机构名称：
¥ 1.0
使用瞬态热分析 (TTA) 研究不同 SAC + 焊料的热机械疲劳，并使用人工神经网络 (ANN) 进行预测。TTA 测量热阻抗，并允许检测焊料裂纹和材料界面的分层。使用七种不同焊料焊接到印刷电路板上的 LED 在被动空对空温度冲击测试中老化，每 50 次循环进行一次 TTA 测量，以热阻增加为故障标准。在测试条件下，SnAgCuSb 焊料比 SAC305 参考表现出最佳性能改进。除了通过累积故障曲线和威布尔图进行标准评估外，还研究了新的可靠性评估方法来评估单个 LED 焊点的可靠性。建立了一种混合方法来预测加速应力测试期间单个 LED 焊点的故障，该方法使用具有记忆的人工神经网络（特别是 LSTM）处理 TTA 数据，其中记忆允许充分利用测量历史。使用了两种 ANN 方法，即回归和分类。这两种方法都相当准确。从回归方法中获得的信息越多，需要使用问题要求的外部知识进行更多处理，而分类方法可以更直接地实施。结果证明了集成方法在评估焊点剩余使用寿命方面的优势。
微电子可靠性
主要关键词
相关文件推荐
