CN108775975A - 回流焊炉温曲线智能检测***和检测方法 - Google Patents

Abstract

本发明提供一种回流焊炉温曲线智能检测***和检测方法，检测***包括数据采集模块、炉温测试仪和数据处理模块；数据采集模块并将炉温数据转发至数据处理模块；炉温测试仪向数据处理模块输出板温数据，结合炉温数据和板温数据可计算生成转换关系数据，在进行实施生成时，仅需通过测温器件获取实时炉温曲线数据即可通过转换关系数据计算出实时板温曲线数据，从而对生产情况进行实时监控。

Description

回流焊炉温曲线智能检测***和检测方法

技术领域

本发明涉及一种高温炉温在线检测***和在线检测方法，具体涉及一种回流焊炉温曲线智能检测***和检测方法。

背景技术

SMT(Surface Mount Technology)表面贴装技术是目前电子组装行业里最普遍的一种生产工艺，其中回流焊接为SMT中的重要组成部分。回流焊通过将预先分配到印制板上的膏状软钎焊料再次熔化，随即实现元器件焊端或引脚与印制板上焊盘之间的物理连接以及电连接。回流焊焊接过程变化较复杂，其中涉及较多工艺参数，而温度曲线的设置尤为关键。

目前的温度曲线设置方法包括通过制作测试基板并通过炉温检测仪获取关于该检测基板的温度曲线，以该温度曲线作为基准曲线；在进行批量生产前调用该基准曲线进行试加工，并由工作人员判断炉温是否可用，若可用，则进入批量生产。

现有的温度曲线设置方法存在的问题是，以基准炉温曲线进行生产的过程中无法对当前炉温进行实时监测，只能通过已焊接的产品是否出现焊接异常反判断是否出现炉温异常，容易造成批量生产报废。

发明内容

本发明的第一目的在于提供一种对板温进行实时检测的回流焊炉温曲线智能检测***。

本发明的第二目的在于提供一种对板温进行实时检测的回流焊炉温曲线智能检测方法。

本发明第一目的提供的回流焊炉温曲线智能检测***包括数据采集模块、炉温测试仪和数据处理模块；数据采集模块包括主控单元和温度检测单元；温度检测单元包括多个测温元件，多个测温元件沿传送方向固定布置在回流炉内；主控单元获取温度检测单元发送的炉温数据并将炉温数据转发至数据处理模块；炉温测试仪向数据处理模块输出板温数据。

由上述方案可见，通过在传送轨道的两侧设置多个测温元件以获取炉内空气温度曲线数据，炉温检测仪则可连同测试PCBA送入传送轨道内，从而获取关于该测试PCBA的板温曲线数据；比对取炉内空气温度曲线数据和温曲线数据后，则可获取关于板材参数和热风参数的转换关系数据，在实际生产时，仅需通过测温元件检测实时的炉内空气温度曲线，即可根据炉内空气温度曲线、实时板块的板材参数、实时热风参数和先前获得的转换关系数据生成实时的板温曲线数据，从而实现对板块表面温度的实时检测。

进一步的方案是，数据采集模块还包括速度检测单元；主控单元获取速度检测单元发送的速度数据并向数据处理模块转发速度数据。

由上可见，速度检测单元对回流炉的运送速度进行检测，速度数据发送至数据处理模块后并连同温度曲线数据一同现显示。

进一步的方案是，数据采集模块还包括扫码检测单元，扫码检测单元包括扫码设备，两个扫码设备分别设置在回流炉的传送输入端和传送输出端；主控单元获取扫码检测单元发送的扫码数据并向数据处理模块转发扫码数据。

由上可见，两个扫码设备设置在传送输入端和传送输出端，每一个产品进入和流出时均由对应的扫码设备进行扫码，每一个产品的焊接时长和状态都得到监控。

进一步的方案是，数据采集模块还包括异常警报单元，主控单元向异常警报单元输出控制信号。

由上可见，异常警报单元包括警报灯或蜂鸣器等能生成警告提示的设备，获取板温曲线数据后将其与预设条件要求进行比对，若与预设条件不符合，接收到反馈信号的异常警报单元则可以对工作人员生成警告提示。

