CN117076892A - 焊料设计方法、设备及计算机可读存储介质 - Google Patents

焊料设计方法、设备及计算机可读存储介质 Download PDF

Info

Publication number
CN117076892A
CN117076892A CN202311324777.9A CN202311324777A CN117076892A CN 117076892 A CN117076892 A CN 117076892A CN 202311324777 A CN202311324777 A CN 202311324777A CN 117076892 A CN117076892 A CN 117076892A
Authority
CN
China
Prior art keywords
solder
zinc
copper
component
proportion
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
CN202311324777.9A
Other languages
English (en)
Other versions
CN117076892B (zh
Inventor
牛超楠
张观军
张旭东
付旭
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.)
Midea Group Co Ltd
GD Midea Air Conditioning Equipment Co Ltd
Original Assignee
Midea Group Co Ltd
GD Midea Air Conditioning Equipment 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 Midea Group Co Ltd, GD Midea Air Conditioning Equipment Co Ltd filed Critical Midea Group Co Ltd
Priority to CN202311324777.9A priority Critical patent/CN117076892B/zh
Publication of CN117076892A publication Critical patent/CN117076892A/zh
Application granted granted Critical
Publication of CN117076892B publication Critical patent/CN117076892B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • 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
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • 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
    • 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)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Biology (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Electric Connection Of Electric Components To Printed Circuits (AREA)

Abstract

本发明公开了焊料设计方法、设备及计算机可读存储介质。应用于钎焊技术领域。该方法包括：确定锌当量值范围和铜锌权衡比例系数范围；在满足所述锌当量值范围和所述铜锌权衡比例系数范围的前提下，改变焊料中的降熔元素的元素含量，得到不同焊料成分配比；将各种焊料成分配比分别输入焊料熔点预测模型，得到各种所述焊料成分配比对应的焊料熔点；和，根据各种焊料成分配比对应的锌当量值和铜锌权衡比例系数，确定各种焊料成分配比对应的焊料组织结构，并基于所述焊料组织结构确定各种焊料成分配比对应的可加工性评估结果。同时兼顾预测焊料熔点和焊料可加工性的评估，提高焊料质量。

