对无铅焊料本构模型及其参数识别方法的探讨

高 军

（上海民航职业技术学院，上海 200232）

目前人们已经进入到科技时代，电子设备在人们生活中已经成为必需品之一，电子设备逐渐向着轻巧以及多功能的方向发展，其中半导体集成电路技术水平也逐渐提升。在电子封装结构中，焊点最初的作用是将电子器件之间相互连接，随着技术水平的提升，目前已经可以将不同材质的电子器件相互连接，由此可以看出，焊接点质量直接决定着电子设备的运行质量，本文将重点研究无铅焊料本构模型及其参数的识别方法。

1 无铅焊料本构模型

目前经常使用的无铅焊料本构模型为Anand 模型，该模型最早出现在上个世纪八十年代，重点对铝与其他金属的热性能进行描述，随着时代的发展，目前已经被应用在描述无铅焊料非弹性行为中，该模型属于统一型的粘塑性模型，能够对无铅焊料的变形过程以及塑性变形展开综合研究，同时还能够直接对参数展开识别。该无铅焊料本构模型在实际应用中具有以下特点，第一，在应力空间中，不会出现明显的屈服面，因此不需要提供相应的加载准则以及卸载准则。另外，模型中的变形力可以在非零应力的条件下出现。第二，利用无铅焊料本构模型中单一的内变量，对材料的内部状态以及流动阻抗展开描述，进而将无铅焊料与变速率和温度之间的关系表示出来[1]。

2 无铅焊料本构模型的参数识别方法

2.1 遗传算法参数识别方法

在遗传算法中，需要对种群规模、交叉概率以及变异概率等参数展开研究，确定以上参数的设定是否合理等。其中种群规模直接决定着单个种群的数量，如果种群规模较小，则遗传算法的计算速度就会提升，但是其中种群的多样性就会降低，缩小整个的搜索范围。如果种群规模过大，则遗传算法的效率会降低，最优解的概率也会降低，因此，通常情况下，种群规模的取值范围为10-200之间。交叉算子直接影响着遗传算法的搜索水平，该数值越大，遗传算法的搜索能力就越强，通常情况下该数值的取值范围为0.7-0.9。在利用遗传算法对无铅焊料本构模型参数展开识别的过程中，需要经历以下几个步骤，第一，确定无铅焊料本构模型参数中对应数值的正演部分，第二，将遗传算法与无铅焊料本构模型相互结合，组成反演部分。正演部分需要对一组参数展开计算，进而得到相应的计算值，可以使用ABAQUS 软件进行计算，使用ABAQUS 中的开发接口，编写无铅焊料本构模型中的子程序，并对模型参数进行计算。

反演部分指的是遗传计算的整个过程，将MATLAB 语言作为基础，对无铅焊料本构模型中的程序展开分析，MATLAB 语言中包含了数学、统计学以及科学等内容，在实际应用中具有简单直接的优点，能够提升最终的编程分析效率。

2.2 多种群遗传算法并行识别方法

多种群遗传算法指的是将遗传算法与其他算法相互结合，将二者的优点充分发挥出来，用来弥补遗传算法在实际应用中的不足。在此过程中需要经历以下流程，第一，确定控制参数，第二，种群初始化，第三，正演计算，第四，计算适应度值，第五，淘汰不适应数据和移民，第六，组成精英种群，第七，结束参数识别，将无铅焊料本构模型中的最优参数保存下来，应用在实际模型建立中[2]。

2.3 间接参数识别方法

参数识别技术主要是将实验中的参数数据，采用建立参数识别模式的方式，确定参数在模型中的最优值，通常情况下参数包括位移、荷载量等。参数识别过程中使用的优化方法，直接决定着最终的参数识别效率以及准确程度，目前的参数识别方法主要包括本构模型参数是被以及模型尺寸参数识别等。由于参数识别过程较为复杂，其中涉及的内容较多，加上模型中存在一定的误差，因此要想直接求出参数值，具有一定难度，面对这种情况，可以采用间接法进行计算。间接法指的是，先赋予待识别参数一定的初始值，使用正分析计算的方式，确定对应的力学相应，并计算数据与实际测量数据之间的误差。如果误差达到一定的要求，则表明参数通过，如果误差没有达到相应的要求，则需要对参数展开调整，直到最终达到相应要求为止。

3 结束语

综上所述，随着人们对无铅焊料本构模型的关注程度逐渐提升，如何保证无铅焊料本构模型的建设质量，成为有关人员关注的重点内容。本文通过研究无铅焊料本构模型的及其参数识别方法发现，对其进行研究，能够大大提升无铅焊料本构模型的建设效果，同时还能够保证提升集成线路的制作质量。由此可以看出，研究无铅焊料本构模型及其参数识别，能为今后无铅焊料本构模型的发展奠定基础。