进一步的方案是，多个测温元件设置在回流炉中运送轨道的左右两侧。

由上可见，运送轨道两侧的温度与运送轨道上温度最为接近，提高转换关系数据的计算准确率且不对产品的运送和焊接造成阻碍。

本发明第二目的提供的回流焊炉温曲线智能检测方法，应用于回流焊炉温曲线智能检测***的数据处理模块，回流焊炉温曲线智能检测方法包括根据获取的测试炉温数据生成测试炉温曲线数据，并根据获取的测试板温数据生成关于测试PCBA的测试板温曲线数据；根据测试炉温曲线数据、测试板温曲线数据和测试PCBA的板块参数数据和测试热风参数数据生成转换关系数据；根据获取的实时炉温数据生成实时炉温曲线数据，根据实时炉温曲线数据、转换关系数据、实时板块的板块参数数据和实时热风参数数据生成关于实时板块的实时板温曲线数据。

由上述方案可见，利用流焊炉温曲线智能检测***获取回流炉中空气温度曲线数据和测试PCBA的板温曲线数据后，而此时炉内热风的参数以及测试PCBA的物理参数为已知量，空气温度曲线数据与板温曲线数据之间具有转换关系，而该转换关系与炉内热风的参数以及测试PCBA的物理参数有关，计算出该转换关系后，每次生产时仅需通过对实时的空气温度曲线数据进行检测，即可通过转换关系换算出实时的板温温度曲线数据，从而实现对板块表面温度的实时检测。

进一步的方案是，生成转换关系数据后，还包括按预设时间频率获取实时炉温数据。

由上可见，根据产品的运送位置而设定固定时间间隔而获取多个测温元件上的所测温度，测试产品与正在测温的元件位置更接近，所获数据更准确。

进一步的方案是，生成实时板温曲线数据后，还包括根据实时板温曲线数据生成实际工艺参数数据。

由上可见，工艺参数数据包括最大升温斜率数据、最大降温斜率数据、恒温时间数据、回流时间数据和最高温度数据等，生成实际工艺参数数据更利于工作人员对焊接情况进行监控和判断。

进一步的方案是，根据实时板温曲线数据生成实际工艺参数数据后，还包括判断实际工艺参数数据是否符合预设要求，若否，生成提示信息。

由上可见，预设要求可包括板材工艺参数和焊料工艺参数等，对实际工艺参数数据进行监控有效降低废品率。

进一步的方案是，判断实际工艺参数数据是否符合预设要求时，预设要求包括选用焊接材料的工艺参数要求。

由上可见，不同的锡膏具有不同的工艺参数要求，将实际工艺参数数据与当前加工的板块上的锡膏的工艺参数进行比对并发送提示信息，更利于工作人员对焊接情况进行监控和判断。

附图说明

图1为本发明回流焊炉温曲线智能检测***实施例的连接框图。

图2为本发明回流焊炉温曲线智能检测***实施例中测温元件的分布示意图。

图3为本发明回流焊炉温曲线智能检测方法实施例的流程图。

以下结合附图及实施例对本发明作进一步说明。

具体实施方式

参见图1，图1为本发明回流焊炉温曲线智能检测***实施例的连接框图。回流焊炉温曲线智能检测***包括数据采集模块1、数据处理模块2和炉温检测仪3，数据采集模块1用于采集回流炉中炉温、链速、扫码等信息数据并上传至数据处理模块2，炉温检测仪3用于获取测试PCBA(Printed Circuit Board+Assembly)的板温数据传输至数据处理模块2上。其中，数据处理模块2为具有数据处理能力的终端设备，如计算机或者智能手机等。炉温检测仪3为现有的炉温检测设备，如美国KIC公司的第五代产品智能型炉温测试仪KIC X5。

数据采集模块1包括主控单元11、温度检测单元12、速度检测单元13、扫码检测单元14、异常警报单元15和电源16。主控单元11为单片机或者DSP等具有数据处理能力的芯片，温度检测单元12包括多个测温元件和模数转换器，多个测温元件连接在模数转换器上，模数转换器连接到主控单元11上，优选地，测温元件为热电偶。主控单元11获取温度检测单元12发送的炉温数据并将炉温数据转发至数据处理模块2。

速度检测单元13为速度传感器，速度传感器用于检测回流炉上运送轨道的链速，主控单元11获取速度检测单元13发送的速度数据并向数据处理模块2转发速度数据。扫码检测单元14包括两个扫码设备，两个扫码设备分别设置在回流炉的传送输入端和传送输出端；主控单元11获取扫码检测单元发送的扫码数据并向数据处理模块2转发扫码数据。

