CN115600548A - 一种高密度覆铜板的低损耗高频高速技术方法及系统 - Google Patents

一种高密度覆铜板的低损耗高频高速技术方法及系统 Download PDF

Info

Publication number
CN115600548A
CN115600548A CN202211348307.1A CN202211348307A CN115600548A CN 115600548 A CN115600548 A CN 115600548A CN 202211348307 A CN202211348307 A CN 202211348307A CN 115600548 A CN115600548 A CN 115600548A
Authority
CN
China
Prior art keywords
copper foil
surface roughness
copper
clad plate
roughness
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.)
Granted
Application number
CN202211348307.1A
Other languages
English (en)
Other versions
CN115600548B (zh
Inventor
黄利辉
吴茂彬
李永平
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Yinghua Electronic Materials Co ltd
Original Assignee
Guangdong Yinghua Electronic Materials Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangdong Yinghua Electronic Materials Co ltd filed Critical Guangdong Yinghua Electronic Materials Co ltd
Priority to CN202211348307.1A priority Critical patent/CN115600548B/zh
Publication of CN115600548A publication Critical patent/CN115600548A/zh
Application granted granted Critical
Publication of CN115600548B publication Critical patent/CN115600548B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/30—Circuit design
    • G06F30/39—Circuit design at the physical level
    • G06F30/398—Design verification or optimisation, e.g. using design rule check [DRC], layout versus schematics [LVS] or finite element methods [FEM]
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/30—Measuring arrangements characterised by the use of optical techniques for measuring roughness or irregularity of surfaces
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/088—Non-supervised learning, e.g. competitive learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/0006—Industrial image inspection using a design-rule based approach
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C60/00—Computational materials science, i.e. ICT specially adapted for investigating the physical or chemical properties of materials or phenomena associated with their design, synthesis, processing, characterisation or utilisation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B15/00—Suppression or limitation of noise or interference
    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05K—PRINTED CIRCUITS; CASINGS OR CONSTRUCTIONAL DETAILS OF ELECTRIC APPARATUS; MANUFACTURE OF ASSEMBLAGES OF ELECTRICAL COMPONENTS
    • H05K3/00—Apparatus or processes for manufacturing printed circuits
    • H05K3/02—Apparatus or processes for manufacturing printed circuits in which the conductive material is applied to the surface of the insulating support and is thereafter removed from such areas of the surface which are not intended for current conducting or shielding
    • H05K3/022—Processes for manufacturing precursors of printed circuits, i.e. copper-clad substrates
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Hardware Design (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Geometry (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Manufacturing & Machinery (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Electrolytic Production Of Metals (AREA)
  • Laminated Bodies (AREA)

Abstract

本发明提供了一种高密度覆铜板的低损耗高频高速技术方法及系统，涉及数据处理技术领域，通过对铜箔表面图像采集结果进行特征分析生成铜箔表面粗糙度特征；判断铜箔表面粗糙度特征是否满足铜箔表面粗糙度阈值，并在不满足时进行工艺参数优化生成工艺参数优化结果；将工艺参数优化结果发送至覆铜板制备工艺管理端获取反馈信息，当反馈信息包括同意调整时，根据工艺参数优化结果对覆铜板制备工艺进行调整，发送至覆铜板制备设备。解决现有技术中存在高频通信需求与通信质量需求不可兼得，导致阻碍高频通信技术发展的技术问题。达到了低成本实现在高频通信条件下减少通信过程的信号损耗和失真，实现高信息传输效率与高质量通信兼得的技术效果。