Description

焊料设计方法、设备及计算机可读存储介质
技术领域
本发明涉及钎焊技术领域，尤其涉及一种焊料设计方法、设备及计算机可读存储介质。
背景技术
在制冷及相关行业的“钢代铜”和降本背景下，黄铜基焊料由于不含贵重元素银Ag及危害元素镉Cd、铅Pb而有望替代价格高昂的含银焊料，以应用于铜/不锈钢的钎焊。目前，市面上常见的黄铜基焊料普遍存在着熔点高和焊料的加工成型能力差的问题，因此，对焊料设计的要求逐渐增加。相关技术中，在焊料设计过程中，通过研发人员经验，多次改变焊料成分配比，并测试和评估焊料成分配比是否可行，导致所设计的焊料的质量下降。
发明内容
本申请实施例通过提供一种焊料设计方法、设备及计算机可读存储介质，旨在同时兼顾预测焊料熔点和焊料可加工性的评估，提高焊料质量。
本申请实施例提供了一种焊料设计方法，所述焊料设计方法包括：
确定锌当量值范围和铜锌权衡比例系数范围；
在满足所述锌当量值范围和所述铜锌权衡比例系数范围的前提下，改变焊料中的降熔元素的元素含量，得到不同焊料成分配比；
将各种焊料成分配比分别输入焊料熔点预测模型，得到各种所述焊料成分配比对应的焊料熔点；
根据各种焊料成分配比对应的锌当量值和铜锌权衡比例系数，确定各种焊料成分配比对应的焊料组织结构，并基于所述焊料组织结构确定各种焊料成分配比对应的可加工性评估结果。
可选地，所述将各种焊料成分配比分别输入焊料熔点预测模型，得到各种所述焊料成分配比对应的焊料熔点的步骤之前，还包括：
获取焊料成分配比样本集和所述焊料成分配比样本集对应的焊料熔点样本集，其中，所述焊料成分配比样本集中包括多种焊料成分配比，且各种焊料成分配比在所述焊料熔点样本集中存在对应的焊料熔点；
采用所述焊料成分配比样本集和所述焊料熔点样本集对初始焊料熔点预测模型进行训练，得到所述焊料熔点预测模型，以根据所述焊料熔点预测模型预测各种焊料成分配比对应的焊料熔点。
可选地，所述将各种焊料成分配比分别输入焊料熔点预测模型，得到各种所述焊料成分配比对应的焊料熔点的步骤包括：
将各种所述焊料成分配比分别输入焊料熔点预测模型；
通过所述焊料熔点预测模型计算得到各种所述焊料成分配比对应的焊料熔点，所述焊料熔点预测模型为：
；
其中，y为焊料熔点，a0、ai、aii、ami均为回归方程系数，x为降熔元素，k为降熔元素的个数。
可选地，所述在满足所述锌当量值范围和所述铜锌权衡比例系数范围的前提下，改变焊料中的降熔元素的元素含量，得到不同焊料成分配比的步骤包括：
在满足所述锌当量值范围和所述铜锌权衡比例系数范围的前提下，改变焊料中的至少一个降熔元素的元素含量，其中，每个降熔元素存在对应的元素含量范围，在所述元素含量范围内改变焊料对应的降熔元素的元素含量；
根据改变后的降熔元素的元素含量和所述焊料中的铜元素的元素余量，得到不同的焊料成分配比。
可选地，所述降熔元素包括：锌元素、锡元素、硅元素和锰元素，所述锌元素、锡元素、硅元素和锰元素的元素含量范围依次分别为：20~40wt.%、0.1~10wt.%、0.1~2wt.%、0.1~5wt.%。
可选地，所述根据各种焊料成分配比对应的锌当量值和铜锌权衡比例系数，确定各种焊料成分配比对应的焊料组织结构，并基于所述焊料组织结构确定各种焊料成分配比对应的可加工性评估结果的步骤包括：
确定各种焊料成分配比对应的锌当量值和铜锌权衡比例系数；
根据所述锌当量值和所述铜锌权衡比例系数各自所在的区间，确定各种焊料成分配比对应的焊料组织结构；
基于所述焊料组织结构确定各种焊料成分配比对应的可加工性评估结果。
可选地，所述确定各种焊料成分配比对应的锌当量值和铜锌权衡比例系数的步骤包括：
根据焊料成分配比中的铜元素的元素余量、降熔元素的元素含量和所述降熔元素对应的锌当量系数，确定焊料成分配比对应的锌当量值；
根据所述铜元素的元素余量和所述锌当量值的比值，确定所述焊料成分配比对应的铜锌权衡比例系数。
可选地，所述根据所述锌当量值和所述铜锌权衡比例系数各自所在的区间，确定各种焊料成分配比对应的焊料组织结构的步骤包括：
在所述锌当量值位于第一区间且所述铜锌权衡比例系数位于第二区间时，确定焊料成分配比对应的焊料组织结构由α-Cu相构成；
在所述锌当量值位于第三区间且所述铜锌权衡比例系数位于第四区间时，确定焊料成分配比对应的焊料组织结构由(α+β’)混合组织构成；
在所述锌当量值位于第五区间且所述铜锌权衡比例系数位于第六区间时，确定焊料成分配比对应的焊料组织结构由β’-Cu相、α-Cu相或γ-Cu相构成；
在所述锌当量值位于第七区间且所述铜锌权衡比例系数位于第八区间时，确定焊料成分配比对应的焊料组织结构由γ-Cu相或(β’+γ)混合组织构成；
其中，所述第一区间，所述第三区间，所述第五区间和所述第七区间依次增大；所述第二区间，所述第四区间，所述第六区间和所述第八区间依次减小。
可选地，所述基于所述焊料组织结构确定各种焊料成分配比对应的可加工性评估结果的步骤包括：
在所述焊料成分配比对应的焊料组织结构由α-Cu相构成时，所述焊料成分配比对应的可加工性评估结果为优；
在所述焊料成分配比对应的焊料组织结构由(α+β’)混合组织构成时，所述焊料成分配比对应的可加工性评估结果为良好；
在所述焊料成分配比对应的焊料组织结构由β’-Cu相、α-Cu相或γ-Cu相构成时，所述焊料成分配比对应的可加工性评估结果包括脆性较大和可加工性差；
在所述焊料成分配比对应的焊料组织结构由γ-Cu相或(β’+γ)混合组织构成时，所述焊料成分配比对应的可加工性评估结果包括：焊料脆性大、可加工性差和难以加工成焊丝或焊环形式。
此外，为实现上述目的，本发明还提供了一种焊料设计设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的焊料设计程序，所述焊料设计程序被所述处理器执行时实现上述的焊料设计方法的步骤。
此外，为实现上述目的，本发明还提供了一种计算机可读存储介质，其上存储有焊料设计程序，所述焊料设计程序被处理器执行时实现上述的焊料设计方法的步骤。
本申请实施例中提供的一种焊料设计方法、设备及计算机可读存储介质的技术方案，本申请在满足锌当量范围和铜锌权衡比例系数范围的前提下，改变焊料中的降熔元素的元素含量，得到不同焊料成分配比，进而将不同焊料成分配比输入焊料熔点预测模型，通过焊料熔点预测模型预测不同焊料成分配比对应的焊料熔点。同时，根据各种焊料成分配比对应的锌当量值和铜锌权衡比例系数，确定各种焊料成分配比对应的焊料组织结构，并基于所述焊料组织结构确定各种焊料成分配比对应的可加工性评估结果。由于建立了焊料熔点预测模型，在适用的范围内仅需要明确相应的元素含量即可计算预测对应的焊料熔点，获得不同降熔元素及含量对黄铜基焊料熔点的影响规律，同时结合锌当量值与铜锌权衡比例系数，给出了不同焊料成分配比下的焊料组织构成及其可加工性的评估方法，兼顾焊料熔点预测和焊料可加工性评估，进而提高焊料质量。
附图说明
图1为本发明焊料设计方法第一实施例的流程示意图；
图2为本发明焊料设计方法第二实施例的流程示意图；
图3为本发明焊料设计方法第三实施例的流程示意图；
图4为本发明的Cu-Zn二元相图；
图5为本发明正态性检验示意图；
图6为本发明回归方程的焊料熔点的实验值与预测值的散点图；
图7为本发明的焊料设计设备的结构示意图。
本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明，上述附图只是一个实施例图，而不是发明的全部。
