在半导体芯片制造中,晶圆测试技术是一道精密技术。由于芯片在被封装之前没有引脚,其电性能测试需要通过探针卡与测试设备连接,电路通过芯片上的焊垫与探针卡针尖相接触而导出。环氧树脂探针卡是目前市场上普遍使用的一种,其制作工艺非常精密,而弯针工艺是决定其精度的关键。本文针对弯针这一关键工艺,叙述了传统手工夹具具有的缺陷,为了克服这些缺陷,使探针的弯曲更精确地满足设计规格,文中阐述了半自动弯针机的设计过程,详细说明基于MicroLynx控制器对步进电机的控制,包括基本的机械运动原理、机电部件的选取、电机控制中所解决的关键问题、控制器之间的通讯、程序开发的过程,最终实现了对探针的针尖长度及弯曲角度的精确控制。设备投入实际使用后达到了预期的要求。通过BP人工神经网络建立设备参数模型,对参数进行预测。本文从网络的层数、隐含层的神经元数目、初始权值的选取、学习速率、期望误差等方面详细讨论了BP网络的设计,指出了BP网络本身的固有缺陷,并分析了改进的方法,利用改进了的方法设计了双输入和四输入两种BP网络模型,并对模型进行训练与测试,比较发现,两种模型的预测结果都比较准确,但四输入BP网络模型更加实用。利用训练好的四输入BP网络预测模型,针对一定的探针尺寸和弯针要求对设备参数进行预测,从而减少了调试次数,节约了时间,缩减了因调试所产生的探针的浪费,提高了经济效益。本课题创新之处:1.运用微步电机控制系统实现了弯针过程的自动化,克服了以前手工弯针带来的精度低、稳定性差的缺点。2.通过BP人工神经网络建立了设备参数模型,实现了针对不同弯针规格要求所对应的设备参数的预测,提高了效率。