Description

一种高密度覆铜板的低损耗高频高速技术方法及系统
技术领域
本发明涉及数据处理技术领域，具体涉及一种高密度覆铜板的低损耗高频高速技术方法及系统。
背景技术
在数据传输过程中，信号传输性能和信号完整性之间的兼容性较差，随着数据传输速度的提高，原本在低数据传输速度下存在的可忽略信号损失变得存在感较强，严重影响信号质量。
印制电路板的电路信号传输速度性能很大程度上取决于覆铜板的产品质量，且在高频通信条件下覆铜板对于信号损失的影响比在低频通信条件下更大。
究其根源，在高频高速通信条件下，覆铜板的导体损耗、介电损耗、辐射损耗以及泄露损耗导致通信过程中发生信号损耗和失真，因而当前很多通信传输领域生产厂商将研发资源投入如何减少覆铜板产品质量问题对于印制电路板电路信号传输性能影响的研究中。
现有技术中存在高频通信需求与通信质量需求不可兼得，通信信号频率升高引起传输信号损失程度大幅上升，降低信号传输质量，导致阻碍高频通信技术发展的技术问题。
发明内容
本申请提供了一种高密度覆铜板的低损耗高频高速技术方法及系统，用于针对解决现有技术中存在高频通信需求与通信质量需求不可兼得，通信信号频率升高引起传输信号损失程度大幅上升，降低信号传输质量，导致阻碍高频通信技术发展的技术问题。
鉴于上述问题，本申请提供了一种高密度覆铜板的低损耗高频高速技术方法及系统。
本申请的第一个方面，提供了一种高密度覆铜板的低损耗高频高速技术方法，包括：获取铜箔表面粗糙度阈值；通过图像采集装置对铜箔表面进行图像采集，获取铜箔表面图像采集结果；对所述铜箔表面图像采集结果进行特征分析，生成铜箔表面粗糙度特征；判断所述铜箔表面粗糙度特征是否满足所述铜箔表面粗糙度阈值；若不满足，对所述铜箔表面粗糙度进行工艺参数优化，生成工艺参数优化结果；将所述工艺参数优化结果发送至高密度覆铜板制备工艺管理端，获取反馈信息；当所述反馈信息包括同意调整时，根据所述工艺参数优化结果对高密度覆铜板制备工艺进行调整，发送至高密度覆铜板制备设备。
本申请的第二个方面，提供了一种高密度覆铜板的低损耗高频高速技术系统，包括：粗糙度阈值获得模块，用于获取铜箔表面粗糙度阈值；图像采集执行模块，用于通过图像采集装置对铜箔表面进行图像采集，获取铜箔表面图像采集结果；粗糙度特征分析模块，用于对所述铜箔表面图像采集结果进行特征分析，生成铜箔表面粗糙度特征；分析结果判断模块，用于判断所述铜箔表面粗糙度特征是否满足所述铜箔表面粗糙度阈值；判断结果处理模块，用于若不满足，对所述铜箔表面粗糙度进行工艺参数优化，生成工艺参数优化结果；反馈信息获得模块，用于将所述工艺参数优化结果发送至高密度覆铜板制备工艺管理端，获取反馈信息；制备工艺调整模块，用于当所述反馈信息包括同意调整时，根据所述工艺参数优化结果对高密度覆铜板制备工艺进行调整，发送至高密度覆铜板制备设备。
本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
本申请实施例提供的方法通过获取铜箔表面粗糙度阈值；通过图像采集装置对铜箔表面进行图像采集，获取铜箔表面图像采集结果，实现为后续基于铜箔表面图像采集结果进行铜箔表面粗糙度特征分析，获得较为准确的分析结果提供图像信息；对所述铜箔表面图像采集结果进行特征分析，生成铜箔表面粗糙度特征，用于后续参考选择直接使用加工工艺参数制备高密度覆铜板还是进行加工工艺参数的参数优化；判断所述铜箔表面粗糙度特征是否满足所述铜箔表面粗糙度阈值；若不满足，对所述铜箔表面粗糙度进行工艺参数优化，生成工艺参数优化结果，获得较优铜箔生产工艺参数，实现生产满足高频通信条件下信号传输质量要求的高密度铜箔；将所述工艺参数优化结果发送至高密度覆铜板制备工艺管理端，获取反馈信息，通过在高密度覆铜板制备工艺管理端进行工艺参数优化结果中各个要求调节参数的验证，避免不具备设定工艺参数优化结果要求数据进行高密度覆铜板生产造成的生产资料浪费风险；当所述反馈信息包括同意调整时，根据所述工艺参数优化结果对高密度覆铜板制备工艺进行调整，发送至高密度覆铜板制备设备。达到了从铜箔导体生产加工角度进行工艺参数优化，低成本实现在高频通信条件下减少通信过程的信号损耗和失真，实现高信息传输效率与高质量通信兼得的技术效果。
附图说明
图1为本申请提供的一种高密度覆铜板的低损耗高频高速技术方法流程示意图；
图2为本申请提供的一种高密度覆铜板的低损耗高频高速技术方法中获取铜箔表面粗糙度阈值的流程示意图；
图3为本申请提供的一种高密度覆铜板的低损耗高频高速技术方法中生成工艺参数优化结果的流程示意图；
图4为本申请提供的一种高密度覆铜板的低损耗高频高速技术系统的结构示意图。
附图标记说明：粗糙度阈值获得模块11，图像采集执行模块12，粗糙度特征分析模块13，分析结果判断模块14，判断结果处理模块15，反馈信息获得模块16，制备工艺调整模块17。
具体实施方式
本申请提供了一种高密度覆铜板的低损耗高频高速技术方法及系统，用于针对解决现有技术中存在高频通信需求与通信质量需求不可兼得，通信信号频率升高引起传输信号损失程度大幅上升，降低信号传输质量，导致阻碍高频通信技术发展的技术问题。达到了从铜箔导体生产加工角度进行工艺参数优化，低成本实现在高频通信条件下减少通信过程的信号损耗和失真，实现高信息传输效率与高质量通信兼得的技术效果。
