CN114932337B 一种SnAgCuBiIn系无铅焊料合金、其设计方法及制备方法 （上海大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN114932337B(45)授权公告日2025.07.11

(21)申请号202210657627.9

(22)申请日2022.06.10

(65)同一申请的已公布的文献号申请公布号CN114932337A

(43)申请公布日2022.08.23

(73)专利权人上海大学

地址200444上海市宝山区上大路99号

专利权人云南锡业集团(控股)有限责任公司研发中心

(72)发明人董自强游康东元皓陈悠扬杨体鑫孙安康王刚彭巨擘

(51)Int.CI.

B23K35/26(2006.01)

B23K35/40(2006.01)

(56)对比文件

CN113032902A,2021.06.25

CN114289927A,2022.04.08

CN101537545A,2009.09.23

CN109082559A,2018.12.25

KR20150037426A,2015.04.08

王伟等.热镀锌钢卷力学性能GBDT预报模

型.《福州大学学报(自然科学版)》.2020,第第48卷卷(第第5期期),第2.2节-第3.2.3节.

蔡珊珊罗晓斌刘晨

(74)专利代理机构上海上大专利事务所(普通合伙)31205

专利代理师何文欣

审查员金扬

权利要求书1页说明书10页附图5页

(54)发明名称

一种SnAgCuBiIn系无铅焊料合金、其设计方法及制备方法

●模型：模度下降树●输入：合金成分

●模型：模度下降树

●输入：合金成分

●输出：力学性能

对合金成分设定

●熔化特性

●润谐性能

●抗蝶变性能

●抗氧化性

后续元素添加及实验表征

在SAC-Bn基础上，添加T.N

Ce,Ge等元素

●最大互信息系数

●皮尔逊相关系数

元津筛选

筛选出B和in元素对力学性能影响较大。

成分设计及实

虚拟样本输入机器学习校型得到预测值，绘制力学性能随成分含量变化趋势图。

数据收集

将现有的无铅

确保数据的准

本发明公开了一种SnAgCuBiIn系无铅焊料合金、其设计方法及制备方法，焊料合金包含1.0-5.5%Ag,0.5-1.0%Cu,0.5-5.0%Bi,0.4-

CN114932337B4.0%In,0-1.0%Ti,0-0.5%Ni,余量为Sn.本发明焊料合金设计方法，利用机器学习辅助焊料成分设计，先收集实验数据，获得焊料合金成分和力学性能初始数据集；再采用最大互信息系数和皮尔逊相关系数筛选与力学性能相关性较大的合金成分；然后用梯度下降树算法进行建模和训练；模型采用留一交叉验证法进行验证；再将虚拟样本输入到机器学习模型中得到预测结果；进行系统性试验验证，得到性能优异的焊料合金。本发明制备方法采用高通量真空电弧熔炼炉和电磁感应炉相结合的方法进行熔炼。本发明显著提高了焊料合金力学性能和润湿性能，具有较高

CN114932337B

CN114932337B权利要求书1/1页

2

1.一种SnAgCuBiIn系无铅焊料合金，其特征在于：按重量百分数计，包含3.8-4.0%Ag,0.5-0.7%Cu,0.5-2.5%Bi,3.1%-3.5%In,0.1-0.8%Ti,0.1-0.2%Ni,余量由Sn构成；所述合金还包含以下至少一种或多种合金元素：Ce≤0.2%,Ge≤0.2%。

2.根据权利要求1所述SnAgCuBiIn系无铅焊料合金，其特征在于，该焊料合金的组成及含量按重量百分数计，所述合金还包含以下至少一种或多种合金元素：0.1-0.2%Ce,0.05-0.2%Ge。

3.一种权利要求1所述的SnAgCuBiIn系无铅焊料合金的设计方法，其特征在于，利用机器学习辅助无铅焊料成分设计，所述方法包含步骤为：

(1)收集实验数据，获得无铅焊料合金成分和力学性能的初始数据集；

(2)采用最大互信息系数MaximalInformationCoefficient,MIC筛选与力学性能具有较强关联的合金成分，并基于皮尔逊相关系数Pearsoncorrelationcoefficient及其正负相关性进一步筛选出对力学性能具有有利影响的合金成分；

(3)将合金成分作为输入，