基于BP神经网络的光纤激光焊接工艺参数优化及性能预测

采用连续光纤激光器对304不锈钢薄板进行了焊接工艺研究;为了提高激光焊接质量,引入BP神经网络对激光焊接工艺参数进行了优化,建立了焊接质量指标与焊接工艺参数之间的神经网络预测模型,并利用神经网络模型选择了较优的工艺参数.实验结果表明采用该工艺参数进行激光焊接可获得成形良好、无缺陷的焊缝.神经网络的性能预测指标与实际值间的偏差小于5%,可用于激光焊接工艺设计.     

基于BP神经网络的激光焊接工艺参数优化数据库系统

为了提高激光焊接工艺的精度和质量,采用BP神经网络与数据库相结合的技术,设计了一种基于BP神经网络的激光焊接工艺参数优化数据库系统,并进行了实验.结果表明,BP网络训练次数达到3000次以上时,系统输出精度优于0.015mm,同时,焊接熔深与焊缝宽度的实测值与网络输出值最大误差分别为0.03mm与0.007mm,实现了高精度、高质量、高稳定度的设计目标,具有很好的应用前景.     

无铅细间距焊接工艺在LCD行业的应用

简要介绍了无铅焊接工艺的导入特点和与传统锡铅焊接工艺的主要区别,并对LCD行业的产品细间距引线焊接提出了多种工艺实现方法,同时指明了LCM实现无铅细间距焊接的工艺保证措施和改进方法.     

基于RS-LMBP算法的故障智能诊断系统

文中提出了基于粗糙集(RS)理论与BP神经网络相结合的故障智能诊断技术.首先对大型设备大量复杂的数据,利用粗糙集理论进行前期数据的预处理,约简原始数据的属性,再将处理过的数据用LM算法改进的BP神经网络技术来进行分析,最终实现故障智能诊断.建立了基于RS-LMBP算法的故障诊断模型,并通过实例验证了方法的可行性和高效性.     

密脚间距QFP集成电路引线成形工艺研究

集成电路引线成形原本是集成电路封装的后道工序,成形质量将直接影响电子装联产品的可靠性,其关键工艺点在于成形的肩宽、站高、焊接长度和共面度等关键工艺参数的选择以及成形工艺装备的合理配置与优化.论述了目前表面贴装密脚间距QFP封装器件在应用中遇到的引线成形问题,介绍了该类器件成形中的相关技术要求及目前国内外器件成形的现状,提出了引线手工成形的解决方案.     

改进神经网络的大学物理实验教学质量评价

针对当前大学物理实验教学质量评价模型存在的局限性,提出改进神经网络大学物理实验教学质量评价模型。对当前大学物理实验教学质量评价研究现状进行分析和探讨,并根据相关研究建立大学物理实验教学质量评价指标体系;采用BP神经网络建立大学物理实验教学质量评价模型,并针对BP神经网络参数优化问题进行改进;最后通过大学物理实验教学质量评价实验对模型的可行性进行测试。结果表明,改进神经网络提高了大学物理实验教学质量的评价精度,评价结果更加科学、可靠,具有广泛的应用前景。     

引线电镀新工艺及其可焊性剖析

一、前言电子元器件引线可焊性是当前电子行业十分关注的质量问题。提高引线可焊性,并能在相当长(1～2年)的存贮期后,仍能保持高速度成批焊接到印刷电路板上的可靠性,就需要引线具有瞬间锡焊性能,这是元器件厂和引线材料生产厂正在研究解决的一个重要课题。在不断实践的基础上,我们经过三年多的试验和努力,在改进引线镀层质量,提高可焊性的前提下,围绕着镀层厚度和均匀方面,由热镀复过渡到电镀工艺。在镀层材料选择方面,由纯锡改进为锡铅合金。本文就阻容元件引线光亮连续电镀SnPb工艺及其对可焊性的影响,做了各种试验、分析和测试,从而确立了电镀新工艺,实现了这一生产技术革新改造,为提高引线可焊性创立了条件。     

薄膜电容焊接机的结构分析与优化

针对薄膜电容焊接机在焊接电容的过程中,出现的电容引线焊接不牢或未焊接等问题,通过对其焊接部件结构的优化改进,改善了电容的焊接质量。     

基于改进BP神经网络的关联挖掘模型设计

针对传统BP神经网络的关联挖掘模型中关联挖掘方法和用户交互矛盾问题,提出一种基于改进BP神经网络的关联挖掘模型设计。采用改进的BP神经网络算法进行BP神经网络计算,解决了二次函数的非线性优化问题。运用优化的算法保证了适应度函数的选择能力,避免了阈值以及权值对BP神经网络的误差倒数的影响。为了验证所设计的基于改进BP神经网络的关联挖掘模型的有效性,设计了对比仿真实验,实验结果表明,提出的基于改进BP神经网络的关联挖掘模型设计能够有效地解决关联挖掘方法和用户交互矛盾问题。     

基于遗传算法的BP神经网络在图像压缩中的应用

以神经网络和遗传算法为代表的进化算法都基于智能信息处理的理论,但是各自都存在一些缺陷.设计并实现了基于遗传算法的BP神经网络算法BP-GA,该算法将遗传算法和BP算法相结合,用基于实数编码的遗传算法优化神经网络的权值后,应用于图像压缩.实验证明,利用此混合神经网络进行图像压缩,压缩比高,图像恢复质量效果好.     