本发明技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
下面，将参考附图对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明的一部分实施例，而不是本发明的全部实施例，应理解，本发明不受这里描述的示例实施例的限制。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部。
实施例一
如图1所示，本申请提供了一种高密度覆铜板的低损耗高频高速技术方法，应用于高密度覆铜板制备设备，包括：
S100:获取铜箔表面粗糙度阈值；
进一步的，如图2所示，所述获取铜箔表面粗糙度阈值，本申请提供的方法步骤S100还包括：
S110:构建铜箔表面粗糙度评估模型；
S120:获取预设电流频率和导体损耗阈值；
S130:将所述预设电流频率和所述导体损耗阈值输入所述铜箔表面粗糙度评估模型，生成所述铜箔表面粗糙度阈值。
具体而言，应理解的，覆铜板是通过将电子玻纤布或其他增强材料浸以树脂，并在一面或双面覆以铜箔热压制成的板状材料，作为印制电路板基板使用。在高频通信条件下，导体损耗中的导体为覆盖在覆铜板表面的铜箔，其制造原料为高纯度的电解铜，在铜箔表面粗糙度和趋肤效应双重因素的综合作用下引起导体损耗，导致通信过程中发生信号损耗和失真，基于理论经验可知控制铜箔表面粗糙度可有效降低导体损耗。
在本实施例中，所述铜箔表面粗糙度阈值为在高频信号传输过程中，不引起导体损耗的铜箔表面粗糙度情况临界数值。所述铜箔表面粗糙度阈值的优选获得方法为，基于人工神经网络构建所述铜箔表面粗糙度评估模型，基于导体损耗情况取决于趋肤深度和导体表面粗糙度的特性，且趋肤深度是电流频率的函数，随着电流频率的增加，趋肤深度不断变小的变化特性，采用电流频率数据直接表征趋肤深度。
本实施例通过大数据采集获取各个覆铜板生产厂家所产覆铜板使用过程中的电流频率记录数据和导体损耗记录数据，构建并训练所述铜箔表面粗糙度评估模型。
根据覆铜板作为基板设计生产的集成电路产品的可承受电流频率和可接受导体损耗获取预设电流频率和导体损耗阈值；将所述预设电流频率和所述导体损耗阈值输入所述铜箔表面粗糙度评估模型，生成所述铜箔表面粗糙度阈值。
本实施例基于导体损耗情况取决于趋肤深度和导体表面粗糙度的特性，以及趋肤深度是电流频率的函数且随着电流频率的增加，趋肤深度不断变小的变化特性，使用电流频率数据直接表征趋肤深度，并构建铜箔表面粗糙度评估模型，采集获取电流频率记录数据和导体损耗记录数据进行铜箔表面粗糙度评估模型的训练，达到了获取可基于电流频率数据和导体损耗数据精准输出满足高频通信需求的铜箔粗糙度阈值数据的铜箔表面粗糙度评估模型，实现获取较为准确的铜箔粗糙度阈值数据的技术效果。
S200:通过图像采集装置对铜箔表面进行图像采集，获取铜箔表面图像采集结果；
具体而言，在本实施例中，所述图像采集装置优选为显微镜等图像采集精度较高的装置以实现较高分辨率地进行铜箔表面图像采集，基于所述图像采集装置对铜箔表面进行多角度图像采集，获得多张所述铜箔表面图像，采用多角度图像采集的方法采集铜箔表面图像。
本实施例对铜箔进行多角度多张图像采集，以避免光影作用影响，导致单一图像无法真实反映铜箔表面的轮廓粗糙度情况，实现为后续基于铜箔表面图像采集结果进行铜箔表面粗糙度特征分析，获得较为准确的分析结果提供图像信息。
S300:对所述铜箔表面图像采集结果进行特征分析，生成铜箔表面粗糙度特征；
具体而言，在本实施例中，所述铜箔表面粗糙度特征为铜箔加工表面上具有的较小间距和微小峰谷的不平度，用μm(微米)表征。所述特征分析指将所述铜箔表面粗糙度情况的图像特征采用数据方法表达。将步骤S200采集获得的多张所述铜箔表面图像采集结果进行特征分析，生成铜箔表面粗糙度特征，所述铜箔表面粗糙度特征表征铜箔表面粗糙度情况，用于后续参考选择直接使用加工工艺参数制备高密度覆铜板还是进行加工工艺参数的参数优化。
S400:判断所述铜箔表面粗糙度特征是否满足所述铜箔表面粗糙度阈值；
进一步的，所述判断所述铜箔表面粗糙度特征是否满足所述铜箔表面粗糙度阈值，本申请提供的方法步骤S400还包括：
S410:若满足，生成高密度覆铜板制备指令；
S420:根据所述高密度覆铜板制备指令控制所述高密度覆铜板制备设备对高密度覆铜板进行制备。
具体而言，在本实施例中，所述铜箔表面粗糙度阈值与所述铜箔表面粗糙度特征的数据单位具有一致性，将所述铜箔表面粗糙度特征与所述铜箔表面粗糙度阈值进行比对，判断所述铜箔表面粗糙度特征是否满足所述铜箔表面粗糙度阈值，若满足，表明基于当前生产工艺参数加工获得的覆铜板铜箔的表面粗糙度和通电情况下的趋肤深度共同作用造成的导体损耗不影响高频通信条件下高质量通信的实现。高密度覆铜板的低损耗高频高速技术系统生成高密度覆铜板制备指令发送至高密度覆铜板制备设备，高密度覆铜板制备设备根据所述高密度覆铜板制备指令控制所述高密度覆铜板制备设备对高密度覆铜板进行制备。
本实施例通过将实际图像采集特征分析获得的铜箔表面粗糙度特征与铜箔表面粗糙度阈值进行数值比对，并在铜箔表面粗糙度特征满足铜箔表面粗糙度阈值时，生成高密度覆铜板制备指令发送至高密度覆铜板制备设备进行高密度覆铜板的生产，实现了快速准确获知基于当前高密度覆铜板表面铜箔生产参数加工获得的铜箔是否满足高频通讯条件下的高质量通讯使用需求，从而避免高密度覆铜板制备过度生产不满足高质量通讯需求的风险，达到了降低生产成本的技术效果。