异常警报单元15包括三色警报灯和蜂鸣器，数据处理模块2判断工艺参数出现异常时，则可向主控单元11发送信号，主控单元11向三色警报灯和蜂鸣器发送控制信号。

结合图2，图2为本发明回流焊炉温曲线智能检测***实施例中测温元件的分布示意图。X轴正向为回流炉的运送方向，Y轴方向为回流炉的宽度方向，回流炉在X轴正向上设置有九个温区，分别为第一温区101、第二温区102、第三温区103、第四温区104、第五温区105、第六温区106、第七温区107、第八温区108和冷却区109，九个温区依序设置于运送输入端111与运送输出端112之间。扫码设备141设置在运送输入端111，扫码设备142设置在运送输出端112。

温度检测单元12包括26个测温元件121，测温元件121设置在运送轨道100的宽度方向两侧，位于运送轨道100左侧的一个测温元件121与位于运送轨道100右侧的一个测温元件121相间设置，且在Y轴方向的投影上，多个测温元件121之间不重合。多个测温元件121沿X轴正向依次连线，连线在运送轨道100上呈“Z”型。第一温区101和第二温区102上均设置有两个测温元件121，第三温区103至第八温区108上均设置有3个测温元件，冷却区109上设置有4个测温元件。以第一温区101为例，第一个测温元件121设置在第一温区101的左侧，且位于第一温区101上X轴正向上延伸距离的1/3处；第二个测温元件121设置在第一温区101的右侧，且位于第一温区101上X轴正向上延伸距离的2/3处。又以第三温区103为例，第一个测温元件121设置在第三温区103的左侧，且位于第三温区103上X轴正向上延伸距离的1/4处；第二个测温元件121设置在第三温区103的右侧，且位于第三温区103上X轴正向上延伸距离的2/4处。

结合图3，图3为本发明回流焊炉温曲线智能检测方法实施例的流程图。回流焊炉温曲线智能检测方法应用于回流焊炉温曲线智能检测***的数据处理模块2，该检测方法实现通过检测炉内空气温度而转换计算得出板块上的实际温度。

首先执行步骤S1，生成测试炉温曲线数据和测试板温曲线数据。回流焊炉温曲线智能检测***中，数据采集模块1上获取的数据以及炉温检测仪3中获取数据均传输至数据处理模块2中。炉温检测仪3可随测试PCBA放到运送轨道上，随即可检测获得该测试PCBA的测试板温数据，测试板温数据传输至数据处理模块2后，数据处理模块2即生成与运输距离相关的测试板温曲线数据。

结合图2，26个测温元件121分布在运送轨道100的延伸两端之间，模数转换器在获取多个测温元件121的温度后即可生成测试炉温数据，并将该数据传输至主控单元11，主控单元11将多个测试炉温数据发送至数据处理模块2后，数据处理模块2即生成与运输距离相关的测试炉温曲线数据。

随后执行计算步骤S2，生成转换关系数据。步骤S1中获取了测试炉温曲线数据以及测试板温曲线数据，设测试炉温曲线数据以及测试板温曲线数据上同一距离值的温度分别设定为T_炉和T_板，则有式1：T_板＝K×T_炉。

K为与板块的物理参数(即测试PCBA的板块参数数据)以及热风的物理参数(测试热风参数数据)有关的函数。K可通过式2计算：K＝F(u，L，ρ，η，λ，C_p)；式2中，F为转换关系函数，u为热风速度，L为PCB板的特征长度，ρ为热风密度，η为热风动力粘度，λ为热风导热系数，最后C_p为热风定压热容。

F可通过式3计算：∫Cmdt＝∫FS(t₂-t)dt；将式3中等号两侧的算式对0～τ进行积分后微分求解。其中，C为PCB板的比热容，m为PCB板的质量，S为PCB板的表面积，t₂为热风温度，t为PCB板的温度(即T_板)，τ为时间。

本发明的目的在于通过以获取的获取T_炉结合K而得出T_板，而K与板块的多个物理参数以及热风的多个物理参数有关，因此，为了计算实际使用时特定的一个板温数据T_板，需要对多个距离点中的、或多次检测中的已知的计算参数进行统计和分析，例如通过回归法或神经网络法进行计算分析，从而推算出板温数据T_板与T_炉以及多个物理参数以及热风的多个物理参数之间的数学关系，即转换关系数据。

