引线键合技术进展

引线键合以工艺简单、成本低廉、适合多种封装形式而在连接方式中占主导地位.对引线键合工艺、材料、设备和超声引线键合机理的研究进展进行了论述与分析,列出了主要的键合工艺参数和优化方法,球键合和楔键合是引线键合的两种基本形式,热压超声波键合工艺因其加热温度低、键合强度高、有利于器件可靠性等优势而取代热压键合和超声波键合成为键合法的主流,提出了该技术的发展趋势,劈刀设计、键合材料和键合设备的有效集成是获得引线键合完整解决方案的关键.     

热声焊机在电子封装业中的应用

热声焊技术可实现金丝的高质量焊接。介绍了热声焊的原理、焊接材料、工艺、设备,热声焊机已应用于微波器件、组件的制造及其相关工艺的研究。     

雷达机箱机柜CAD系统

介绍了电子部二所最新开发的雷达上机柜ＣＡＤ软件系统。主要包括：机箱机柜设计，图库创建，用户界面开发，参数化绘图函数开发，并简述了本系统与ＣＡＭ接口的实现方法。     

LTCC滤波器综述及制造工艺研究

首先简述了目前LTCC(Low Temperature Co-fired Ceramic,低温共烧陶瓷技术)滤波器的版图结构及其优劣,重点阐述了一种结构紧凑的600MHz低通滤波器的设计,及在这种滤波器制造过程中遇到的工艺难题及解决办法。该滤波器采用介电常数为7.8、损耗角正切为0.006的微波陶瓷材料,并用场路结合的方法完成其设计,整个器件的尺寸为5.1mm×3.3mm×1.6mm。运用矢量网络分析仪对加工出来的样品进行测试,通过测试数据可以看到,通带最大插入损耗为1.8dB,满足设计指标的要求。该滤波器尺寸小且具有良好的频率响应曲线,在小型化微波通信系统及雷达系统中有着广阔的应用前景。     

马来酸氯苯那敏片健康人体药动学和相对生物利用度

目的: 研究马来酸氯苯那敏片剂在健康人体内的相对生物利用度。方法: 采用HPLC 法测定18名男性健康志愿者单剂量交叉口服马来酸氯苯那敏片参比制剂和被试制剂8 mg 后不同时间血浆药物浓度。用3P97 药动学软件进行药动学参数计算及生物等效性评价。结果: 参比和被试制剂的药-时曲线均符合一房室模型,两制剂的主要药动学参数如下:C_max 分别为(15.74±7.06)μg·L^-1 和(14.88±4.40)μg·L^-1;t_max 分别为(3.9±1.2) h 和(4.5±0.8) h;t_1/2ke 分别为(15.54±3.76) h 和(14.49±3.24) h;AUC_0-t 分别为(248.86±78.52)μg·h·L^-1和(245.09±90.77)μg·h·L^-1,AUC_0-∞分别为(292.64±99.21)μg·h·L^-1 和(282.04±98.64)μg·h·L^-1 。与标准参比制剂相比,被试制剂的相对生物利用度F_0-t为(1 04.1±36.1) %,F_0-∞为(103.2±35.6) %。结论: 方差分析与双单侧t 检验证明,两种制剂具有生物等效性。     

RP-HPLC法测定人血浆中奥美拉唑浓度及其在健康男性志愿者药代动力学研究

目的: 建立人血浆中奥美拉唑的含量测定方法, 用于其血药浓度测定并进行临床药代动力学研究。方法: 1 ml 血浆样品以二氯甲烷提取, 采用反相高效液相-二极管阵列检测器分离测定血浆中的奥美拉唑浓度。色谱条件:krumasil C18 柱(4.6 mm ×200 mm, 5 μm), 流动相为乙睛:三蒸水(含0.01mol·L^-1磷酸氢二钠, 三乙胺调pH 7.5) =45:55(v/v);流速:1.3 ml·min^-1, 检测波长302 nm, 进样量30μl。9 例健康志愿者单剂量口服40 mg 奥美拉唑肠溶胶囊, 用高效液相色谱法测定给药后不同时间点血浆中奥美拉唑的浓度, 计算其药动学参数。结果: 奥美拉唑在10 ~ 2 000 μg·L^-1浓度范围内呈良好的线性关系, 最低检测浓度为10 μg·L^-1。高、中、低浓度的方法回收率分别为92.35%、96.90%、100.04%, RSD 均小于15%。健康人体药动学研究证明, 奥美拉唑的药-时曲线符合一室模型。结论: 本方法灵敏度高、专属性强、准确、简便, 适用于奥美拉唑的人体药代动力学研究。     

芯片凸点植球技术

介绍了目前芯片封装过程中凸点的几种制造方法,重点介绍了凸点植球技术的发展现状．以及相关制造设备的情况。     

混合电路基板与外壳的共晶焊技术

文章简要介绍了混合电路基板与外壳共晶焊的几个关键工艺步骤,其中包括共晶焊设备的选用、焊料的选择、夹具的设计制作、共晶温度曲线的设置以及共晶实验等。文章对实现多芯片共晶同样具有一定的指导意义。     

基于神经网络的丝网印刷质量预测分析

丝网印刷工艺参数对丝网印刷的质量有着极为重要的影响,各工艺参数与印刷质量之间并不是简单的线性关系.深度神经网络是具有非常强学习能力的非线性系统,因此提出了一种利用深度神经网络预测丝网印刷质量的方法,建立全连接构造的回归模型,将浆料型号、印刷速度、印刷压力、离网距离等4项参数作为神经网络的输入,输出的预测值为印刷的质量....