基于神经网络与NSGA-Ⅱ算法的LTCC基板成型工艺优化

发布时间：2018-03-24 06:19

  本文选题：LTCC基板　切入点：层压　出处：《半导体光电》2017年03期

【摘要】：低温共烧陶瓷(LTCC)基板制作工艺复杂,产品质量对工艺参数十分敏感,微小的成型缺陷就会影响其功能特性。文章将BP神经网络和多目标遗传算法——NSGA-Ⅱ(Nondominated Sorting Genetic AlgorithmⅡ)相结合用于LTCC基板在层压和烧结工艺过程中的工艺参数优化。根据LTCC基板成型过程中出现的微通道变形、互联金属柱错位、基板翘曲三种主要成型缺陷与相关工艺参数的正交仿真实验结果,对神经网络模型进行训练,建立了三种成型缺陷与工艺参数之间的神经网络预测模型。在此基础上,采用多目标遗传算法对三种成型缺陷相关工艺参数进行多目标优化求解,得到了较优的工艺参数组合,用于指导相关产品制作工艺设计。
[Abstract]:The manufacturing process of LTCC substrate is complex, and the product quality is very sensitive to the process parameters. Tiny forming defects will affect its functional characteristics. In this paper, BP neural network and multi-objective genetic algorithm (NSGA- 鈪，

本文编号：1657088