综上所述,本发明提供的一种阻抗预测方法及终端,对已焊焊盘进行扫描,获取多组已焊焊盘的直径组合并计算多组焊盘的直径平均数,能够更准确地得到多组常规的已焊焊盘直径;根据多组直径平均数和已焊焊盘的其他焊接条件构建第一仿真模型,将第一仿真模型进行模拟电磁分析,根据每一组直径平均数获取其对应的阻抗值,并根据多组直径平均数和对应阻抗值建立第一回归模型,从而根据第一回归模型和实际焊盘直径对阻抗值进行预测;如果待预测焊盘的焊接条件与已焊焊盘的焊接条件相同,根据回归模型和实际焊盘直径进行阻抗值预测;因此,只需要扫描少量已焊焊盘并进行对应的直径平均数计算,并输入已焊焊盘的焊接条件即可得到已焊焊盘的直径和阻抗值的回归模型,若待预测焊盘与已焊焊盘的焊接条件相同即可直接使用回归模型进行待预测焊盘的阻抗值预测,从而不需要大量的测试成本即可准确、高效地实现阻抗预测;因此,只需要扫描少量已焊焊盘的焊盘直径和反焊盘直径,并输入已焊焊盘的焊接条件即可得到已焊焊盘的直径组合和阻抗值的回归模型,其中回归模型选择多项式回归模型,能够迅速建模,特别对于小数据量、简单的关系的建模更加迅速,并且使用线性回归模型更有利于决策分析,从而提高阻抗值预测的效率;若待预测焊盘与已焊焊盘的焊接条件相同即可直接使用回归模型进行待预测焊盘的阻抗值预测,从而不需要大量的测试成本即可准确、高效地实现阻抗预测;如果待预测焊盘的焊接条件与已焊接的焊盘的焊接条件不同,则根据待预测焊盘的焊接条件和已焊焊盘的焊接条件对第一仿真模型进行调整,得到第二仿真模型,再根据多组已焊焊盘的直径组合与第一仿真模型的关系和第二仿真模型分析生成模拟焊盘的直径组合,使用模拟焊盘的直径组合测试对应的阻抗值并进行回归模型的建立和阻抗预测,能够自动对不同的仿真模型适配不同的模拟焊盘的直径组合,因此只需一组已焊焊盘的焊接模型、焊盘直径以及反焊盘直径,即可对各种焊接条件进行阻抗预测,更加智能灵活。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等同变换,或直接或间接运用在相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (8)
1.一种阻抗预测方法,其特征在于,包括步骤:
使用X射线对已焊焊盘进行全局扫描,根据扫描结果获取每组已焊焊盘中每一个已焊焊盘的焊盘直径以及反焊盘直径;
去除所述每组已焊焊盘的焊盘直径中的极端值,去除所述每组已焊焊盘的反焊盘直径中的极端值;
计算去除极端值后的所述每组已焊焊盘中焊盘直径的平均数以及反焊盘直径的平均数,得到每组已焊焊盘的直径平均数;
根据多组所述已焊焊盘的直径平均数和所述已焊焊盘的焊接条件构建第一仿真模型;
对所述第一仿真模型进行模拟电磁分析,根据每一组直径平均数获取其对应的阻抗值;
根据多组所述直径平均数和对应的阻抗值建立第一回归模型;
对待预测焊盘进行扫描,获取所述待预测焊盘的实际直径组合;
判断所述待预测焊盘的焊接条件是否与所述已焊焊盘的焊接条件相同,若是,则通过所述第一回归模型和所述实际直径组合获取预测阻抗值。
2.根据权利要求1所述的阻抗预测方法,其特征在于,若所述待预测焊盘的焊接条件与所述已焊焊盘的焊接条件不同,则:
获取所述待预测焊盘的焊接条件;
根据所述已焊焊盘的焊接条件和所述待预测焊盘的焊接条件对所述第一仿真模型进行调整,得到与所述待预测焊盘适配的第二仿真模型;
根据多组所述直径平均数和所述第二仿真模型获取与所述待预测焊盘适配的模拟焊盘直径组合;
对所述第二仿真模型进行模拟电磁分析,获取所述模拟焊盘直径组合对应的阻抗值;
根据所述模拟焊盘直径组合和对应的阻抗值建立第二回归模型;
通过所述第二回归模型和所述模拟焊盘直径组合获取预测阻抗值。
3.根据权利要求1所述的阻抗预测方法,其特征在于,根据多组所述直径平均数和所述已焊焊盘的焊接条件构建第一仿真模型包括:
根据多组所述直径平均数和所述已焊焊盘的焊接条件构建几何模型;
对所述第一仿真模型进行模拟电磁分析,根据每一组直径平均数获取其对应的阻抗值包括:
将所述几何模型导入与所述模拟电磁分析对应的有限元软件进行仿真,根据每一组直径平均数获取其对应的阻抗值。
4.根据权利要求1所述的阻抗预测方法,其特征在于,根据多组所述直径平均数和对应的阻抗值建立第一回归模型包括:
根据多组所述直径平均数和对应的阻抗值,使用最小二乘法计算多项式回归方程系数;
根据所述多项式回归方程系数建立多项式回归方程。
5.一种阻抗预测终端,包括存储器、处理器以及存储在所述存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现以下步骤:
使用X射线对已焊焊盘进行全局扫描,根据扫描结果获取每组已焊焊盘中每一个已焊焊盘的焊盘直径以及反焊盘直径;
