IGBT模块银烧结工艺引线键合工艺研究

主要研究了应用于IGBT模块封装中的银烧结工艺和铜引线键合工艺,依据系列质量表征和评价方法,分别验证并优化了银烧结和铜引线键合的工艺参数,分析了衬板镀层对烧结层和铜线键合界面强度的影响,最后对试制的模块进行浪涌能力和功率循环寿命测试。结果显示,与普通模块相比,搭载银烧结和铜线键合技术的模块浪涌能力和功率循环寿命均有大幅的提升,并且银烧结和铜线键合界面未见明显的退化。     

基于改进WNN分析功率曲线的S700K转辙机故障诊断

基于S700K转辙机常见故障下的功率曲线提出一种将小波变换、改进型遗传算法与神经网络相结合的故障诊断方法。用相应故障模式下的功率信号进行正交小波分解,把结果作为神经网络的输入特征向量,利用改进的遗传算法优化BP神经网络的参数,用训练好的BP神经网络进行故障诊断。研究结果表明:该方法可以有效的运用到S700K转辙机的故障诊断中,并提高转辙机故障诊断的精度与速度。     

基于铜夹互连的双芯片功率器件的热力机械性能研究

传统的功率半导体器件封装结构通常会采用铝（Al）线键合，这就导致了器件电路寄生电感大和可靠性问题，限制了碳化硅（SiC）功率器件的发展。有研究人员提出了一种新型的铜夹互连工艺，可实现双面散热和提高器件的功率密度，但目前的研究主要集中在其热性能和可靠性方面，缺少对结构设计的优化研究。因此，有必要对多芯片铜夹互连的结构优化设计开展进一步研究。文章针对铜夹功率器件重要的结构参数对芯片应力集中的影响进行了仿真研究。结果表明，铜夹厚度对芯片应力集中影响最大，而铜夹跨度影响最小。对比采用焊料层应力最小的结构参数建立铜夹器件模型与对应的引线模块，可发现在功率循环下，铜夹器件的铜夹和焊料层的疲劳寿命相比于引线模块提升了10倍以上，并且卸荷槽对提升铜夹器件疲劳寿命有显著影响。     

基于BP神经网络的盾构主轴承激光熔覆形貌预测研究

本文主要围绕盾构机主轴承激光熔覆修复工艺,针对工艺参数对熔覆区域映射难以表征的问题,为实现通过工艺参数预测单道次熔覆区域形貌尺寸以进一步提高整体熔覆区域性能,提出基于BP神经网络的主轴承激光熔覆工艺形貌预测模型。首先,以42CrMo轴承钢作为基体、stellite6作为熔覆粉末材料开展3因素4水平正交试验,并以熔高、熔宽、熔深作为指标;然后,以正交试验所得指标以及工艺参数为数据基础,设计并训练BP神经网络模型;最后将预测得到的形貌尺寸与实际尺寸进行对比并求出两者之间的误差。通过分析试验结果,发现模型对于熔高、熔宽预测误差在2%以内,而对于熔深的预测效果较差。分析结果认为网络模型的权值由于数据的局限性陷入了局部最优解。     

大功率IGBT模块封装中的超声引线键合技术

从超声引线键合的机理入手,对大功率IGBT模块引线的材料和键合界面特性进行了分析,探讨了键合参数对键合强度的影响。最后介绍了几种用于检测键合点强度的方法,利用检测结果对键合参数进行进一步的调整,以实现引线键合工艺最佳化。     

宽禁带功率器件键合缓冲技术的可靠性分析

在电力电子应用中,性能优于硅功率器件的宽禁带功率器件得到广泛关注。然而,传统功率器件封装中的芯片顶部的电气互连结构现在已成为限制宽禁带功率器件寿命的主要因素。因此,有必要通过使用键合缓冲技术将铜键合线、焊带和引线框架来代替铝键合线作为芯片顶部的电气互联以满足宽禁带功率器件在高温工作条件下的要求。文章回顾了不同键合缓冲技术和金属键合材料在功率循环测试中的可靠性表现。其中,因瓦合金键合缓冲材料与铜键合线的结合在众多键合材料中显示出最强大的功率循环测试能力。失效分析显示,宽禁带功率器件封装的薄弱点已经从芯片顶部的键合材料变为氧化铝陶瓷衬底或芯片上表面的铝金属层。     