金丝楔形键合强度的影响规律分析

金丝楔形键合是一种通过超声振动和键合力协同作用来实现芯片与电路引出互连的技术。现今,此引线键合技术是微电子封装领域最重要、应用最广泛的技术之一。引线键合互连的质量是影响红外探测器组件可靠性和可信性的重要因素。基于红外探测器组件,对金丝楔形键合强度的多维影响因素进行探究。从键合焊盘质量和金丝楔焊焊点形貌对键合强度的影响入手,开展了超声功率、键合压力及键合时间对金丝楔形键合强度的影响研究。根据金丝楔焊原理及工艺过程,选取红外探测器组件进行强度影响规律试验及分析,指导实际金丝楔焊工艺,并对最佳工艺参数下的金丝键合拉力均匀性进行探究,验证了金丝楔形键合强度工艺一致性。     

基于BP神经网络的引线键合模型

提出了一种基于BP神经网络的新建模方法.利用MATLAB神经网络函数建立网络,通过组合不同参数,将50组训练样本输入网络多次训练,比较结果误差及训练步数、时间,确定了最佳网络结构及参数设置值,建立了引线键合模型.采用训练样本外的10组实验数据对模型进行验证,分析多种误差.验证结果表明,该方法对建立引线键合模型是有效的、可行的,有着较高的精确度.     

毫米波微带键合金丝互连模型的研究

本文应用神经网络方法、采用FDTD全波分析结果作为训练样本得到了毫米波微带键合金丝互连的参数模型.这个神经网络模型可以指导毫米波集成电路的设计,利用该模型可以得到不同拱高、微带间隙和频率时的电路散射参数.实验测试了键合金丝互连的散射参量并与神经网络模型的结果进行了比较分析.     

基于头脑风暴优化算法的BP神经网络模糊图像复原

该文提出一种基于头脑风暴智能优化算法的BP神经网络模糊图像复原方法(OBSO-BP)。该方法在聚类和变异两方面优化了头脑风暴智能算法,利用头脑风暴优化算法易于解决多峰高维函数问题的特点,自动搜寻BP神经网络更佳的初始权值和阈值,以减少BP网络对其初始权值和阈值的敏感性,避免网络陷入局部最优解,增加网络的收敛速度,减小网络误差,提高图像还原质量。该文采用20张不同的图像,对其模糊图像分别进行维纳滤波复原(Wiener)、基于头脑风暴算法的维纳滤波复原(Wiener-BSO)、BP神经网络复原以及基于头脑风暴算法的BP神经网络(BSO-BP)图像复原实验。实验结果表明,该方法能够取得更好的图像复原效果。     

粒子群优化BP神经网络的激光铣削质量预测模型

为了有效地控制激光铣削层质量,建立了激光铣削层质量（铣削层宽度、铣削层深度）与铣削层参数（激光功率、扫描速度和离焦量）的BP神经网络预测模型。采用粒子群算法优化了BP神经网络的权值和阈值,构建了基于粒子群神经网络的质量预测模型。所提出的PSO-BP算法解决了一般BP算法迭代速度慢,且易出现局部最优的问题,并以Al2O3陶瓷激光铣削质量预测为例,进行算法实现。仿真结果表明:提出的PSO-BP算法迭代次数大大减少,且预测误差明显减少。所构建的质量预测模型具有较高的预测精度和实用价值。     

一种基于BP神经网络算法PID控制器的研究与仿真

文中将BP神经网络的原理应用于参数辨识过程,结合传统的PID控制算法,形成一种改进型BP神经网络PID控制算法。该算法利用BP神经网络建立系统参数模型,能够跟踪被控对象的变化,取得较高的辨识精度。针对BP神经网络对权系初始值敏感的缺点,优化BP神经网络的初始权系数。通过BP算法修正BP网络自身权系数,实现PID参数的在线调整。仿真结果显示了该算法收敛速度快、精度高、鲁棒性强、稳定性好,表明了该算法的可行性与有效性。     

改进混沌搜索的AMPSO-BP激光铣削质量预测

为了更好地控制激光铣削的质量,建立了激光铣削质量和铣削层参数的神经网络模型。针对神经网络易陷入局部极小值的缺点,提出混沌搜索的自适应变异粒子群优化算法(AMPSO)获得神经网络最佳参数,建立了AMPSO-BP激光铣削质量预测模型。最后以某种材料的激光铣削质量预测为例,将文中所提算法与PSO-BP、BP神经网络预测结果相比,结果表明所提方法有很高预测精度且预测误差明显减小,在实际中有一定应用价值。     

基于遗传神经网络的氧化铝浓度预测

为了精确地对铝电解过程中氧化铝浓度进行控制,通过分析槽电阻与氧化铝浓度的关系,结合铝电解工艺的特点构建基于BP神经网络的氧化铝浓度预测模型。同时,提出利用遗传算法来优化BP神经网络的结构和网络参数,然后利用优化后的网络进行氧化铝浓度进行预测。仿真结果显示,该模型能很好地对氧化铝浓度进行预测,且误差较小。利用遗传神经网络对氧化铝浓度进行预测快速、有效,对实现铝电解过程氧化铝精确控制有着重要意义。     

PM2.5测量系统中改进神经网络控制算法优化补偿

针对现阶段PM2.5测量系统的测量精度较低的问题,提出了改进的BP神经网络PID控制算法对其进行优化补偿。通过对粒子群优化算法的速度公式进行了改进,采用优化的粒子群算法优化了BP神经网络,将其用于PID的在线参数调节,以PM2.5测量系统作为研究对象,将改进的BP神经网络PID控制算法与传统PID分别作了仿真研究。研究结果表明,基于改进的粒子群优化算法改进的BP神经网络PID控制算法与传统的PID控制相比,提高了测量精度,在一定程度上减少了误差。