去除所述每组已焊焊盘的焊盘直径中的极端值,去除所述每组已焊焊盘的反焊盘直径中的极端值;
计算去除极端值后的所述每组已焊焊盘中焊盘直径的平均数以及反焊盘直径的平均数,得到每组已焊焊盘的直径平均数;
根据多组所述已焊焊盘的直径平均数和所述已焊焊盘的焊接条件构建第一仿真模型;
对所述第一仿真模型进行模拟电磁分析,根据每一组直径平均数获取其对应的阻抗值;
根据多组所述直径平均数和对应的阻抗值建立第一回归模型;
对待预测焊盘进行扫描,获取所述待预测焊盘的实际直径组合;
判断所述待预测焊盘的焊接条件是否与所述已焊焊盘的焊接条件相同,若是,则通过所述第一回归模型和所述实际直径组合获取预测阻抗值。
6.根据权利要求5所述的阻抗预测终端,其特征在于,还包括步骤:
若所述待预测焊盘的焊接条件与所述已焊焊盘的焊接条件不同,则:
获取所述待预测焊盘的焊接条件;
根据所述已焊焊盘的焊接条件和所述待预测焊盘的焊接条件对所述第一仿真模型进行调整,得到与所述待预测焊盘适配的第二仿真模型;
根据多组所述直径平均数和所述第二仿真模型获取与所述待预测焊盘适配的模拟焊盘直径组合;
对所述第二仿真模型进行模拟电磁分析,获取所述模拟焊盘直径组合对应的阻抗值;
根据所述模拟焊盘直径组合和对应的阻抗值建立第二回归模型;
通过所述第二回归模型和所述模拟焊盘直径组合获取预测阻抗值。
7.根据权利要求5所述的阻抗预测终端,其特征在于,根据多组所述直径平均数和所述已焊焊盘的焊接条件构建第一仿真模型包括:
根据多组所述直径平均数和所述已焊焊盘的焊接条件构建几何模型;
对所述第一仿真模型进行模拟电磁分析,根据每一组直径平均数获取其对应的阻抗值包括:
将所述几何模型导入与所述模拟电磁分析对应的有限元软件进行仿真,根据每一组直径平均数获取其对应的阻抗值。
8.根据权利要求5所述的阻抗预测终端,其特征在于,根据多组所述直径平均数和对应的阻抗值建立第一回归模型包括:
根据多组所述直径平均数和对应的阻抗值,使用最小二乘法计算多项式回归方程系数;
根据所述多项式回归方程系数建立多项式回归方程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110578606.3A CN113486492B (zh) | 2021-05-26 | 2021-05-26 | 一种阻抗预测方法及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110578606.3A CN113486492B (zh) | 2021-05-26 | 2021-05-26 | 一种阻抗预测方法及终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113486492A CN113486492A (zh) | 2021-10-08 |
CN113486492B true CN113486492B (zh) | 2024-03-19 |
Family
ID=77933241
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110578606.3A Active CN113486492B (zh) | 2021-05-26 | 2021-05-26 | 一种阻抗预测方法及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113486492B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109408844A (zh) * | 2018-07-11 | 2019-03-01 | 桂林电子科技大学 | 芯片封装焊点随机振动应力和回波损耗的优化方法 |
CN112685931A (zh) * | 2020-12-24 | 2021-04-20 | 深圳市信维通信股份有限公司 | 基于铜箔厚度和弯折角度的覆铜板弯折疲劳应力预测方法 |
CN112730986A (zh) * | 2020-11-11 | 2021-04-30 | 浪潮商用机器有限公司 | 一种pcb差分过孔耦合双杆阻抗特性校核方法及系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070217472A1 (en) * | 2006-03-14 | 2007-09-20 | Doug Collins | VCSEL semiconductor devices with mode control |
CN103942351B (zh) * | 2013-01-19 | 2017-08-04 | 鸿富锦精密工业(深圳)有限公司 | 增加电路板层数的设计系统及设计方法 |