具体实施方式
针对目前市面上常见的黄铜基焊料普遍存在着熔点高和焊料的加工成型能力差的问题，因此，对焊料设计的要求逐渐增加。相关技术中，在焊料设计过程中，通过研发人员经验，多次改变焊料成分配比，并测试和评估焊料成分配比是否可行，导致所设计的焊料的质量下降。
因此，本申请提出了一种焊料设计方法，本申请采用的技术方案包括：确定锌当量值范围和铜锌权衡比例系数范围；在满足所述锌当量值范围和所述铜锌权衡比例系数范围的前提下，改变焊料中的降熔元素的元素含量，得到不同焊料成分配比；将各种焊料成分配比分别输入焊料熔点预测模型，得到各种所述焊料成分配比对应的焊料熔点；根据各种所述焊料成分配比对应的焊料熔点，确定目标焊料成分配比。由于建立了焊料熔点预测模型，在适用的范围内仅需要明确相应的元素含量即可计算预测对应的焊料熔点，获得不同降熔元素及含量对黄铜基焊料熔点的影响规律，同时结合锌当量值与铜锌权衡比例系数，给出了不同焊料成分配比下的焊料组织构成及其可加工性的评估方法，兼顾焊料熔点预测和焊料可加工性评估，进而提高焊料质量。
另外，相关技术通常采用增加焊料中的Zn元素含量以及添加降熔元素Sn、Mn、Si等元素的方式来降低焊料熔点，但过多的Zn元素和降熔元素会促进焊料组织产生大量的硬脆性相，例如β’-Cu相和γ-Cu相，进而降低焊料的塑韧性，导致焊料较难加工成型。
因此，本申请考虑到焊料成分配比与焊料可加工性之间的影响关系，对焊料组织构成与可加工性进行评估，本申请采用的技术方案包括：确定各种焊料成分配比对应的锌当量值和铜锌权衡比例系数；根据所述锌当量值和所述铜锌权衡比例系数各自所在的区间，确定各种焊料成分配比对应的焊料组织结构；基于所述焊料组织结构确定各种焊料成分配比对应的可加工性评估结果。由于本申请结合锌当量值与Cu/Zn权衡比例系数，给出了不同焊料成分条件下的焊料组织构成及其可加工性的评估方法，并明确了相应的评判依据，减少实验表征工作量，提高焊料成分设计的工作效率。
此外，本申请无需借助价格昂贵的熔点检测设备和扫描电子显微镜，即可预测分析不同焊料成分配比的焊料熔点以及评估焊料组织构成和可加工性，降低焊料成分设计的实验成本。
为了更好地理解上述技术方案，下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整地传达给本领域的技术人员。
第一实施例
如图1所示，在本申请的第一实施例中，本申请的焊料设计方法，包括以下步骤：
步骤S110，确定锌当量值范围和铜锌权衡比例系数范围。
在本实施例中，锌当量值范围和铜锌权衡比例系数范围可根据图4所示的Cu-Zn二元合金相图确定。所述锌当量值范围和铜锌权衡比例系数范围可用于判断焊料的组织结构，进而评估焊料的可加工性。由Cu-Zn二元合金相图可知，当锌当量值小于21.05%时，所需的熔点较高，容易损坏母材。当锌当量值大于65.73%时，焊料存在单相β’组织或者出现γ相，则焊料呈脆性，焊料的可加工性变差。本申请选取的锌当量值范围21.05%～65.73%，所述铜锌权衡比例系数范围为0.65%～3.78%。在所确定的锌当量值范围和铜锌权衡比例系数范围内确定不同的焊料成分配比。
步骤S120，在满足所述锌当量值范围和所述铜锌权衡比例系数范围的前提下，改变焊料中的降熔元素的元素含量，得到不同焊料成分配比。
在本实施例中，所述焊料可以是黄铜基焊料，还可以是其他类型的焊料成分组成的焊料。本申请以焊料为黄铜基焊料为例。其中，所述黄铜基焊料中的降熔元素包括但不限于锌元素（Zn）、锡元素（Sn）、硅元素（Si）和锰元素（Mn）。
通常采用增加黄铜基焊料中的Zn元素含量和添加降熔元素Sn、Mn、Si等元素的方式来降低焊料熔点，但过多的Zn元素和降熔元素会促进焊料组织产生大量的硬脆性相，进而降低焊料的塑韧性，恶化焊料的加工成型能力。比如某一类型焊料中含有较多的Zn元素(46~52wt.%)，虽然Zn元素的增加一定程度上降低焊料熔点至870~880℃，然而焊料组织中出现了大量硬脆性的β’-Cu相和γ-Cu相，导致焊料的脆性大且较难加工成型，市场上常见以焊条、焊片的形式。另外，市面常见的锡黄铜焊料由于Zn和Sn元素含量相对较少，焊料组织为(α+β’)混合组织，保证了焊料具有较好的塑韧性，可制备成不同规格的焊丝、焊环形式，但其熔点则相对较高。由此可知在焊料成分设计上，一方面需要考虑各元素对焊料熔点的影响，尤其是主要的降熔元素Sn、Mn、Si的影响，另一方面则需要兼顾焊料的可加工成型能力以保证焊料能够被加工成不同规格的焊丝、环、片、带、条等形式，这就要求对焊料组织结构进行调控。可通过改变焊料中的各个降熔元素的元素含量，得到不同的焊料成分配比，不同的焊料成分配比由于所包含的元素含量不同，导致所形成的焊料组织结构不同，可加工性不同。例如，假设黄铜基焊料中的元素包括：Zn、Sn、Mn、Si和Cu等元素，可通过改变Zn、Sn、Mn、Si中任意一个元素的元素含量和Cu元素的元素余量，从而得到不同的焊料成分配比。
步骤S130，将各种焊料成分配比分别输入焊料熔点预测模型，得到各种所述焊料成分配比对应的焊料熔点。
在本实施例中，所述焊料熔点预测模型用于预测焊料熔点。
可选地，所述焊料熔点预测模型可根据焊料成分配比样本集和焊料熔点样本集对初始焊料熔点预测模型进行训练得到，通过训练得到焊料成分配比与焊料熔点之间的映射关系。
具体地，可获取焊料成分配比样本集和所述焊料成分配比样本集对应的焊料熔点样本集，采用所述焊料成分配比样本集和所述焊料熔点样本集对初始焊料熔点预测模型进行训练，得到焊料熔点预测模型，进而根据所述焊料熔点预测模型预测各种焊料成分配比对应的焊料熔点。其中，所述焊料成分配比样本集中包括多种焊料成分配比，且每种焊料成分配比在所述焊料熔点样本集中存在对应的焊料熔点。即通过焊料成分配比样本集和焊料熔点样本集训练各种焊料成分配比与对应的焊料熔点之间的映射关系的过程即为训练所述焊料熔点预测模型的过程。在训练得到焊料成分配比与焊料熔点之间的映射关系之后，将映射关系存储于数据库中。在后续使用过程中，将当前需要预测焊料熔点的焊料成分配比输入该焊料熔点预测模型，所述焊料熔点预测模型对该焊料成分配比进行分析，得到所述焊料成分配比具体包括哪些元素以及元素含量具体是多少，从数据库中匹配与该焊料成分配比对应的预设焊料成分配比，将该预测焊料成分配比关联的预设焊料熔点确定为当前输入焊料熔点预测模型的焊料成分配比对应的焊料熔点。
进一步地，将各种焊料成分配比分别输入焊料熔点预测模型；通过所述焊料熔点预测模型计算得到各种焊料成分配比对应的焊料熔点，其中，所述焊料熔点预测模型为：
；
其中，y为焊料熔点，a0、ai、aii、ami均为回归方程系数，x为降熔元素，分别取Zn、Sn、Mn、Si。k为降熔元素的个数，本申请中，所述k取值为4。上述模型为多元线性回归模型，多元线性回归是一种用于建立和分析多个自变量与一个因变量之间关系的统计学方法。它是线性回归的一种扩展形式，可以用于处理多个自变量（降熔元素）的情况，并提供更加准确的预测结果。
其中，i可以取值1、2、3……k，即ai可以取值为a1、a2……ak，其中k取决于降熔元素的个数(如本申请中有4个降熔元素Si、Sn、Mn、Zn，故k取值4)，即ai取值为a1、a2、a3、a4，注意a0是常数项，与降熔元素种类及其个数无直接联系。
