论文部分内容阅读
随着微波集成芯片的发展，微波电路系统越来越轻量化，小型化和高度集成化。特别是在现代雷达、武器和卫星通讯领域，对微波组件的重量、可靠性和性能提出了更高要求。由于低温共烧陶瓷（LTCC）技术具有良好的电热、机械和工艺加工特性，被越来越多的用到微波组件制造领域。LTCC微波组件制造技术复杂，难度大，体现在其对工艺参数敏感，微小的成型缺陷将对其功能特性造成较大影响。针对具体的LTCC微波组件研制，因为材料、尺寸、结构等参数及其相互影响关系不同，往往需要多轮次样件试制和逐渐优化才能保证产品质量，这对新型的微波组件研制带来了较大的技术和成本压力。本文结合相关科研项目所需，以某新型LTCC微波组件为研究对象，对其制造工艺及其参数优化进行了研究。 本文研究的LTCC微波组件主要由LTCC基板和微波射频多功能芯片组成。本文针对LTCC微波组件主要的成型工艺—基板层压、烧结和芯片真空共晶焊接进行了研究，分析了三种工艺过程中产生的成型缺陷及工艺间的耦合性。结果表明，层压和烧结工艺过程中易产生垂直互联柱错位、微通道变形、基板翘曲三种缺陷，彼此耦合性较强，而真空共晶焊工艺过程中容易产生焊接空洞缺陷，与层压和烧结工艺耦合性较弱。提出了针对层压和烧结工艺进行多目标协同优化和对共晶焊接工艺进行单目标优化的工艺调控思路。 将有限元数值分析结合智能优化决策算法应用于本文LTCC微波组件成型工艺的协同优化研究中：采用有限元软件建立LTCC微波组件的基板（以下简称LTCC基板）和焊接有限元分析模型，针对相应的工艺参数设计正交试验方案，分析构建各个工艺参数对成型缺陷的影响关系；采取BP(Back Propagation)神经网络和多目标遗传算法—NSGA-II(Non-dominated Sorting Genetic Algorithm II)相结合用于LTCC基板在层压和烧结工艺过程中的工艺参数优化；采取二次响应面和遗传算法针对真空共晶焊进行工艺参数优化。 根据LTCC基板成型过程中出现的微通道变形、互联金属柱错位、基板翘曲这三种缺陷的正交仿真实验结果对神经网络模型进行训练，建立此三种缺陷与工艺参数之间的神经网络预测模型。利用多目标遗传算法获得三种缺陷对应工艺参数的Pareto解集，通过多属性决策方法，决策获得一组较优工艺参数组合，其对应的优化结果为：互联柱最大错位度为2.3979%，微通道综合变形为0.1604mm，基板翘曲度为0.515%。同时，根据焊接空洞仿真数据通过响应面法拟合真空共晶焊接工艺与焊接空洞缺陷映射关系，利用遗传算法对关系模型进行工艺边界条件内的全局寻优，获得了一组较优参数组合，优化后焊接空洞率为8.134%。