JP6279339B2 (ja) * | 2014-02-07 | 2018-02-14 | ルネサスエレクトロニクス株式会社 | 半導体装置の製造方法 |
-
2021
- 2021-05-26 CN CN202110578606.3A patent/CN113486492B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109408844A (zh) * | 2018-07-11 | 2019-03-01 | 桂林电子科技大学 | 芯片封装焊点随机振动应力和回波损耗的优化方法 |
CN112730986A (zh) * | 2020-11-11 | 2021-04-30 | 浪潮商用机器有限公司 | 一种pcb差分过孔耦合双杆阻抗特性校核方法及系统 |
CN112685931A (zh) * | 2020-12-24 | 2021-04-20 | 深圳市信维通信股份有限公司 | 基于铜箔厚度和弯折角度的覆铜板弯折疲劳应力预测方法 |
Non-Patent Citations (1)
Title |
---|
高速电路倒装互连结构的不连续性分析;徐研博;李尔平;王蒙军;郑宏兴;;微波学报(第05期);79-83 * |
Also Published As
Publication number | Publication date |
---|---|
CN113486492A (zh) | 2021-10-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111830493A (zh) | 水中目标收发分置中高频声目标强度预报系统及方法 | |
CN103229062B (zh) | 总谐波失真的测量方法 | |
CN115062668B (zh) | 基于RAdam优化宽度学习的谐波参数检测方法和系统 | |
CN110443724A (zh) | 一种基于深度学习的电力系统快速状态估计方法 | |
CN108182334A (zh) | 一种降低bga焊点热循环应力和回波损耗的方法 | |
CN113486492B (zh) | 一种阻抗预测方法及终端 | |
CN111208196A (zh) | 一种高强度螺栓早期疲劳损伤非线性超声波检测方法 | |
CN112199875A (zh) | 一种基于雨流法的元器件焊点随机振动疲劳寿命分布预测方法 | |
CN112769507A (zh) | 一种高速信号链路传输质量评估方法及相关设备 | |
CN113095192B (zh) | 一种基于时域外推技术的动态载荷谱编制方法 | |
CN102457242A (zh) | 一种阻抗匹配网络及其设计方法 | |
CN113607817A (zh) | 一种管道环焊缝检测方法、系统、电子设备及介质 | |
CN108387350A (zh) | 车身接附点动刚度测试方法、装置和存储介质 | |
CN109116215B (zh) | 一种线路反射谐振点的测试方法、测试装置以及存储介质 | |
CN111191409B (zh) | 芯片内部硅片管脚信号仿真方法及装置 | |
CN105488351A (zh) | 一种生成移动心电信号的噪声模型的方法 | |
CN113553771B (zh) | 基于rnn网络的动态x参数核计算方法 | |
CN112904294B (zh) | 基于直觉梯形模糊多属性决策的雷达干扰效果评估方法 | |
Molino et al. | FPGA implementation of time–frequency analysis algorithms for laser welding monitoring | |
CN111580427A (zh) | 一种基于fpga的波形生成方法、装置、设备及存储介质 | |
CN106468754A (zh) | 一种行波管增益线性度自动测量方法 | |
CN101467895B (zh) | 连续多普勒超声系统中聚焦计算的实现方法与设备 | |
Mudelsee et al. | Optimal heavy tail estimation–Part 1: Order selection | |
CN115423221B (zh) | 一种设施运行趋势预测方法 | |
CN114076923B (zh) | 基于多层背景与目标的时域回波模型的目标识别方法 |
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 |