[发明专利]基于工业大数据的SMT锡膏印刷体积预测方法

摘要

本发明公开了一种基于工业大数据的SMT锡膏印刷体积预测方法，解决了构造时间序列特征和对模型参数进行寻优的技术问题。实现包括：数据资源准备、选影响锡膏印刷体积的关键因素作特征、构造锡膏体积时间序列作为特征、提取样本数据、数据预处理、选择并优化预测算法、构建SMT焊盘锡膏印刷体积预测模型、训练并评价预测模型。本发明用AGNES算法确定RBF神经网络隐含层神经元个数和隐含层中心点，用PSO算法对AGNES算法和RBF神经网络算法中的关键参数寻优。本发明数据利用充分，数据处理高效，数据分析系统化，提高了印刷过程中的焊盘体积预测准确性，设计的预测模型为质量提供了有效的风险检测手段，用于保障SMT焊盘锡膏印刷质量。

主权项

1.一种基于工业大数据的SMT锡膏印刷体积预测方法，其特征在于，实现焊盘锡膏印刷体积的预测过程，包括有如下步骤：/n(1)数据资源准备：针对锡膏印刷阶段的焊盘锡膏印刷体积涉及到的数据进行采集，数据采集范围涵盖四个工位：物料准备、钢网检测、锡膏印刷和SPI检测，对所有可采集数据进行采集，采集的数据形成了原始数据集，原始数据集包含76个字段，分为5类，环境参数、原材料属性参数、工艺参数、印刷过程状态参数、产品中间检测参数，产品中间检测参数中包括锡膏印刷体积数据；/n(2)选择影响锡膏印刷体积的关键因素作为特征：在原始数据集中通过距离相关系数、弹性网络和人工经验三种方式分别选择出影响锡膏印刷体积的关键因素，然后综合选取三种方式中出现的结果作为并集，并集作为最终的关键因素，为之后的SMT焊盘锡膏印刷体积预测模型提供输入特征；/n(3)再构造锡膏体积时间序列作为特征：在原始数据集中用锡膏印刷体积数据构造一个时间序列，构造的时间序列中，t时刻的值为原始数据集t-1时刻的锡膏印刷体积值，所有的锡膏印刷体积数据形成一个时间序列，将时间序列作为之后SMT焊盘锡膏印刷体积预测模型的一个输入特征；/n(4)提取样本数据：依据PCB板长在原始数据集中提取出不同的样本数据集，将板长划分为[0,200)、[200,400)、[400,600)三部分，在不同的板长范围内分别提取出不同的样本数据集，将不同的样本数据集按照一定比例划分为训练集、验证集和测试集，训练集和验证集的样本数量和占总样本的80％，记作m₀，测试集占20％，记作m₁，另外训练集的样本数量又占训练集和验证集的样本数量和m₀的80％，验证集占m₀的20％，为之后构建不同的SMT焊盘锡膏印刷体积预测模型做准备；/n(5)数据预处理：在不同样本数据集下，对影响锡膏体积的关键因素和再构造的锡膏体积时间序列进行归一化处理，消除量纲之间的差异；不同样本数据集是根据不同板长提取的数据集；/n(6)选择并优化预测算法作为SMT焊盘锡膏印刷体积预测模型构建基础：选用RBF神经网络算法和AGNES算法作为SMT焊盘锡膏印刷体积预测模型构建基础，用AGNES算法对RBF神经网络算法进行优化，并对AGNES算法的学习策略进行改进，对聚类簇数进行优化，通过距离度量来决定聚类簇数，形成改进的AGNES算法；/n(7)构建SMT焊盘锡膏印刷体积预测模型：利用改进的AGNES算法优化的RBF神经网络算法构建SMT焊盘锡膏印刷体积预测模型，并用PSO算法寻找最优的RBF神经网络算法的网络谱图结构和模型参数；/n(8)训练并评价SMT焊盘锡膏印刷体积预测模型：在不同样本数据集下，以影响锡膏体积的关键因素和再构造的锡膏体积时间序列作为模型的输入，以锡膏印刷体积作为输出，训练SMT焊盘锡膏印刷体积预测模型，模型训练完成后，将测试集中的数据输入模型，得到测试集数据的体积预测值，将测试集的体积预测值与测试集的体积真实值进行对比，计算SMT焊盘锡膏印刷体积预测算法模型的准确性。/n