基于改进人工神经网络的SMT 质量智能鉴别.docVIP

第 14卷第 6期 2009年 12月  工业工程与管理 Indust rial Engineering and Management  Vol. 14 No . 6 　Dec. 2009  基于改进人工神经网络的 SMT质量智能鉴别 徐　湖 ,潘尔顺 (上海交通大学机械与动力工程学院 ,上海 200240) 　　摘要 :采用了一种改进的 B P神经网络 ,针对 B P神经网络的不足进行了改进 :采用变学习率 法减少网络训练时间、用高斯惩罚函数避免局部最小值 ,并使整个网络能自主调整其隐层节点的 数量。运用改进的 B P神经网络对于样本进行训练 ,训练后的神经网络能够较为精确的预测 SM T 产品质量问题。 关键词 : SM T ;人工神经网络 ; B P算法 中图分类号 : F273　　　　文献标识码 : A Intelligently Predict the Quality of the SMT Products based on the Artif icial Neural Net work ( School of Mechanical Eng. ,Shanghai J iaoto ng U niv ,Shanghai 200240 ,China) 　　Abstract : A n imp roved B P neural net work is adopted in t his paper . To solve t he Defect of t he B P net work , several met hodolo gies are used , which include taking changeable learning rate to sho rten t raining time , taking Gauss Punishment f unctio n to avoid local minimum and auto matically adjusting t he number of t he hidden layer nerve cell s. After t raining wit h t he sample ,t he imp roved B P neural net work can p redict t he qualit y p ro blem of t he SM T p roduct s accurately. Key words : SM T ; artificial neural network ; B P algorit hm 点 ,要实现 SM T的高可靠性具有相当的难度。为 此 SM T产品的质量和可靠性问题越来越受到人们 电子电路表面组装技术 ( Surface Mo unt的关注。SM T每个工艺都有多种因素能够影响整 Technology ,SM T)亦称为表面贴装或表面安装技个产品的质量 ,机理极为复杂。因此 ,采用传统的质 术。它是一种将无引脚或短引线表面组装元器件安量控制手段无法准确的分析预测产品的质量问题。 放在印制电路板的表面或其他基板的表面上 ,通过近年来 ,国内外专家在 SM T质量检测控制方面进 再流焊或浸焊等方法加以焊接组装的电路连接技行了研究。例如 ,Su等根据专家知识发展了一套再 术 [ 1 ]。如今 ,SM T已经广泛运用于摄像机、无绳电流焊温度曲线专家系统 ,重点监控再流焊炉内的 话、算机等各种电子设备和航空航天设备。随着 PCB间距以及焊膏属性限制等 ,利用回归分析和优 SM T在各个领域中的渗透尤其是军事尖端技术的化技术对再流焊进行优化 [ 2 ]。Claus Neubauer提出 推广与运用 ,为电子产品进一步的微型化、量化和了焊点三维检测的神经网络控制系统 [ 3 ]。张丹将控 高可靠性提供了广阔的前景。制图理论与计算机技术相结合 ,开发了控制图系统 , 但是由于 SM T产品的高密度和微型化的特介绍了该系统的设计方案和关键技术问题 ,以电子 基金项目 :国家自然科学基金项目 — 51— 第 14卷  徐　湖 ,等 :基于改进人工神经网络的 SM T质量智能鉴别  产品 SM T焊膏厚度监控为例作了实证 [ 4 ]。Gao等 提出了基于神经网络的 SM T焊点质量专家控制系 统 ,其对于实现 SM T焊点质量实时、准确地评价和  传统的 B P网络使用了优化中最为普通的梯度 下降算法 ,对问题的识别具有很强的功能 ,对于复杂 的非线性模型可以通过线性的网络来进行仿真 ,理 控制有着重要的意义 [5 ] 。相关资料表明 ,早在 2001 论上可以使误差达到任意小的程度 [ 6 ] ,但是仍然存