应用回归法时，以板温T_板作为因变量y，并以炉温T_炉、热风速度、PCB板的特征长度、热风密度、热风动力粘度、热风导热系数、热风定压热容、PCB板的比热容、PCB板的质量、PCB板的表面积以及热风温度作为多个自变量x₁、x₂、x₃、···、x_m，并设定一条回归等式其中，为假定的、已知的、能够以数学表达式表达的函数，是在个案i中由上述回归等式给出的y的估计值，x_1,i是在个案i中x₁的值，x_m,i则是在个案i中x_m的值，如此类推，β₁,...,β_p为在该数学表达式中各个未知的、实数(realnumber)的回归系数(regressioncoefficient[s])，p为一个自然数，代表实数集(realnumber set)。

然后使用优化方法求取β₁,...,β_p的最优化值b₁,...,b_p，从而最小化

其中，yi是在个案i中y的值，为一个单调递增(monotonically increasing)函数。上述的优化方法可以是传统的微积分方法、遗传算法(genetic algorithm)等。最后将b₁,...,b_p代入上述的回归等式，成为所需要的数学关系式，从而获取转换关系数据。

应用神经网络法计算数学关系时，以板温T_板作为神经网络的输出(output)y，并以炉温T_炉、热风速度、PCB板的特征长度、热风密度、热风动力粘度、热风导热系数、热风定压热容、PCB板的比热容、PCB板的质量、PCB板的表面积以及热风温度作为神经网络的多个输入(input[s])x₁、x₂、x₃、···、x_m，且设定该神经网络为某个结构，并假定该神经网络由以下等式代表：其中，为假定的、未知的、不一定能够以数学表达式表达的函数，是在个案i中由上述等式给出的y的估计值，x_1,i是在个案i中x₁的值，x_m,i则是在个案i中x_m的值，如此类推，为在该神经网络中各个未知的、实数的参数(parameter[s])，初始时将分别设定为q为一个自然数，代表实数集(real number set)。并假设该神经网络中有一个或多个已知的激活函数(activationfunction[s])。

然后进行监督学习(supervised learning)，即将x_1,i1,x_2,i1,...,x_m,i1输入该神经网络，以求取更新使其分别成为再将x_1,i2,x_2,i2,...,x_m,i2输入该神经网络，以求取更新使其分别成为如此类推并反复计算，将x_1,in,x_2,in,...,x_m,in输入至神经网络，以求取更新使其分别成为其中{i₁,...,i_n}＝{1,...,n}。以上更新的目的为最小化其中y_i是在个案i中y的值，为一个单调递增函数。

最后，将代入上述神经网络的参数所获得的神经网络即为所需要推算的数学关系，也就是，当输入任何x₁、x₂、x₃、···、x_m的值到该神经网络，该神经网络所输出的y的值就是与x₁、x₂、x₃、···、x_m的值之间存在上述数学关系，即转换关系数据。

获取转换关系数据后，则执行步骤S3，获取实时炉温曲线数据T_炉实时、实时热风参数数据和关于实时板块的板块参数数据。由于实际加工板块时，实时板块的物理参数与测试PCBA的物理参数不同，测试热风参数与实时热风参数也不相同，所以需要获取正在进行生产加工的实时参数数据。其中，26个测温元件121的位置固定，且在回流炉上设置有扫码检测单元14和速度检测单元13，因此可计算出产品到达每个测温元件121处的时间点，再将这些时间点设置成一个固定时间频率数据组，26个测温元件121根据该时间频率时间组去依次启动检测温度，从而使每个测温元件121在测温时均处于产品处于最接近的位置，提高数据准确性。

随后执行步骤S4，在步骤S3中获取了实时炉温曲线数据T_炉实时、实时热风参数数据和实时板块的板块参数数据后，可根据步骤S2中已经获取的转换关系数据，计算出实时板温数据，并根据不同运送位置的多个板温数据生成实时板温曲线数据，即正在加工的板块上的温度。

然后执行步骤S5，根据获取的实时板温曲线数据生产实际工艺参数数据。工艺参数数据包括最大升温斜率数据、最大降温斜率数据、恒温(150℃-190℃)时间数据、回流(温度少于213℃)时间数据、最高温度数据以及230度以上时间数据等，生成实际工艺参数数据更利于工作人员对焊接情况进行监控和判断。