键合层厚度对功率型LED器件热学性能的影响

分析了功率型LED热阻系统的构成，通过Flotherm软件对不同厚度的芯片键合层的功率型LED进行热分析，结果表明：芯片键合层厚度越小，器件的热阻越小，散热性能越好。因此，选用芯片键合层厚度对功率LED器件的热性能有着重大的影响。     

基于BP神经网络的转向架斜楔参数优化

斜楔是货车转向架重要的减振元件，基于力学分析推导斜楔参数与斜楔垂向、纵向、横向及抗菱等效作用的解析关系式，根据关系式建立便于优化斜楔参数的斜楔等效模型，在考虑部件柔性的C70E货车刚柔耦合模型中建立斜楔各向等效力元模拟斜楔作用；该斜楔处理方法下货车模型的振动模态特征和临界速度均与实际接近。据此方法，计算266组不同斜楔参数下车体垂向及纵向加速度响应；并利用遗传算法优化的BP神经网络，建立斜楔参数与车体加速度的关系模型。以此为基础，运用遗传算法寻找使车体加速度最小的斜楔参数。通过建立的货车模型，验证与原始参数相比，优化参数下车身垂向和纵向加速度均有所下降，提升了转向架的减振性能；货车的脱轨系数与轮重减载率也有所下降，提升了货车的运行性能，表明该优化方法对斜楔理论设计有一定的指导作用。     

基于改进的BP神经网络的产品生产成本估算

基于BP神经网络的成本估算模型,利用全局搜索能力较强的遗传算法优化BP神经网络连接权,克服传统的BP算法易陷入最小值的缺点,使模型预测性能、预测精度和泛化能力得到有效改进.以列车转向架为例,建立产品生产成本GA-BP估算模型,通过8组检测样本检验训练好的遗传人工神经网络.计算结果表明:预测值与期望值的误差小于4%,说明利用遗传神经网络模型对产品成本进行估算切实可行.     

基于遗传算法优化BP神经网络的道口事故预测

针对铁路事故发生的偶然性和事故发生原因的复杂性,提出应用BP神经网络对铁路事故进行较长期预测的建议,并以美国高速公路-铁路道口事故为实例,应用BP神经网络方法和遗传算法优化的BP神经网络方法对美国高速公路—铁路道口未来3年的事故进行预测,并将预测结果进行对比,结果表明,遗传算法优化的BP神经网络可以用于铁路事故的中长期预测。     

基于围岩力学参数反演的隧道结构受力分析

本文以重庆摩天岭隧道为例,采用正交数值试验,获得了神经网络的训练样本,并结合现场监控数据反演了围岩物理力学参数,最后根据反演结果对隧道结构受力进行了分析。研究结果表明:在规范规定的同种围岩级别力学参数范围内取值得到的数值模拟结果相差甚大;采用正交试验、现场监控量测与BP神经网络结合的手段反演结果较好,得到的力学参数能较好地反映隧道的实际受力状况;隧道衬砌为受压控制,支护结构处于安全状态,原设计合理。     

IGBT模块功率循环能力与可靠性试验

为验证IGBT模块的可靠性,分析了IGBT模块的封装结构,并在传统IGBT模块功率循环试验的基础上建立新的模型,通过具体的试验得到IGBT模块功率循环后失效状况,并对该状况进行分析。相对传统IGBT寿命预测和可靠性评估,该功率循环的新方法更加贴合实际应用工况,对IGBT失效分析具有借鉴作用。     

正交设计和响应面设计在路用混凝土配合比优化中的应用与比较

为了提高试验结果的可靠性,以影响路用混凝土抗折强度的砂率、粉煤灰和减水剂掺量3个因素为例,进行正交设计和响应面设计来对比2种方法在试验设计与性能优化方面的差异。结果表明,正交设计和响应面设计都可得到最优工艺参数,其中正交设计是以较少的试验次数得到给定水平组合的最优条件,而响应面设计得到的最优工艺条件不再局限于给定水平的组合,准确度也有所提高,而且还能对性能进行预测。     