S500:若不满足，对所述铜箔表面粗糙度进行工艺参数优化，生成工艺参数优化结果；
进一步的，图3所示，所述若不满足，对所述铜箔表面粗糙度进行工艺参数优化，生成工艺参数优化结果，本申请提供的方法步骤S500还包括：
S510:获取粗糙度影响参数，其中，所述粗糙度影响参数包括添加剂参数、阴极辊表面形貌参数和阴极极化强度参数；
S520:基于所述添加剂参数、所述阴极辊表面形貌参数和所述阴极极化强度参数，通过大数据采集历史制备数据，构建优化粒子群，其中，任意一个粒子表征一组添加剂记录数据、阴极辊表面形貌记录数据、阴极极化强度记录数据和粗糙度记录数据；
S530:根据所述优化粒子群，构建粒子群优化空间；
S540:基于所述粒子群优化空间对所述铜箔表面粗糙度进行工艺参数优化，生成所述工艺参数优化结果。
具体而言，在本实施例中，判断所述铜箔表面粗糙度特征是否满足所述铜箔表面粗糙度阈值，若不满足，表明基于当前生产工艺参数加工获得的覆铜板铜箔的表面粗糙度和通电情况下的趋肤深度共同作用造成的导体损耗影响高频通信条件下高质量通信的实现，因而需要对高密度覆铜板的制备工艺进行调整，即生成工艺参数优化结果，基于工艺参数优化结果对所述铜箔表面粗糙度进行工艺参数优化。
具体获取所述工艺参数优化结果的方法为，根据电解铜箔是硫酸铜溶液在在直流作用下，筒状阴极表面电沉积金属铜并持续剥离制成原箔，再对原箔进行粗化、耐热及防氧化处理得到的这一获得方法，将阴极辊表面形态、阴极极化作用的强弱、添加剂作为影响铜箔表面粗糙度的影响因素，作为铜箔表面粗糙度影响参数，具体的粗糙度影响参数包括：添加剂参数、阴极辊表面形貌参数和阴极极化强度参数；其中，所述添加剂参数包括添加剂类型和添加剂含量，所述阴极辊表面形貌参数包括表面形貌的几何特征，所述阴极极化强度参数包括极化强度特征值，即阴极单位体积内分子电偶极矩的矢量和。
将阴极辊表面形态、阴极极化作用的强弱、添加剂作为粒子群优化空间的三个维度，将铜箔表面粗糙度作为工艺参数优化结果，构建所述粒子群优化空间雏形。
基于所述添加剂参数、所述阴极辊表面形貌参数和所述阴极极化强度参数，生成检索指令通过遍历大数据采集获得高密度铜箔的多组历史制备数据和与多组历史制备数据具有对应关系的铜箔表面粗糙度记录数据，构建优化粒子群。
所述优化粒子群中任意一个粒子表征一组添加剂记录数据、阴极辊表面形貌记录数据、阴极极化强度记录数据和粗糙度记录数据，将所述优化粒子群输入所述粒子群优化空间中完成粒子群优化空间的构建。
将步骤S100获得的所述铜箔表面粗糙度阈值作为输入数据，输入所述粒子群优化空间，在所述粒子群优化空间中遍历比对，获得与铜箔表面粗糙度阈值具有一致性的粗糙度记录数据对应的多个粒子，从中选定最优粒子所包含的添加剂记录数据、阴极辊表面形貌记录数据、阴极极化强度记录数据作为所述工艺参数优化结果用于执行所述铜箔表面粗糙度进行工艺参数优化。
本实施例通过分析电解铜箔的生产方法获得影响铜箔表面粗糙度的多个影响因素，并基于大数据采集获取多个不同表面粗糙度的铜箔生产时各个影响因素记录数据，从而构建粒子群优化空间，并根据步骤S300获得的铜箔表面粗糙度特征在粒子群优化空间中遍历迭代获得工艺参数优化结果进行后续高密度铜箔的加工制备，达到了获得较优铜箔生产工艺参数，实现生产满足高频通信条件下信号传输质量要求的高密度铜箔的技术效果。
S600:将所述工艺参数优化结果发送至高密度覆铜板制备工艺管理端，获取反馈信息；
S700:当所述反馈信息包括同意调整时，根据所述工艺参数优化结果对高密度覆铜板制备工艺进行调整，发送至高密度覆铜板制备设备。
具体而言，在本实施例中，所述高密度覆铜板制造包括用于调节管理生产工艺参数的高密度覆铜板制备工艺管理端以及接收并执行高密度覆铜板制备工艺管理端的生产工艺参数的高密度覆铜板制备设备。
将所述工艺参数优化结果发送至高密度覆铜板制备工艺管理端，高密度覆铜板制备工艺管理端分析确定当前高密度覆铜板制备设备是否具备调整工艺参数至所述工艺参数优化结果要求的添加剂记录数据、阴极辊表面形貌记录数据、阴极极化强度记录数据，从而产生同意或不同意调整工艺参数至工艺参数优化结果的反馈信息，当所述反馈信息包括同意调整时，根据所述工艺参数优化结果对高密度覆铜板制备工艺进行调整，发送至高密度覆铜板制备设备进行高密度铜箔生产并热压生成高密度覆铜板。
本实施例通过在基于工艺参数结果生产高密度覆铜板之前，设置反馈环节，将工艺参数优化结果发送至高密度覆铜板制备工艺管理端，并分析确定当前高密度覆铜板制备设备是否具备调整工艺参数至所述工艺参数优化结果所要求的添加剂记录数据、阴极辊表面形貌记录数据、阴极极化强度记录数据。从而避免了当不具备设定工艺参数优化结果所要求的记录数据时，进行高密度覆铜板生产所造成的生产资料浪费风险。