随后执行判断步骤S6，***根据实际工艺参数数据判断是否符合预设要求，若判断结果为是，则执行步骤S9，显示比对结果；若判断结果为否，则执行步骤S7，显示比对结果，随后继续执行步骤S8，发送提示。预设要求包括板材的工艺参数数据、焊接材料的工艺参数数据或预设的基准温度曲线数据等，具体地，预设要求为当前采用的锡膏的工艺参数要求；具体地，发送提示包括在计算机的显示屏窗口提示，或发送反馈信号至主控单元11，主控单元11发送控制信号至异常报警单元15，发出报警灯光或报警声响，且数据处理模块2可向回流炉输出停止运送信号。

最后需要强调的是，以上所述仅为本发明的优选实施例，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种变化和更改，如，回流炉不止仅仅具有9个温区的型号，测温元件的布置方法也可用在如具有12个温区加一个冷却区的回流炉中，以及其他具有多个温区和冷却区的回流炉中同样适用。凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种回流焊炉温曲线智能检测***，其特征在于，包括：

数据采集模块、炉温测试仪和数据处理模块；

所述数据采集模块包括主控单元和温度检测单元；

所述温度检测单元包括多个测温元件，多个所述测温元件沿传送方向固定布置在回流炉内；

所述主控单元获取所述温度检测单元发送的炉温数据并将所述炉温数据转发至所述数据处理模块；

所述炉温测试仪向所述数据处理模块输出板温数据。

2.根据权利要求1所述的回流焊炉温曲线智能检测***，其特征在于：

所述数据采集模块还包括速度检测单元；

所述主控单元获取所述速度检测单元发送的速度数据并向所述数据处理模块转发所述速度数据。

3.根据权利要求2所述的回流焊炉温曲线智能检测***，其特征在于：

所述数据采集模块还包括扫码检测单元，所述扫码检测单元包括扫码设备，两个所述扫码设备分别设置在所述回流炉的传送输入端和传送输出端；

所述主控单元获取所述扫码检测单元发送的扫码数据并向所述数据处理模块转发所述扫码数据。

4.根据权利要求3所述的回流焊炉温曲线智能检测***，其特征在于：

所述数据采集模块还包括异常警报单元，所述主控单元向所述异常警报单元输出控制信号。

5.根据权利要求1至4任一项所述的回流焊炉温曲线智能检测***，其特征在于：

多个所述测温元件设置在所述回流炉中运送轨道的左右两侧。

6.一种回流焊炉温曲线智能检测方法，其特征在于，应用于上述权利要求1至5任一项所述的回流焊炉温曲线智能检测***的所述数据处理模块；

所述回流焊炉温曲线智能检测方法包括：

根据获取的测试炉温数据生成测试炉温曲线数据，并根据获取的测试板温数据生成关于测试PCBA的测试板温曲线数据；

根据所述测试炉温曲线数据、所述测试板温曲线数据和所述测试PCBA的板块参数数据和测试热风参数数据生成转换关系数据；

根据获取的实时炉温数据生成实时炉温曲线数据，根据所述实时炉温曲线数据、所述转换关系数据、实时板块的板块参数数据和实时热风参数数据生成关于所述实时板块的实时板温曲线数据。

7.根据权利要求6所述的回流焊炉温曲线智能检测方法，其特征在于：

所述生成所述转换关系数据后，还包括：

按预设时间频率获取所述实时炉温数据。

8.根据权利要求6所述的回流焊炉温曲线智能检测方法，其特征在于：

所述生成所述实时板温曲线数据后，还包括：

根据所述实时板温曲线数据生成实际工艺参数数据，所述实际工艺制程参数数据包括最大升温斜率数据、最大降温斜率数据、恒温时间数据、回流时间数据和最高温度数据。

9.根据权利要求8所述的回流焊炉温曲线智能检测方法，其特征在于：

所述根据所述实时板温曲线数据生成实际工艺参数数据后，还包括：

判断所述实际工艺参数数据是否符合预设要求，若否，生成提示信息。

10.根据权利要求9所述的回流焊炉温曲线智能检测方法，其特征在于：

所述判断实际工艺参数数据是否符合预设要求时，所述预设要求包括选用焊接材料的工艺参数要求。