- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
振 动 与 冲 击
第30卷第10期 JOURNALOFVIBRATIONANDSHOCK Vol.30No.102011
基于耦合信号包络分析的引线键合点剪切强度识别方法研究
1 2
冯武卫 , 孟庆丰
(1.浙江海洋学院机电工程学院,舟山 316000;2.西安交通大学 机械学院轴承研究所,西安 710049)
摘 要:键合点剪切强度是衡量键合质量的重要指标之一,以引线键合系统超声波发生器电信号作为信息载体,
研究了超声电信号的特征提取方法以及在键合强度识别方面的应用。针对超声电信号的瞬态特性,提出一种基于信号子
频带包络分段的特征提取方法。该方法将超声电信号滤波后的子频带包络分成信号上升、稳定和衰减三个阶段,提取每
个阶段的敏感波形特征来表征键合过程。为了消除特征中的冗余信息并实现特征降维,采用了主分量分析(PCA)技术进
行特征选择。建立了人工神经网络系统(ANN)对提取的特征进行识别,通过实验数据分析,验证了该方法的有效性。
关键词:引线键合;超声电信号;特征提取;主分量分析;键合点剪切强度
中图分类号:TN605 文献标识码:A
Identifyingwirebondshearstrengthbasedonenvelopeanalysisofcoupledsignals
1 2
FENGWuwei,MENGQingfeng
(1.SchoolofMechanicalandElectricalEngineering,ZhejiangOceanUniversity,Zhoushan316000,China
2.LubricationTheoryandBearingInstitute,Xi’anJiaotongUniversity,Xi'an710049,China)
Abstract: Thewirebondshearstrengthisoneofimportantindexesofbondquality.Usingelectricalsignals
producedbyanultrasonicgeneratorasaninformationcarrier,afeatureextractionmethodofultrasonicelectricalsignalsin
bondshearstrengthidentificationwasinvestigated.Anewfeatureextractionmethodbasedonasubbandenvelope
segmentationwasproposedforcharacterizingtransientultrasonicelectricalsignals.Thefilteredsubbandenvelopesof
ultrasonicelectricalsignalswereseparatedintothreephasesindividually,namely,enveloperisingphase,stableoneand
decayone.Thewaveformfeatureswereextractedfromeachphaseofoneenvelopeforfurtherbondshearstrength
identification.Toremovetheirrelevantinformationandreducethedimensionnumberoforiginalfeaturevariables,the
principalcomponentanalysiswasperformedforfeatureselection.Usingtheselectedfeaturesasinputs,anartificialneural
network(A
文档评论(0)