本实施例提供的方法通过获取铜箔表面粗糙度阈值；通过图像采集装置对铜箔表面进行图像采集，获取铜箔表面图像采集结果，实现为后续基于铜箔表面图像采集结果进行铜箔表面粗糙度特征分析，获得较为准确的分析结果提供图像信息；对所述铜箔表面图像采集结果进行特征分析，生成铜箔表面粗糙度特征，用于后续参考选择直接使用加工工艺参数制备高密度覆铜板还是进行加工工艺参数的参数优化；判断所述铜箔表面粗糙度特征是否满足所述铜箔表面粗糙度阈值；若不满足，对所述铜箔表面粗糙度进行工艺参数优化，生成工艺参数优化结果，获得较优铜箔生产工艺参数，实现生产满足高频通信条件下信号传输质量要求的高密度铜箔；将所述工艺参数优化结果发送至高密度覆铜板制备工艺管理端，获取反馈信息，通过在高密度覆铜板制备工艺管理端进行工艺参数优化结果中各个要求调节参数的验证，避免不具备设定工艺参数优化结果要求数据进行高密度覆铜板生产造成的生产资料浪费风险；当所述反馈信息包括同意调整时，根据所述工艺参数优化结果对高密度覆铜板制备工艺进行调整，发送至高密度覆铜板制备设备。达到了从铜箔导体生产加工角度进行工艺参数优化，低成本实现在高频通信条件下减少通信过程的信号损耗和失真，实现高信息传输效率与高质量通信兼得的技术效果。
进一步的，所述构建铜箔表面粗糙度评估模型，本申请提供的方法步骤S110还包括：
S111:构建铜箔表面粗糙度评估公式：
Figure BDA0003919052210000131
O表征铜箔表面粗糙度平方根，f表征电流频率，δ(f)表征趋肤深度，S表征导体损耗，β表征拟合参数；
S112:获取电流频率记录数据和导体损耗记录数据；
S113:将所述铜箔表面粗糙度评估公式设为评估标准，基于人工神经网络，调取所述电流频率记录数据和所述导体损耗记录数据进行无监督训练，构建所述铜箔表面粗糙度评估模型。
具体而言，在本实施例中，基于人工神经网络构建所述铜箔表面粗糙度评估模型，具体的模型构建和训练方法优选为，构建铜箔表面粗糙度评估公式进行大数据获取历史生产铜箔的粗糙度评估，以减少铜箔表面粗糙度评估环节的数据误差。
所述铜箔表面粗糙度评估公式如下：
Figure BDA0003919052210000141
O表征铜箔表面粗糙度平方根，f表征电流频率，δ(f)表征趋肤深度，S表征导体损耗，β表征拟合参数，所述拟合参数β不为定值，在所述铜箔表面粗糙度评估模型的训练过程中不断进行调整。
将所述铜箔表面粗糙度评估公式设为评估标准，基于区块链或数据云调用各个通信设备生产商所生产的高密度覆铜板在高频通信条件下的使用数据，基于使用数据获得电流频率记录数据和所述导体损耗记录数据。
应理解的，以高密度覆铜板为基板制作的集成电路在使用过程中，交变电流通过铜箔时产生不断变化的磁场，不断变化的磁场引发语原电流方向相反的额外电流，在导体中心部位的磁场最强位置产生的额外电流与原电流相互抵消，最终表现出电流在铜箔表面聚集的趋肤现象。在某一深度内，电流密度为表面电流密度的1/e，称之为趋肤深度。
本实施例中构建趋肤深度计算公式：
Figure BDA0003919052210000151
f表征电流频率，δ表征趋肤深度，μ表征磁导率，σ表征导电率，将获得的所述电流频率记录数据带入趋肤深度计算公式获得多个趋肤深度数据。将多个趋肤深度数据作为铜箔表面粗糙度评估公式的δ(f)使用，计算获得多个铜箔表面粗糙度平方根数据，生成多组铜箔表面粗糙度平方根-趋肤深度数据-电流频率记录数据-导体损耗记录数据。
基于人工神经网络，调取多组铜箔表面粗糙度平方根-趋肤深度数据-电流频率记录数据-导体损耗记录数据，作为模型训练数据，对多组铜箔表面粗糙度平方根-趋肤深度数据-电流频率记录数据-导体损耗记录数据进行数据划分和标识，将趋肤深度数据-电流频率记录数据-导体损耗记录数据划分为输入数据，将铜箔表面粗糙度平方根划分为输出数据，构建训练样本集，基于所述构建样本集，构建所述铜箔表面粗糙度评估模型，并对所述铜箔表面粗糙度评估模型进行无监督训练、验证和测试，直到所述铜箔表面粗糙度评估模型的准确率达到预设要求。所述铜箔表面粗糙度评估模型内置趋肤深度数据计算模块，因而在使用训练好的所述铜箔表面粗糙度评估模型时，只需输入电流频率数据和导体损耗数据即可获得铜箔表面粗糙度平方根，且铜箔表面粗糙度评估模型设置有计算模块，对于分析获得的铜箔表面粗糙度平方根进行求职计算并最终输出所述铜箔表面粗糙度阈值。
本实施例通过构建铜箔表面粗糙度评估公式进行大数据获取历史生产铜箔的粗糙度评估，实现减少铜箔表面粗糙度评估环节的数据误差，同时基于大数据采集多组铜箔表面粗糙度平方根-趋肤深度数据-电流频率记录数据-导体损耗记录数据进行铜箔表面粗糙度评估模型的构建和训练，实现了获得基于电流频率数据和导体损耗数据即可获得铜箔表面粗糙度阈值的高精度铜箔表面粗糙度评估模型，为进行高频通信条件下满足信号传输效果的高密度覆铜板铜箔粗糙度生产加工参数控制数据提供调节参考的技术效果。
进一步的，所述基于所述粒子群优化空间对所述铜箔表面粗糙度进行工艺参数优化，生成所述工艺参数优化结果，本申请提供的方法步骤S540还包括：
S541:从所述粒子群优化空间，获取第n粒子，其中，所述第n粒子包括第n粗糙度；
S542:判断所述第n粗糙度是否满足所述铜箔表面粗糙度阈值；
S543:若满足，将所述第n粗糙度和第n-1粗糙度比较，若所述第n粗糙度大于或等于所述第n-1粗糙度，将所述第n粒子添加进淘汰数据组；
S544:若所述第n粗糙度小于所述第n-1粗糙度，将第n-1粒子添加进所述淘汰数据组；
S545:判断n是否满足预设迭代次数；
S546:若满足，将所述第n粒子或所述第n-1粒子，设为所述工艺参数优化结果。