另外，模型并非单一的线性公式，还要考虑到同种和异种降熔元素之间的耦合作用，如Zn-Zn、Zn-Sn、Zn-Si、Sn-Mn等。例如，可以把Zn元素看成该模型中的i=1所对应的元素，Sn看成i=2所对应的元素，Mn看成i=3所对应的元素，Si看成i=4所对应的元素，即x1对应Zn元素，x2对应Sn元素，x3对应Mn元素，x4对应Si元素；那么，对应同种Zn元素的耦合作用方程表达式，可以用a11x1x1表示，其中，a11是同种Zn元素耦合作用的回归方程系数，同理，a22x2x2、a33x3x3、a44x4x4可表示为同种Sn、Mn、Si元素的耦合作用方程表达式；
以此类推，a12x1x2可认为是Zn元素与Sn元素之间的耦合作用方程表达式，a12为对应Zn-Sn元素耦合方程表达式的系数；a23x2x3可认为是Sn元素与Mn元素之间的耦合作用方程表达式，a23为对应Sn-Mn元素耦合方程表达式的系数。
简言之，aii代表同种降熔元素之间的耦合作用方程表达式的系数，ami代表异种降熔元素之间的耦合作用方程表达式的系数。
另外，x定义为降熔元素，但其还具备质量分数wt.%的意义，参照前文定义i=1对应Zn元素，那么，x1在本模型的意义为Zn元素的质量分数(wt.%)，这是一个数值，可以进行数学计算。准确来说，x为降熔元素的质量分数(wt.%) ，具体可参见表2列举的实例。
相比于相关技术中根据实验人工确定，本申请首先在明确降熔元素Zn、Sn、Mn、Si含量范围的前提下，针对Cu-Zn-Sn-Mn-Si体系的黄铜基焊料进行不同元素成分与熔点之间的高通量计算，并将焊料成分配比范围以及对应的熔点进行响应面分析，建立焊料成分配比与焊料熔点之间的多元线性回归数学模型，该数学模型可用于预测不同焊料成分配比所对应的焊料熔点，不仅能够使得所确定的焊料熔点更加准确，而且提高所确定的焊料熔点的确定效率。
可选地，还可预先为焊料中的每个组成元素的元素含量或元素余量划分对应的含量区间或者余量区间，每个区间存在对应的焊料熔点，通过建立区间与焊料熔点之间的映射关系，同样也能确定不同焊料成分配比对应的焊料熔点。其中，为了提高所确定的焊料成分配比对应的焊料熔点的精确度，所划分的区间的数量和区间值应当尽可能细。
需要强调的是，本申请构建的焊料成分配比与熔点预测数学模型，及可加工性的评估方法，不仅可支持本申请的黄铜基焊料的焊料设计和研究工作，还可扩展衍生出其他降熔元素及含量配比的焊料设计方法，为其他焊料的设计研究工作提供理论依据。
可选地，还可采用其他方式确定焊料熔点，在此不一一列举。
在本实施例中，除了预测各种焊料成分配比对应的焊料熔点之后，还可以确定各种焊料成分配比对应的焊料组织结构以进行焊料的可加工性评估。在确定各种焊料成分配比对应的焊料组织结构以进行焊料的可加工性评估的过程中，采用以下步骤：
步骤S140，根据各种焊料成分配比对应的锌当量值和铜锌权衡比例系数，确定各种焊料成分配比对应的焊料组织结构，并基于所述焊料组织结构确定各种焊料成分配比对应的可加工性评估结果。
在本实施例中，所述锌当量值和所述铜锌权衡比例系数用于判断焊料的组织结构，以此评估焊料的可加工性。所述锌当量值也称为锌含量值，所述铜锌权衡比例系数为铜余量与锌含量之间的比值，因此，求解铜锌权衡比例系数的关键在于先确定锌当量值。所述锌当量值的确定方式参照后续实施例，在此不赘述。其中，不同焊料成分配比由于其对应的锌当量值和铜锌权衡比例系数不同，所对应的焊料组织结构不同，进而导致可加工性不同。因此，可预先建立不同锌当量值和铜锌权衡比例系数与对应的焊料组织结构之间的映射关系，建立焊料组织结构与对应的可加工性之间的映射关系，进而对不同焊料成分配比下的焊料的可加工性进行评估。
结合图4的Cu-Zn二元相图可知，锌含量58.14%所对应的组织是(β’+γ)混合相，β’和γ相均为脆性相。含锌量57.17%所对应的组织是(β’+γ)混合相，β’和γ相均为脆性相。若合金为单相β’组织或者出现γ相，则合金呈脆性，可加工性差。
本实施例根据上述技术方案，本申请在满足锌当量范围和铜锌权衡比例系数范围的前提下，改变焊料中的降熔元素的元素含量，得到不同焊料成分配比，进而将不同焊料成分配比输入焊料熔点预测模型，通过焊料熔点预测模型预测不同焊料成分配比对应的焊料熔点。同时，根据各种焊料成分配比对应的锌当量值和铜锌权衡比例系数，确定各种焊料成分配比对应的焊料组织结构，并基于所述焊料组织结构确定各种焊料成分配比对应的可加工性评估结果。由于建立了焊料熔点预测模型，在适用的范围内仅需要明确相应的元素含量即可计算预测对应的焊料熔点，获得不同降熔元素及含量对黄铜基焊料熔点的影响规律；同时结合锌当量值与铜锌权衡比例系数，给出了不同焊料成分配比下的焊料组织构成及其可加工性的评估方法，兼顾焊料熔点预测和焊料可加工性评估，进而提高焊料质量。
第二实施例
参照图2，在第二实施例中，基于第一实施例，所述步骤S120包括：
步骤S121，在满足所述锌当量值范围和所述铜锌权衡比例系数范围的前提下，改变焊料中的至少一个降熔元素的元素含量，其中，每个降熔元素存在对应的元素含量范围，在所述元素含量范围内改变焊料对应的降熔元素的元素含量。
在本实施例中，降熔元素为黄铜基焊料中可以调整焊料熔点的元素。通过改变焊料中降熔元素的元素含量，从而改变焊料熔点。本申请中，黄铜基焊料的降熔元素包括锌元素、锡元素、硅元素和锰元素，每个降熔元素对应的元素含量范围不同。每个降熔元素存在对应的元素范围，不同元素的元素范围可根据历史数据进行测验得到，并预先进行设置。其中，锌元素、锡元素、硅元素以及锰元素的元素含量的单位为wt.%。所述锌元素、锡元素、硅元素和锰元素的元素含量范围依次分别为：20~40wt.%、0.1~10wt.%、0.1~2wt.%、0.1~5wt.%。
以下将对每个元素的特征进行详细介绍：
（1）Zn元素是焊料的主要添加元素，当Zn含量低于32.5 wt.%时，Cu-Zn之间形成具有良好塑韧性的单相α-Cu，焊料的加工成型能力最佳。随Zn含量增加，组织中开始出现较硬脆的β’-Cu相，当Zn含量在32.5~47.5wt.%时，焊料呈现(α+β’)混合组织，焊料仍具有较好的加工成型能力。而当Zn含量高于47.5wt.%时，焊料中开始产生硬脆性极大的γ-Cu相，焊料的塑韧性变差，难以加工成型。考虑到降熔元素的添加会缩小α-Cu相区、扩大β’-Cu和γ-Cu相区，即会促进硬脆性相的产生，为了缓冲其对焊料合金组织和可加工性的影响，本申请适当降低Zn元素含量以预留出更多可调控的成分空间，同时明确其影响规律，因此确定Zn元素含量在20~40wt.%。
（2）Sn元素是焊料的主要降熔元素，少量的Sn元素添加不但显著降低焊料熔点，还可以改善焊料的流动性，但Sn元素具有较强的缩小α-Cu相区的作用并促进β’-Cu相的产生，目前市面已有的黄铜基焊料中的Sn元素含量一般在0.1~2wt.%，为显著Sn元素对焊料熔点和可加工性地影响规律，在预留可调控的成分空间基础上，本申请适当扩宽用于计算的Sn元素含量范围，确定在0.1~10wt.%。
（3）Si元素也具有降低焊料熔点的作用，而且Si元素在钎焊时可生成硅酸盐覆盖在液态焊料表面以抑制Zn元素挥发。另一方面，Si元素强烈降低Zn元素在Cu固溶体中的溶解度并显著缩小α-Cu相区，产生更多的硬脆性较大的β’-Cu相和γ-Cu相，故常规黄铜基焊料中的Si元素含量一般在1wt.%以下，但考虑到本申请的设计方法采用降低Zn元素含量的方式以预留出其他降熔元素的含量调整空间，为显著其对焊料熔点和可加工性的影响，故本申请选择0.1~2.0wt.%的Si元素含量进行计算分析以明确影响规律。