基于遗传算法和神经网络的润扬长江大桥深基坑变形预测

针对深基坑变形问题,用遗传算法优化BP神经网络的初始权重,建立了GA-BP神经网络深基坑变形预测模型,克服了BP神经网络收敛速度慢、易陷入局部极小点的缺点。利用模型对润扬长江公路大桥南锚碇深基坑变形进行分析,并对模型拟合结果进行了检验,结果表明深基坑变形和支撑轴力具有一致响应趋势,预测模型性能良好,预测精度较高,简便易行。     

键合层厚度对功率型LED器件热学性能的影响

分析了功率型LED热阻系统的构成,通过Flotherm软件对不同厚度的芯片键合层的功率型LED进行热分析,结果表明:芯片键合层厚度越小,器件的热阻越小,散热性能越好。因此,选用芯片键合层厚度对功率LED器件的热性能有着重大的影响。     

基于均匀设计与神经网络的桥梁设计参数优化

为了建立桥梁设计参数与桥梁性能之间的映射关系并对桥梁设计参数进行优化,提出一种基于均匀设计与神经网络的方法;以桥梁跨中截面的挠度、全桥最大应力、混凝土用量作为优化目标;边中跨比、跨中梁高、墩顶梁高和梁底曲线次数作为主要结构设计参数进行优化。通过均匀试验设计方法得出优化设计的样本数据,通过BP神经网络训练样本数据,建立桥梁参数与桥梁性能之间的映射关系,并基于该映射计算出桥梁最优性能状态下对应的设计参数,最后完成参数优化。     

混沌微粒群优化BP神经网络算法在城市有轨电车定位中的应用

针对城市有轨电车GPS/RFID组合定位因加入RFID定位方式影响定位精度的问题,基于CPSO算法优化权值的良好性能和BP神经网络的泛化能力,提出一种新的组合算法,对城市有轨电车GPS/RFID组合定位中滤波器的输出进行调整,并通过实例分析组合算法的收敛性和可行性。仿真结果表明,经CPSO算法优化的BP神经网络,其均方误差收敛速度快,网络输出值精度等级高,在提高城市有轨电车定位精度方面,比BP神经网络及经PSO算法优化的BP神经网络更具优越性,使城市有轨电车定位系统的定位精度得到有效改善。     

功率IGBT模块的可靠性分析

介绍了功率模块的现状、封装过程、可靠性及其失效规律,论述了研究模块可靠性的标准试验方法如耐力试验和环境试验,讨论了模块的主要失效机制如键合引线失效、表面金属化重建、焊料疲劳和衬底分层等。     

长大隧道软弱围岩施工大变形智能预测方法

长大隧道软弱围岩段施工大变形预测是保证长大隧道施工安全和工程质量的重要措施。结合宜万铁路堡镇隧道工程，运用BP神经网络和遗传算法进行长大隧道软岩段施工大变形预测。采用遗传算法自动搜索使BP神经网络训练效果最优的网络参数，形成能够反映变形与时程高度非线性和不确定关系的GA-BP算法，建立预测智能模型。将预测时间点输入此智能模型，由BP神经网络优异的泛化性能获得该时间点的变形预测值。堡镇隧道应用结果表明，GA-BP算法具有很高的预测精确度，对连续5d隧道变形预测的最大误差仅为6．68％，完全满足长大隧道软岩段施工大变形预测的需要。     

基于GA-BP和小波-SVM算法的风电场短期功率预测

风力发电过程中的功率预测问题是制约风力发电发展的重要因素。针对单一传统神经网络易陷入局部最优的问题,提出了利用信息熵原理把遗传算法优化的BP网络和小波-支持向量机2种算法进行组合预测,结合华北某风电场提供的历史功率数据和数值天气预报数据对未来48 h功率进行预测,仿真结果表明,该组合预测方法的预测精度比单一预测模型的预测精度高,效率高,具有一定实用价值。