基于状态分析的钢网印刷清洁控制研究

来源 :重庆大学 | 被引量 : 0次 | 上传用户:longeLRTT
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
锡膏印刷是表面贴装生产三大主要工序之一。研究表明六成以上PCB板装配质量问题根源于锡膏印刷工序。钢网是影响锡膏印刷质量的重要因素。钢网的作用是利用网孔将锡膏涂覆于焊盘。随着印刷过程重复进行,残余锡膏将越来越多粘附于钢网网孔周围并逐渐固化,进而影响印刷质量。目前普遍采用周期性钢网清洁方法以去除钢网残留焊膏,但频繁的清洁会中断印刷过程,增加生产周期和生产成本。本文主要研究基于状态分析的钢网清洁控制方法,在确保印刷质量的前提下减少不必要的清洁操作。论文主要研究内容如下:首先,介绍研究背景和钢网印刷工艺流程,分析印刷质量影响因素,提出基于状态分析的钢网清洁控制方法,明确该方法的控制思路和控制流程,确定需要解决的技术问题,包括计算实时印刷状态和求解清洁控制状态。其次,对钢网印刷过程能力进行分析,明确印刷过程特征参数,研究基于特征参数的印刷过程能力指数计算方法,研究印刷能力指数和印刷状态的转换关系,利用转换后所得状态评价钢网印刷性能。然后,利用马尔可夫模型建立钢网印刷状态转移概率矩阵,描述钢网印刷状态的退化过程,借助状态转移矩阵建立钢网印刷效率模型,根据印刷效率最大化目标求解此时对应的印刷状态,将此状态作为钢网的清洁控制状态,为钢网清洁控制提供决策依据。最后,分析钢网清洁控制逻辑,利用仿真实验研究典型影响因素对钢网清洁控制的影响规律,与传统周期性钢网清洁控制方法做比较分析,寻找各清洁控制方法的优缺点,为企业改善PCB印刷提供建议和指导。
其他文献
针对工业控制系统(Industrial Control Systems,ICSs)的网络威胁的频率和复杂程度与日俱增。工控网络协议(Industrial Control Protocol,ICP)是进行工控网络通信的基石,因此保证工控网络协议的安全性对工控系统的重要性不言而喻。研究人员们也日渐认识到,在不考虑工控网络协议的安全性的情况下,如何确保工业控制系统的安全性更无从谈起。但工控网络协议所应用
钍基材料相比于传统的铀有着更丰富的储量、更优秀的防扩散性能、更高的能量密度和更少的核废料产出,可以替代铀作为核燃料,是解决长期能源供应的一种技术方案。在钍基材料中,钍基氮化物凭借着高可裂变物质密度、高熔点、优秀抗辐照性能等优点,成为第四代核反应堆的具有应用前景的核燃料之一。ThN、Th3N4和Th2N3都是第四代核反应堆的重要候选燃料,其中科学家们已经对ThN进行了较深入的研究,而Th3N4和Th
为满足现代化工业需求,零部件的质量要求逐渐提高,高效率和高精度零部件的生产是目前急需解决的工程问题。所有旋转零部件都需要动平衡校正,平衡校正的结果成为零部件质量评估重要指标之一。在传统柴油机飞轮的动平衡校正过程中,使用键对飞轮定位,长时间使用的键和键槽容易磨损,出现飞轮定位不准确的现象,导致飞轮动平衡去重区域的识别不精确;再者有些类型的柴油机飞轮的键槽位置是任意的,键对飞轮的固定位置也是任意的,和
近几年,双线性配对技术被广泛应用于密码学的多个领域,许多基于双线性配对技术构造的加密和签名方案被提出。尽管这几年在实现技术上有了新的进展,但与有限域中的指数等标准运算相比,配对运算仍然被认为是一种相当昂贵的运算,不适用于代理重加密,数据聚合签名等众多用户计算资源有限的场景中。因此,为了节省计算开销,如何构造不依赖于配对的轻量级路径代理重加密方案和数据聚合签名方案是值得研究的问题。本文主要工作包括以
随着数据规模和计算复杂度的不断增加,在云计算环境中执行现代工作流应用会涉及大量不同类型和价格的云资源。这使得云工作流调度的成本成为人们关注的焦点。另一方面,由于云数据中心的能耗也在日益增加,云工作流调度的能耗也成为了学界和业界关注的问题。为了向用户提供成本更低的工作流调度服务同时降低云数据中心的能耗,基于性能的定价方案应运而生:云服务提供商可基于动态电压/频率调节(Dynamic Voltage
属性类别级情感分析(Aspect Category Sentiment Analysis,ACSA)是从非结构化文本数据中针对各个属性类别分析其各自蕴含的情感倾向。相比于通过对评论文本进行传统的情感分析,属性类别级情感分析能够使得公司更深入、更细致地了解评论的细节信息,了解用户针对具体对象的情感倾向。然而,现有的相关模型在建模时未能很好地将文本语句与所对应的属性类别进行深度融合,这对于属性类别级情
人工智能在物联网等领域应用日益广泛,而其中常用的深度神经网络易受对抗样本攻击这一脆弱性给这些应用带来了巨大的安全隐患。因此如何在最小化模型计算负载和推理时间增幅的前提下,设计一个泛性地使对抗样本防御能力提升的方法,以及如何利用分布式训练的加速训练效果和各节点独立特点进一步提升模型的对抗样本防御能力是本文面临的主要挑战。为解决上述的问题,本文利用分支网络结构和特征融合方法设计了一种新的多分支单模型结
在医疗诊断和推荐系统这些难以获取负样本的实际应用中,通常只能得到比较少量的有标签正样本数据,剩下了大量的无标签样本数据。为了同样能够利用这些数据进行机器学习,研究者们提出了正样本-无标签学习这种特殊的半监督学习方法,当训练阶段只有少量的有标签正样本和无标签样本数据时,就可以使用这种学习方法。该方法对于负样本难以定义或获取成本高的应用特别有用。目前最流行的正样本-无标签学习方法基于代价敏感学习,这种
随着移动互联网的飞速发展,不断增长的海量运算需求和对实时性的要求也为我们带来了巨大的挑战。网络稳定性,作为衡量网络状态的重要指标之一,在学术界已成为一个被广泛研究的问题。通过研究网络稳定性,我们可以设法增加网络的稳定性,使得网络拥有更高的鲁棒性;我们也可以试图发现网络中的薄弱环节,从而抵御受到外在攻击的风险。而k-Core模型,作为一个流行的稠密子图模型,常被用于衡量网络的结构稳定性。它对应着网络
教育现代化进程的开展,国家对小学教育的资源投入以及社会对优质教育的呼声越来越高,传统的教育观念、教学模式和教育体制遭受着开放式教育的质疑。开放的教育思想日趋本土化,开放式教学理念被广泛认同,促使小学教育开始从传统的“以教为中心”转变为“以学为中心”,主张以被动接受知识转变为主动学习探索。作为承载教学活动的小学建筑空间在社会发展、理念革新的时代背景下,迎来了相应的机遇和挑战。打破传统僵化的设计模式,