（4）Mn元素对焊料的降熔效果和缩小α-Cu相区的作用相对较小，少量Mn元素的添加可以提高焊料在钢及硬质合金表面的润湿性，且Mn元素与Cu固溶形成Cu-Mn固溶体可以提高焊料强度和硬度，但过量的Mn元素会与焊料合金内的Sn、Si等元素反应形成硬脆的金属间化合物，使得焊料脆性增大，不利于焊料的加工成型。目前市场常见的黄铜基焊料中的Mn元素含量一般在0.1~1wt.%，为明确Mn元素对焊料熔点和可加工性地影响规律，故选择Mn元素含量在0.1~5wt.%内进行计算分析。
本申请可根据不同降熔元素的特点在对应的元素含量范围内改变元素含量，得到不同的焊料成分配比。
步骤S122，根据改变后的降熔元素的元素含量和所述焊料中的铜元素的元素余量，得到不同的焊料成分配比。
在本实施例中，在满足所述锌当量值范围和所述铜锌权衡比例系数范围的前提下，在对应的元素含量范围内依次随机选取降熔元素的不同元素含量，并与所述铜元素的元素余量进行组合，得到不同的焊料成分配比。
例如，可以根据实际情况设置焊料成分配比的确定规则，每次改变某个元素或者某几个元素的元素含量，形成不同的焊料成分配比。例如可只调整锌元素、锡元素、硅元素、锰元素中的其中一个或者多个，得到不同的焊料成分配比，预测不同的焊料成分配比对应的焊料熔点。需要注意的是，在元素含量范围内改变元素含量，形成不同的焊料成分配比。
本实施例根据上述技术方案，在元素含量范围内改变相应的元素含量，从而得到不同的焊料成分配比。
第三实施例
参照图3，在第三实施例中，基于第一实施例，所述步骤S140包括：
步骤S141，确定各种焊料成分配比对应的锌当量值和铜锌权衡比例系数。
在本实施例中，所述锌当量值为锌含量值，每种焊料成分配比对应的锌当量值和铜锌权衡比例系数不同。所述铜锌权衡比例系数为铜元素的元素余量与锌元素的元素含量之间的比值。所述锌当量值和所述铜锌权衡比例系数用于判断焊料的组织结构，以此评估焊料的可加工性。
可选地，确定各种焊料成分配比对应的锌当量值和铜锌权衡比例系数包括：
步骤S1411，根据焊料成分配比中的铜元素的元素余量、降熔元素的元素含量和所述降熔元素对应的锌当量系数，确定焊料成分配比对应的锌当量值。
在本实施例中，锌当量用于评估金属材料的性能。锌当量的意义可以理解为黄铜合金中锌和其他合金元素按对组织作用相同原则折换成的相当于二元Cu-Zn合金中的含锌量，可以用来判断黄铜合金中的组织。如在Cu-Zn合金中加入1%的Si，其组织即相当于在Cu-Zn合金中增加10%的Zn所获得的合金组织，所以硅的锌当量系数为10。本申请涉及的其他合金元素有Sn、Si、Mn，这几种元素对应的锌当量系数如表1所示：
表1
由表1可知，Sn、Si、Mn均起到增大锌当量值的效果。特别是Si元素具有强烈的增大效果。
可选地，所述根据焊料成分配比中的铜元素的元素余量、降熔元素的元素含量和所述降熔元素对应的锌当量系数，确定焊料成分配比对应的锌当量值包括：根据降熔元素的元素含量和所述降熔元素对应的锌当量系数，确定第一元素含量值；根据所述第一元素含量值和锌元素含量，确定第二元素含量值，其中，锌元素为降熔元素中的一个；根据所述第一元素含量值、所述锌元素含量和所述铜元素的元素余量，确定第三元素含量值；根据所述第二元素含量值和所述第三元素含量值，确定所述焊料成分配比对应的锌当量值。
具体地，将焊料成分配比中的元素含量wt.%分别代入锌当量值计算公式，得到锌当量值，其中，锌当量值计算公式如下：
。
式中，ΣCiKi为第一元素含量值，（CZn+ΣCiKi）为第二元素含量值，（CCu+CZn+ΣCiKi）为第三元素含量值。ηZn%为焊料的锌当量值；CZn、CCu分别为焊料中Zn元素与Cu元素的含量(wt.%)；ΣCiKi为第一元素含量值，其表示焊料中除了Cu、Zn元素之外的其他降熔元素Ci与其对应的锌当量系数Ki的乘积之和。锌当量系数Ki的含义为每当在黄铜焊料中添加1 wt.%含量的其他降熔元素(如Si、Sn、Mn)后的组织，即相当于在黄铜合金中增加Kiwt.%含量Zn元素后的组织。例如，参照表1，在黄铜合金中添加1 wt.%含量Si元素后的组织，即相当于在黄铜合金中增加10 wt.%含量Zn元素后的组织，即Si元素的锌当量系数为10。不同元素对应的锌当量系数不同。
步骤S1412，根据所述铜元素的元素余量和所述锌当量值的比值，确定所述焊.料成分配比对应的铜锌权衡比例系数。
在本实施例中，在得到焊料成分配比对应的锌当量值，根据铜锌权衡比例系数计算公式计算得到焊料成分配比对应的铜锌权衡比例系数，其中，铜锌权衡比例系数的计算公式如下：
。
式中，X为铜锌权衡比例系数；CCu为焊料中Cu元素的含量(wt.%)；ηZn%为焊料的锌当量值。铜锌权衡比例系数的意义在于评估不同焊料成分配比下的焊料组织构成。本申请结合ηZn%和X数值来判断焊料的组织结构，以此评估焊料的可加工性。
步骤S142，根据所述锌当量值和所述铜锌权衡比例系数各自所在的区间，确定各种焊料成分配比对应的焊料组织结构。
在本实施例中，本申请提到的黄铜基焊料的铜锌权衡比例系数范围在0.65~3.78，黄铜基焊料的锌当量值范围在21.05%～65.73%。可预先将锌当量值范围和铜锌权衡比例系数范围分别划分为多个区间。每个区间存在对应的焊料组织结构，以便于基于焊料组织结构进行焊料的可加工性进行评估。其中，不同区间对应的焊料组织结构和焊料可加工性不同。
可选地，所述锌当量值范围可细分得到的区间包括第一区间，第三区间，第五区间和第七区间，且第一区间，第三区间，第五区间和第七区间依次增大；所述铜锌权衡比例系数可细分得到的区间包括：第二区间，第四区间，第六区间和第八区间，且第二区间，第四区间，第六区间和第八区间依次减小。
可选地，根据所述锌当量值和所述铜锌权衡比例系数各自所在的区间，确定各种焊料成分配比对应的焊料组织结构包括以下任意一种情况：
步骤S1421，在所述锌当量值位于第一区间且所述铜锌权衡比例系数位于第二区间时，确定焊料成分配比对应的焊料组织结构由α-Cu相构成。
例如，当锌当量值所位于的第一区间为21.05% ≤ ηZn%<32.5%，且所述铜锌权衡比例系数位于的第二区间为2.08<X ≤ 3.78时，评估焊料组织结构主要由α-Cu相构成。
步骤S1422，在所述锌当量值位于第三区间且所述铜锌权衡比例系数位于第四区间时，确定焊料成分配比对应的焊料组织结构由(α+β’)混合组织构成。
例如，当锌当量值所位于的第三区间为32.5% ≤ηZn%<47.5%，且所述铜锌权衡比例系数位于的第四区间为1.11<X ≤2.08时，评估焊料组织结构主要由（α+β’）混合组织构成。随着X和ηZn%分别接近于1.11和47.5%，焊料组织中的β’-Cu相占比增大，不利于焊料的可加工性。
步骤S1423，在所述锌当量值位于第五区间且所述铜锌权衡比例系数位于第六区间时，确定焊料成分配比对应的焊料组织结构由β’-Cu相、α-Cu相或γ-Cu相构成。
例如，当锌当量值所位于的第五区间为47.5% ≤ ηZn%<50.2%，且所述铜锌权衡比例系数位于的第六区间为0.99<X ≤ 1.11时，评估焊料组织结构主要为单一的β’-Cu相，附带少量的α-Cu相或γ-Cu相。
步骤S1424，在所述锌当量值位于第七区间且所述铜锌权衡比例系数位于第八区间时，确定焊料成分配比对应的焊料组织结构由γ-Cu相或(β’+γ)混合组织构成。