进一步的，所述判断所述第n粗糙度是否满足所述铜箔表面粗糙度阈值，本申请提供的方法步骤S542还包括：
S542-1:若不满足，将所述第n粒子添加进所述淘汰数据组。
具体而言，在本实施例中，从所述粒子群优化空间，随机选取第n粒子，所述第n粒子包括第n粗糙度以及第n添加剂记录数据、第n阴极辊表面形貌记录数据、第n阴极极化强度记录数据。
判断所述第n粗糙度是否满足所述铜箔表面粗糙度阈值；若满足，将所述第n粗糙度和第n-1粗糙度比较，若所述第n粗糙度大于或等于所述第n-1粗糙度，将所述第n粒子添加进淘汰数据组，若所述第n粗糙度小于所述第n-1粗糙度，将第n-1粒子添加进所述淘汰数据组。为避免所述铜箔表面粗糙度阈值在所述粒子群优化空间中的无限迭代，确保优化过程可收敛，预设迭代次数进行收敛控制。在判断所述第n粗糙度是否满足所述铜箔表面粗糙度阈值的过程中，判断n是否满足预设迭代次数；若满足，将所述第n粒子或所述第n-1粒子，设为所述工艺参数优化结果。
本实施例通过构建粒子群优化空间，并基于粒子群优化空间对铜箔生产工艺参数进行优化，使铜箔生产工艺参数进行参数调整后获得的工艺参数更加接近于高频通信条件下，低信号损失的高密度铜箔粗糙度要求，达到了使获得满足高频通信条件下信号质量要求的高密度覆铜板导体铜箔生产工艺参数的技术效果。
实施例二
基于与前述实施例中一种高密度覆铜板的低损耗高频高速技术方法相同的发明构思，如图4所示，本申请提供了一种高密度覆铜板的低损耗高频高速技术系统，其中，所述系统包括：
粗糙度阈值获得模块11，用于获取铜箔表面粗糙度阈值；
图像采集执行模块12，用于通过图像采集装置对铜箔表面进行图像采集，获取铜箔表面图像采集结果；
粗糙度特征分析模块13，用于对所述铜箔表面图像采集结果进行特征分析，生成铜箔表面粗糙度特征；
分析结果判断模块14，用于判断所述铜箔表面粗糙度特征是否满足所述铜箔表面粗糙度阈值；
判断结果处理模块15，用于若不满足，对所述铜箔表面粗糙度进行工艺参数优化，生成工艺参数优化结果；
反馈信息获得模块16，用于将所述工艺参数优化结果发送至高密度覆铜板制备工艺管理端，获取反馈信息；
制备工艺调整模块17，用于当所述反馈信息包括同意调整时，根据所述工艺参数优化结果对高密度覆铜板制备工艺进行调整，发送至高密度覆铜板制备设备。
进一步的，所述粗糙度阈值获得模块11还包括：
评估模型构建单元，用于构建铜箔表面粗糙度评估模型；
数据采集获得单元，用于获取预设电流频率和导体损耗阈值；
粗糙度阈值获得单元，用于将所述预设电流频率和所述导体损耗阈值输入所述铜箔表面粗糙度评估模型，生成所述铜箔表面粗糙度阈值。
进一步的，所述评估模型构建单元还包括：
评估公式构建单元，用于构建铜箔表面粗糙度评估公式：
Figure BDA0003919052210000191
O表征铜箔表面粗糙度平方根，f表征电流频率，δ(f)表征趋肤深度，S表征导体损耗，β表征拟合参数；
历史记录提取单元，用于获取电流频率记录数据和导体损耗记录数据；
模型训练执行单元，用于将所述铜箔表面粗糙度评估公式设为评估标准，基于人工神经网络，调取所述电流频率记录数据和所述导体损耗记录数据进行无监督训练，构建所述铜箔表面粗糙度评估模型。
进一步的，所述分析结果判断模块14还包括：
制备指令生成模块，用于若满足，生成高密度覆铜板制备指令；
装置制备执行单元，用于根据所述高密度覆铜板制备指令控制所述高密度覆铜板制备设备对高密度覆铜板进行制备。
进一步的，所述判断结果处理模块15还包括：
影响参数获得单元，用于获取粗糙度影响参数，其中，所述粗糙度影响参数包括添加剂参数、阴极辊表面形貌参数和阴极极化强度参数；
粒子群构建单元，用于基于所述添加剂参数、所述阴极辊表面形貌参数和所述阴极极化强度参数，通过大数据采集历史制备数据，构建优化粒子群，其中，任意一个粒子表征一组添加剂记录数据、阴极辊表面形貌记录数据、阴极极化强度记录数据和粗糙度记录数据；
优化空间构建单元，用于根据所述优化粒子群，构建粒子群优化空间；
工艺参数优化单元，用于基于所述粒子群优化空间对所述铜箔表面粗糙度进行工艺参数优化，生成所述工艺参数优化结果。
进一步的，所述工艺参数优化单元还包括：
优化粒子提取单元，用于从所述粒子群优化空间，获取第n粒子，其中，所述第n粒子包括第n粗糙度；
粗糙度比对判断单元，用于判断所述第n粗糙度是否满足所述铜箔表面粗糙度阈值；
判断结果执行单元，用于若满足，将所述第n粗糙度和第n-1粗糙度比较，若所述第n粗糙度大于或等于所述第n-1粗糙度，将所述第n粒子添加进淘汰数据组；
判断结果应用单元，用于若所述第n粗糙度小于所述第n-1粗糙度，将第n-1粒子添加进所述淘汰数据组；
迭代状况判断单元，用于判断n是否满足预设迭代次数；
判断结果处理单元，用于若满足，将所述第n粒子或所述第n-1粒子，设为所述工艺参数优化结果。
进一步的，所述粗糙度比对判断单元还包括：
数据淘汰处理单元，用于若不满足，将所述第n粒子添加进所述淘汰数据组。
综上所述的任意一项方法或者步骤可作为计算机指令或程序存储在各种不限类型的计算机存储器中，通过各种不限类型的计算机处理器识别计算机指令或程序，进而实现上述任一项方法或者步骤。
基于本发明的上述具体实施例，本技术领域的技术人员在不脱离本发明原理的前提下，对本发明所作的任何改进和修饰，皆应落入本发明的专利保护范围。

