一种基于RSM-PCA-PSO的底部填充BGA焊点力学性能优化方法

摘要: 本发明涉及电子封装可靠性,具体涉及一种基于rsm-pca-pso的底部填充bga焊点力学性能优化方法。背景技术:1、球栅阵列(ballgridarray,bga...
一种基于RSM-PCA-PSO的底部填充BGA焊点力学性能优化方法

本发明涉及电子封装可靠性,具体涉及一种基于rsm-pca-pso的底部填充bga焊点力学性能优化方法。

背景技术:

1、球栅阵列(ball grid array, bga)封装作为一种实现高密度互联的表面贴装技术,具有焊点间距小、i/o密度高、电热性能优良和焊点自对准等优势。bga器件通过bga焊点与印制电路板(printed circuit board, pcb)实现电气连接和机械支撑。焊点作为连接芯片与pcb的关键薄弱环节,其发生失效是导致电子器件故障的常见原因之一。为了提高bga焊点在复杂使用环境下的可靠性,往往采用底部填充工艺加固焊点即运用底充胶填充bga焊点间的缝隙。

2、在电子设备实际服役过程中,bga焊点往往同时承受弯曲载荷与随机振动载荷。弯曲载荷与随机振动载荷所形成的弯振耦合载荷会导致焊点内部产生复杂的应力应变响应,从而加速焊点内部裂纹的萌生与扩展。因此,提高bga焊点在弯振耦合载荷下的可靠性具有重要意义。传统的焊点可靠性研究大多聚焦于应力和应变单一指标,尚未能充分考虑一阶和二阶固有频率对焊点在动态载荷下响应和耐久性的影响,因此难以全面反映焊点的综合力学性能。

3、在焊点结构参数优化方面,现有方法主要包括田口法、正交试验设计、响应面法和遗传算法等,但上述方法在应对多维度力学性能指标综合评价时存在不足,难以兼顾应力、应变及固有频率等多种力学性能指标的同时优化。针对上述问题,本发明结合响应面法(rsm)、主成分分析(pca)与粒子群算法(pso),提供了一种底部填充bga焊点弯振耦合力学性能优化方法。

技术实现思路

1、本发明的目的是提供一种基于rsm-pca-pso的底部填充bga焊点力学性能优化方法,实现对底部填充bga焊点在弯振耦合载荷下应力、应变及固有频率的多维度力学性能的同时优化。

2、实现本发明目的的技术方案是:

3、一种基于rsm-pca-pso的底部填充bga焊点力学性能优化方法,包括如下步骤:

4、1)建立底部填充bga焊点在弯振耦合载荷下的仿真分析模型;

5、2)获取焊点的多个力学性能指标数据;

6、3)采用响应面法设计试验方案,通过有限元仿真获取各组试验方案下的力学性能指标数据;

7、4)采用主成分分析法对多个力学性能指标进行降维处理,构建规范化综合得分z;

8、5)基于步骤4)得到的规范化综合得分z,采用响应面法建立焊点结构参数与规范化综合得分z之间的回归模型;

9、6)以步骤5)得到的回归模型作为粒子群算法的适应度函数,求解最优焊点结构参数组合;

10、7)通过有限元仿真验证最优焊点结构参数组合的优化效果。

11、步骤1)中所述的仿真分析模型的结构包括芯片、bga焊点、bt基板、底部填充层和pcb基板。

12、步骤2)中所述的力学性能指标包括最大等效应力、最大等效应变、一阶固有频率和二阶固有频率。

13、步骤3)中所述的响应面法采用中心复合设计法设计试验方案。

14、步骤5)中所述的焊点结构参数包括焊点直径、焊点高度、焊盘直径和焊球间距。

15、步骤6)中所述的粒子群算法的种群规模为100,最大迭代次数为50,粒子最大速度为0.1,学习因子为2。

16、本发明提供的一种基于rsm-pca-pso的底部填充bga焊点力学性能优化方法。该方法首先利用主成分分析将多个力学性能指标客观降维为单个规范化综合得分z。然后通过响应面法建立焊点结构参数与规范化综合得分z之间的回归模型,最后再利用粒子群算法对规范化综合得分z进行优化,得到最优焊点结构参数组合。该方法避免了传统多目标加权方法中权重设定的主观性问题,实现了底部填充bga焊点在弯振耦合载荷下力学性能的同时优化。

1.一种基于rsm-pca-pso的底部填充bga焊点力学性能优化方法,其特征在于,包括如下步骤:

2.根据权利要求1所述的方法,其特征在于:步骤1)中所述的仿真分析模型的结构包括芯片、bga焊点、bt基板、底部填充层和pcb基板。

3.根据权利要求1所述的方法,其特征在于:步骤2)中所述的力学性能指标包括最大等效应力、最大等效应变、一阶固有频率和二阶固有频率。

4.根据权利要求1所述的方法,其特征在于:步骤3)中所述的响应面法采用中心复合设计法设计试验方案。

5.根据权利要求1所述的方法,其特征在于:步骤5)中所述的焊点结构参数包括焊点直径、焊点高度、焊盘直径和焊球间距。

6.根据权利要求1所述的方法,其特征在于:步骤6)中所述的粒子群算法的种群规模为100,最大迭代次数为50,粒子最大速度为0.1,学习因子为2。