例如，当所述锌当量值位于的第七区间为50.2%≤ηZn% ≤ 65.73%，且所述铜锌权衡比例系数位于的第八区间为0.65 ≤ X ≤ 0.99时，评估焊料组织中出现较多硬脆性极大的γ-Cu相及少量为(β’+γ)混合组织。
步骤S143，基于所述焊料组织结构确定各种焊料成分配比对应的可加工性评估结果。
其中，不同焊料组织结构对应的可加工性不同。所述基于所述焊料组织结构确定各种焊料成分配比对应的可加工性评估结果的步骤包括：在所述焊料成分配比对应的焊料组织结构由α-Cu相构成时，所述焊料成分配比对应的可加工性评估结果为优；在所述焊料成分配比对应的焊料组织结构由(α+β’)混合组织构成时，所述焊料成分配比对应的可加工性评估结果为良好；在所述焊料成分配比对应的焊料组织结构由β’-Cu相、α-Cu相或γ-Cu相构成时，所述焊料成分配比对应的可加工性评估结果包括脆性较大和可加工性差；在所述焊料成分配比对应的焊料组织结构由γ-Cu相或(β’+γ)混合组织构成时，所述焊料成分配比对应的可加工性评估结果包括：焊料脆性大、可加工性差和难以加工成焊丝或焊环形式。
由上述公开的内容可知，焊料成分配比影响了焊料组织结构及脆性，继而决定了焊料的可加工性。
本实施例根据上述技术方案，由于本申请结合锌当量值与铜锌权衡比例系数，给出了不同焊料成分条件下的焊料组织构成及其可加工性的评估方法，并明确了相应的评判依据，减少实验表征工作量，提高焊料成分设计的工作效率。
为验证本申请的黄铜基焊料的焊料成分配比与焊料熔点预测模型及加工性评估方法的可行性，分别设计了不同焊料成分配比的黄铜基焊料并对比了预测焊料熔点与实验检测结果，实验检测结果如表2所示：
表2
综上，由表2可知，焊料成分配比影响了焊料组织结构及脆性，继而决定了焊料的可加工性。本申请的黄铜基焊料的焊料成分配比与焊料熔点预测模型及加工性评估方法是可行的。
示例性地，本申请建立的焊料熔点预测模型具体为：
针对所建立的焊料熔点预测模型进行方差分析，验证其有效性、显著性和置信性，如表3所示，表3为焊料熔点预测模型的方差分析表。该焊料熔点预测模型的显著性P小于0.0001，远小于显著水平0.05，证明模型显著；模型中的各项P值均小于显著水平0.05，表明各项均具有显著的预测效力，即模型中各项均对预测的焊料熔点具有高的置信水平。此外，负相关系数R2与Adj R2均大于0.9，且Adj R2与Pre R2数值接近，即实际值与预测值之间的相关系数误差很小，证明焊料成分－熔点预测回归方程拟合良好，模型可信度高。
表3
R2= 0.9988，Adj R2= 0.9982，Pre R2= 0.9963，其中，R2为回归平方和与总平方和的比值。在它基础上，又派生出一个调整确定系数Adj R2，是因为在多元线性回归方程中，自变量个数的增加会引起余差平方和的减少，R2增大；因此，尽管有的自变量与y线性关系不显著，将其引入方程后，也会使R2增大。也就是说，R2本身还受自变量的个数的影响。因此，为了剔除自变量个数对R2的影响，让R2的大小只反应回归方程的拟合优度，引入了Adj R2。
其中，xZn代表Zn元素的含量(质量分数wt.%)；xSi代表Sn元素的含量(质量分数wt.%)；xSn代表Mn元素的含量(质量分数wt.%)；xSi代表Si元素的含量(质量分数wt.%)。
对焊料成分配比与焊料熔点预测的焊料熔点预测模型进行正态性检验，如图5中的（a）和（b）所示。模型残差的概率散点图显示残差主要分布于45°线，说明模型服从正态分布，在给定的成分范围内具有高的可信度。而分布直方图进一步证明残差服从正态分布且均数接近于0。图6为回归方程的焊料熔点实验值与计算预测值的散点图，可以看出各数据点基本分布于45°对角线上，即方程的熔点实验值与计算预测值较为接近，模型可靠。
本发明实施例提供了焊料设计方法的实施例，需要说明的是，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
如图7所示，图7为本发明实施例方案涉及的焊料设计设备的硬件运行环境的结构示意图。该焊料设计设备可以包括：处理器1001，例如CPU，存储器1005，用户接口1003，网络接口1004，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏、输入单元比如键盘，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口（如WI-FI接口）。存储器1005可以是高速RAM存储器，也可以是稳定的存储器，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图7中示出的焊料设计设备结构并不构成对焊料设计设备限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图7所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及焊料设计程序。其中，操作系统是管理和控制焊料设计设备硬件和软件资源的程序，焊料设计程序以及其它软件或程序的运行。
在图7所示的焊料设计设备中，用户接口1003主要用于连接终端，与终端进行数据通信；网络接口1004主要用于后台服务器，与后台服务器进行数据通信；处理器1001可以用于调用存储器1005中存储的焊料设计程序。
在本实施例中，焊料设计设备包括：存储器1005、处理器1001及存储在所述存储器上并可在所述处理器上运行的焊料设计程序，其中：
处理器1001调用存储器1005中存储的焊料设计程序时，执行以下操作：
确定锌当量值范围和铜锌权衡比例系数范围；
在满足所述锌当量值范围和所述铜锌权衡比例系数范围的前提下，改变焊料中的降熔元素的元素含量，得到不同焊料成分配比；
将各种焊料成分配比分别输入焊料熔点预测模型，得到各种所述焊料成分配比对应的焊料熔点；
和，根据各种焊料成分配比对应的锌当量值和铜锌权衡比例系数，确定各种焊料成分配比对应的焊料组织结构，并基于所述焊料组织结构确定各种焊料成分配比对应的可加工性评估结果。
基于同一发明构思，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有焊料设计程序，所述焊料设计程序被处理器执行时实现如上所述的焊料设计方法的各个步骤，且能达到相同的技术效果，为避免重复，这里不再赘述。
由于本申请实施例提供的存储介质，为实施本申请实施例的方法所采用的存储介质，故而基于本申请实施例所介绍的方法，本领域所属人员能够了解该存储介质的具体结构及变形，故而在此不再赘述。凡是本申请实施例的方法所采用的存储介质都属于本申请所欲保护的范围。
需要说明的是，在本文中，术语“ 包括”、“ 包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“ 包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，电视，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，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效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (11)