Claims (8)

1.一种高密度覆铜板的低损耗高频高速技术方法，其特征在于，应用于高密度覆铜板制备设备，包括：
获取铜箔表面粗糙度阈值；
通过图像采集装置对铜箔表面进行图像采集，获取铜箔表面图像采集结果；
对所述铜箔表面图像采集结果进行特征分析，生成铜箔表面粗糙度特征；
判断所述铜箔表面粗糙度特征是否满足所述铜箔表面粗糙度阈值；
若不满足，对所述铜箔表面粗糙度进行工艺参数优化，生成工艺参数优化结果；
将所述工艺参数优化结果发送至高密度覆铜板制备工艺管理端，获取反馈信息；
当所述反馈信息包括同意调整时，根据所述工艺参数优化结果对高密度覆铜板制备工艺进行调整，发送至高密度覆铜板制备设备。
2.如权利要求1所述的方法，其特征在于，所述获取铜箔表面粗糙度阈值，包括：
构建铜箔表面粗糙度评估模型；
获取预设电流频率和导体损耗阈值；
将所述预设电流频率和所述导体损耗阈值输入所述铜箔表面粗糙度评估模型，生成所述铜箔表面粗糙度阈值。
3.如权利要求2所述的方法，其特征在于，所述构建铜箔表面粗糙度评估模型，包括：
构建铜箔表面粗糙度评估公式：
Figure FDA0003919052200000021
O表征铜箔表面粗糙度平方根，f表征电流频率，δ(f)表征趋肤深度，S表征导体损耗，β表征拟合参数；
获取电流频率记录数据和导体损耗记录数据；
将所述铜箔表面粗糙度评估公式设为评估标准，基于人工神经网络，调取所述电流频率记录数据和所述导体损耗记录数据进行无监督训练，构建所述铜箔表面粗糙度评估模型。
4.如权利要求1所述的方法，其特征在于，所述判断所述铜箔表面粗糙度特征是否满足所述铜箔表面粗糙度阈值，包括：
若满足，生成高密度覆铜板制备指令；
根据所述高密度覆铜板制备指令控制所述高密度覆铜板制备设备对高密度覆铜板进行制备。
5.如权利要求1所述的方法，其特征在于，所述若不满足，对所述铜箔表面粗糙度进行工艺参数优化，生成工艺参数优化结果，包括：
获取粗糙度影响参数，其中，所述粗糙度影响参数包括添加剂参数、阴极辊表面形貌参数和阴极极化强度参数；
基于所述添加剂参数、所述阴极辊表面形貌参数和所述阴极极化强度参数，通过大数据采集历史制备数据，构建优化粒子群，其中，任意一个粒子表征一组添加剂记录数据、阴极辊表面形貌记录数据、阴极极化强度记录数据和粗糙度记录数据；
根据所述优化粒子群，构建粒子群优化空间；
基于所述粒子群优化空间对所述铜箔表面粗糙度进行工艺参数优化，生成所述工艺参数优化结果。
6.如权利要求5所述的方法，其特征在于，所述基于所述粒子群优化空间对所述铜箔表面粗糙度进行工艺参数优化，生成所述工艺参数优化结果，包括：
从所述粒子群优化空间，获取第n粒子，其中，所述第n粒子包括第n粗糙度；
判断所述第n粗糙度是否满足所述铜箔表面粗糙度阈值；
若满足，将所述第n粗糙度和第n-1粗糙度比较，若所述第n粗糙度大于或等于所述第n-1粗糙度，将所述第n粒子添加进淘汰数据组；
若所述第n粗糙度小于所述第n-1粗糙度，将第n-1粒子添加进所述淘汰数据组；
判断n是否满足预设迭代次数；
若满足，将所述第n粒子或所述第n-1粒子，设为所述工艺参数优化结果。
7.如权利要求6所述的方法，其特征在于，所述判断所述第n粗糙度是否满足所述铜箔表面粗糙度阈值，包括：
若不满足，将所述第n粒子添加进所述淘汰数据组。
8.一种高密度覆铜板的低损耗高频高速技术系统，其特征在于，包括：
粗糙度阈值获得模块，用于获取铜箔表面粗糙度阈值；
图像采集执行模块，用于通过图像采集装置对铜箔表面进行图像采集，获取铜箔表面图像采集结果；
粗糙度特征分析模块，用于对所述铜箔表面图像采集结果进行特征分析，生成铜箔表面粗糙度特征；
分析结果判断模块，用于判断所述铜箔表面粗糙度特征是否满足所述铜箔表面粗糙度阈值；
判断结果处理模块，用于若不满足，对所述铜箔表面粗糙度进行工艺参数优化，生成工艺参数优化结果；
反馈信息获得模块，用于将所述工艺参数优化结果发送至高密度覆铜板制备工艺管理端，获取反馈信息；
制备工艺调整模块，用于当所述反馈信息包括同意调整时，根据所述工艺参数优化结果对高密度覆铜板制备工艺进行调整，发送至高密度覆铜板制备设备。
CN202211348307.1A 2022-10-31 2022-10-31 一种高密度覆铜板的低损耗高频高速技术方法及系统 Active CN115600548B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211348307.1A CN115600548B (zh) 2022-10-31 2022-10-31 一种高密度覆铜板的低损耗高频高速技术方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211348307.1A CN115600548B (zh) 2022-10-31 2022-10-31 一种高密度覆铜板的低损耗高频高速技术方法及系统