1.一种焊料设计方法，其特征在于，所述焊料设计方法包括：
确定锌当量值范围和铜锌权衡比例系数范围；
在满足所述锌当量值范围和所述铜锌权衡比例系数范围的前提下，改变焊料中的降熔元素的元素含量，得到不同焊料成分配比；
将各种焊料成分配比分别输入焊料熔点预测模型，得到各种所述焊料成分配比对应的焊料熔点；
根据各种焊料成分配比对应的锌当量值和铜锌权衡比例系数，确定各种焊料成分配比对应的焊料组织结构，并基于所述焊料组织结构确定各种焊料成分配比对应的可加工性评估结果。
2.如权利要求1所述的焊料设计方法，其特征在于，所述将各种焊料成分配比分别输入焊料熔点预测模型，得到各种所述焊料成分配比对应的焊料熔点的步骤之前，还包括：
获取焊料成分配比样本集和所述焊料成分配比样本集对应的焊料熔点样本集，其中，所述焊料成分配比样本集中包括多种焊料成分配比，且各种焊料成分配比在所述焊料熔点样本集中存在对应的焊料熔点；
采用所述焊料成分配比样本集和所述焊料熔点样本集对初始焊料熔点预测模型进行训练，得到所述焊料熔点预测模型，以根据所述焊料熔点预测模型预测各种焊料成分配比对应的焊料熔点。
3.如权利要求1或2所述的焊料设计方法，其特征在于，所述将各种焊料成分配比分别输入焊料熔点预测模型，得到各种所述焊料成分配比对应的焊料熔点的步骤包括：
将各种所述焊料成分配比分别输入焊料熔点预测模型；
通过所述焊料熔点预测模型计算得到各种所述焊料成分配比对应的焊料熔点，所述焊料熔点预测模型为：
；
其中，y为焊料熔点，a0、ai、aii、ami均为回归方程系数，x为降熔元素，k为降熔元素的个数。
4.如权利要求1所述的焊料设计方法，其特征在于，所述在满足所述锌当量值范围和所述铜锌权衡比例系数范围的前提下，改变焊料中的降熔元素的元素含量，得到不同焊料成分配比的步骤包括：
在满足所述锌当量值范围和所述铜锌权衡比例系数范围的前提下，改变焊料中的至少一个降熔元素的元素含量，其中，每个降熔元素存在对应的元素含量范围，在所述元素含量范围内改变焊料对应的降熔元素的元素含量；
根据改变后的降熔元素的元素含量和所述焊料中的铜元素的元素余量，得到不同的焊料成分配比。
5.如权利要求4所述的焊料设计方法，其特征在于，所述降熔元素包括：锌元素、锡元素、硅元素和锰元素，所述锌元素、锡元素、硅元素和锰元素的元素含量范围依次分别为：20~40wt.%、0.1~10wt.%、0.1~2wt.%、0.1~5wt.%。
6.如权利要求1所述的焊料设计方法，其特征在于，所述根据各种焊料成分配比对应的锌当量值和铜锌权衡比例系数，确定各种焊料成分配比对应的焊料组织结构，并基于所述焊料组织结构确定各种焊料成分配比对应的可加工性评估结果的步骤包括：
确定各种焊料成分配比对应的锌当量值和铜锌权衡比例系数；
根据所述锌当量值和所述铜锌权衡比例系数各自所在的区间，确定各种焊料成分配比对应的焊料组织结构；
基于所述焊料组织结构确定各种焊料成分配比对应的可加工性评估结果。
7.如权利要求6所述的焊料设计方法，其特征在于，所述确定各种焊料成分配比对应的锌当量值和铜锌权衡比例系数的步骤包括：
根据焊料成分配比中的铜元素的元素余量、降熔元素的元素含量和所述降熔元素对应的锌当量系数，确定焊料成分配比对应的锌当量值；
根据所述铜元素的元素余量和所述锌当量值的比值，确定所述焊料成分配比对应的铜锌权衡比例系数。
8.如权利要求6所述的焊料设计方法，其特征在于，所述根据所述锌当量值和所述铜锌权衡比例系数各自所在的区间，确定各种焊料成分配比对应的焊料组织结构的步骤包括：
在所述锌当量值位于第一区间且所述铜锌权衡比例系数位于第二区间时，确定焊料成分配比对应的焊料组织结构由α-Cu相构成；
在所述锌当量值位于第三区间且所述铜锌权衡比例系数位于第四区间时，确定焊料成分配比对应的焊料组织结构由(α+β’)混合组织构成；
在所述锌当量值位于第五区间且所述铜锌权衡比例系数位于第六区间时，确定焊料成分配比对应的焊料组织结构由β’-Cu相、α-Cu相或γ-Cu相构成；
在所述锌当量值位于第七区间且所述铜锌权衡比例系数位于第八区间时，确定焊料成分配比对应的焊料组织结构由γ-Cu相或(β’+γ)混合组织构成；
其中，所述第一区间，所述第三区间，所述第五区间和所述第七区间依次增大；所述第二区间，所述第四区间，所述第六区间和所述第八区间依次减小。
9.如权利要求8所述的焊料设计方法，其特征在于，所述基于所述焊料组织结构确定各种焊料成分配比对应的可加工性评估结果的步骤包括：
在所述焊料成分配比对应的焊料组织结构由α-Cu相构成时，所述焊料成分配比对应的可加工性评估结果为优；
在所述焊料成分配比对应的焊料组织结构由(α+β’)混合组织构成时，所述焊料成分配比对应的可加工性评估结果为良好；
在所述焊料成分配比对应的焊料组织结构由β’-Cu相、α-Cu相或γ-Cu相构成时，所述焊料成分配比对应的可加工性评估结果包括：脆性较大和可加工性差；
在所述焊料成分配比对应的焊料组织结构由γ-Cu相或(β’+γ)混合组织构成时，所述焊料成分配比对应的可加工性评估结果包括：焊料脆性大、可加工性差和难以加工成焊丝或焊环形式。
10.一种焊料设计设备，其特征在于，所述焊料设计设备包括：存储器、处理器及存储在所述存储器上并在所述处理器上运行的焊料设计程序，所述焊料设计程序被所述处理器执行时实现如权利要求1-9中任一项所述的焊料设计方法的步骤。
11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有焊料设计程序，所述焊料设计程序被处理器执行时实现权利要求1-9中任一项所述的焊料设计方法的步骤。
CN202311324777.9A 2023-10-13 2023-10-13 焊料设计方法、设备及计算机可读存储介质 Active CN117076892B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311324777.9A CN117076892B (zh) 2023-10-13 2023-10-13 焊料设计方法、设备及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311324777.9A CN117076892B (zh) 2023-10-13 2023-10-13 焊料设计方法、设备及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN117076892A true CN117076892A (zh) 2023-11-17
CN117076892B CN117076892B (zh) 2024-01-23

Family

ID=88702839

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311324777.9A Active CN117076892B (zh) 2023-10-13 2023-10-13 焊料设计方法、设备及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN117076892B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030175521A1 (en) * 1995-08-11 2003-09-18 Kirsten Kenneth John Encapsulant with fluxing properties and method of use in flip-chip surface mount reflow soldering
CN103624418A (zh) * 2013-12-12 2014-03-12 杭州华光焊接新材料股份有限公司 一种低银铜基钎料及其制备方法
CN103886224A (zh) * 2014-04-15 2014-06-25 江西理工大学 一种预报冶金炉渣熔化温度的方法
US20150071813A1 (en) * 2012-03-30 2015-03-12 Kurimoto, Ltd. Brass alloy for tap water supply member
CN104439753A (zh) * 2014-11-13 2015-03-25 杭州华光焊接新材料股份有限公司 一种含铟和锡的多元银钎料及其制备方法
CN105765094A (zh) * 2014-05-14 2016-07-13 日本轻金属株式会社 钎焊性和抗下垂性优良的热交换器用铝合金鳍片材料及其制造方法
CN110457784A (zh) * 2019-07-24 2019-11-15 北京科技大学 一种基于bp网络模型的煤灰熔点预测方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030175521A1 (en) * 1995-08-11 2003-09-18 Kirsten Kenneth John Encapsulant with fluxing properties and method of use in flip-chip surface mount reflow soldering
US20150071813A1 (en) * 2012-03-30 2015-03-12 Kurimoto, Ltd. Brass alloy for tap water supply member
CN103624418A (zh) * 2013-12-12 2014-03-12 杭州华光焊接新材料股份有限公司 一种低银铜基钎料及其制备方法
CN103886224A (zh) * 2014-04-15 2014-06-25 江西理工大学 一种预报冶金炉渣熔化温度的方法
CN105765094A (zh) * 2014-05-14 2016-07-13 日本轻金属株式会社 钎焊性和抗下垂性优良的热交换器用铝合金鳍片材料及其制造方法
CN104439753A (zh) * 2014-11-13 2015-03-25 杭州华光焊接新材料股份有限公司 一种含铟和锡的多元银钎料及其制备方法
CN110457784A (zh) * 2019-07-24 2019-11-15 北京科技大学 一种基于bp网络模型的煤灰熔点预测方法

Also Published As

Publication number Publication date
CN117076892B (zh) 2024-01-23

Similar Documents

Publication Publication Date Title
McMahon et al. The effect of temper and composition on the stress corrosion cracking of Al-Mg alloys
KR102062933B1 (ko) 수도 부재용 황동 합금
KR102349939B1 (ko) 전기·전자 기기용 Pd 합금, Pd 합금재, 프로브 핀 및 제조 방법
MX2022013011A (es) Metodo, dispositivo y programa informatico para determinar el rendimiento de un metodo de soldadura mediante el procesamiento digital de una imagen de la pieza de trabajo soldada.
CN117076892B (zh) 焊料设计方法、设备及计算机可读存储介质
CN108918261B (zh) 一种用少量试验测定材料构件疲劳寿命规律的方法
CN111079225A (zh) 一种直升机结构疲劳寿命曲线计算方法及装置
JP3530181B1 (ja) ワイヤーハーネス用複合線及びその製造方法
JPH0559468A (ja) 導電性ばね用銅合金
Chowdhury Acceptance sampling plans based on truncated life test for the generalized Weibull model
JP2013231224A (ja) 曲げ加工性に優れた電気・電子部品用銅合金材
Kotkunde et al. Study of hot deformation behavior using phenomenological based constitutive model for austenitic stainless steel 316
Moon et al. Effect of Mn content on corrosion characteristics of lean Mn TWIP steel
JP3966841B2 (ja) フェライト系快削ステンレス鋼
Okponyia et al. Novel EDAS-Taguchi and EDAS-Taguchi-Pareto methods for wire EDM process parametric selection of Ni55. 8Ti (Nitinol) shape memory alloy
Xhoffer et al. Electrochemistry: a powerful analytical tool in steel research
JP7059877B2 (ja) コネクタ用端子材及びコネクタ用端子
Ranjan et al. Experimental investigations and optimization of process variables of electro discharge coating process for Al-7075 alloy: a hybrid MCDM approach
Carson et al. A Laboratory Evaluation of Zinc Anodes in Sea Water
Zhao et al. Electromigration Critical Product to Measure Effect of Underfill Material in Suppressing Bi Segregation in Sn-58Bi Solder
Čekerevac et al. The influence of tin and silver as microstructure modifiers on the corrosion rate of Pb–Ca alloys in sulfuric acid solutions
JP2019090699A (ja) アルミニウム合金材の電位推定方法
JP7230448B2 (ja) 溶融Ａｌ系めっき鋼板
Abdullah et al. Cylindrical concentricity and coaxiality optimization for boring process by using taguchi method
JP2007063625A (ja) 疲労特性に優れる銅合金Ａｕめっき条

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