Publications (2)

Publication Number Publication Date
CN115600548A true CN115600548A (zh) 2023-01-13
CN115600548B CN115600548B (zh) 2023-05-30

Family

ID=84850967

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211348307.1A Active CN115600548B (zh) 2022-10-31 2022-10-31 一种高密度覆铜板的低损耗高频高速技术方法及系统

Country Status (1)

Country Link
CN (1) CN115600548B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107066764A (zh) * 2017-05-19 2017-08-18 郑州云海信息技术有限公司 一种适用于高速线模型提取的铜箔粗糙度设计方法
CN110509096A (zh) * 2019-08-27 2019-11-29 湘潭大学 工件表面粗糙度控制方法、装置和数控加工设备
CN114660076A (zh) * 2022-05-19 2022-06-24 张家港市欧凯医疗器械有限公司 一种医疗用管涂层质量检测方法及系统
CN114749493A (zh) * 2022-06-13 2022-07-15 苏州翔楼新材料股份有限公司 一种冷轧带钢生产参数自适应调整方法及系统
CN114912855A (zh) * 2022-07-18 2022-08-16 苏州杰宸环境科技有限公司 一种废气处理效果评估方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107066764A (zh) * 2017-05-19 2017-08-18 郑州云海信息技术有限公司 一种适用于高速线模型提取的铜箔粗糙度设计方法
CN110509096A (zh) * 2019-08-27 2019-11-29 湘潭大学 工件表面粗糙度控制方法、装置和数控加工设备
CN114660076A (zh) * 2022-05-19 2022-06-24 张家港市欧凯医疗器械有限公司 一种医疗用管涂层质量检测方法及系统
CN114749493A (zh) * 2022-06-13 2022-07-15 苏州翔楼新材料股份有限公司 一种冷轧带钢生产参数自适应调整方法及系统
CN114912855A (zh) * 2022-07-18 2022-08-16 苏州杰宸环境科技有限公司 一种废气处理效果评估方法及系统

Also Published As

Publication number Publication date
CN115600548B (zh) 2023-05-30

Similar Documents

Publication Publication Date Title
CN107116139B (zh) 模具型面的设计方法及覆盖件模具
CN107682319B (zh) 一种基于增强型角度异常因子的数据流异常检测及多重验证的方法
CN109977464B (zh) 一种基于bp神经网络的活塞切削加工变形量的预测方法
CN110543616B (zh) 基于工业大数据的smt锡膏印刷体积预测方法
CN106844924B (zh) 基于响应曲面法和遗传算法优化pcb微带线结构的方法
CN113094980B (zh) 一种基于iga-dnn的焊膏印刷质量预测方法及系统
Feng et al. Parallel gradient-based EM optimization for microwave components using adjoint-sensitivity-based neuro-transfer function surrogate
CN113177356B (zh) 一种基于深度学习的目标电磁散射特性快速预测方法
CN114564880A (zh) 一种增材制造过程数字孪生模块构建方法
CN115659284B (zh) 一种大数据融合平台
CN116523414B (zh) 一种复合镍铜散热底板的生产管理方法及系统
CN116956189A (zh) 一种电流异常检测系统、方法、电子设备及介质
Zhang et al. Enhanced cognition‐driven formulation of space mapping for equal‐ripple optimisation of microwave filters
CN109543239B (zh) 基于神经网络技术的ltcc收缩率预判方法
CN112947080B (zh) 一种基于场景参数变换的智能决策模型性能评估系统
CN115600548A (zh) 一种高密度覆铜板的低损耗高频高速技术方法及系统
CN112487716B (zh) 蜂群无人机平均故障间隔时间的确定方法及系统
CN115659607A (zh) 一种多层透波结构的确定方法
CN110112571B (zh) 一种基于神经网络逆建模的天线设计方法
CN115438033A (zh) 一种数字孪生运维数据质量检验方法
CN112784218B (zh) 一种非高斯随机振动信号的峭度估计方法
CN111709192B (zh) 一种基于半监督学习的平面倒f型天线谐振频率预测方法
CN114418087A (zh) 一种基于优化的kl散度的模型量化方法、装置及设备
CN117528934A (zh) 金属基板模块的智能加工方法及其系统
CN117648876B (zh) 基于性能与balance-cgan的tpms梯度分级结构逆设计制造方法

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