模糊神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法研究及在焊點(diǎn)質(zhì)量評估中的應(yīng)用.pdf

1、電子產(chǎn)品的“輕、薄、短、小”化對元器件的微型化和組裝密度提出了更高的要求。在此前提下，保證焊點(diǎn)的質(zhì)量是一個極其重要的問題。焊點(diǎn)作為焊接的直接結(jié)果，它的質(zhì)量和可靠性決定了電子產(chǎn)品的質(zhì)量。然而，目前國內(nèi)對集成線路板的整體質(zhì)量評估仍舊停留在人工視覺階段，效率低且可靠性不足。為此，研究工藝自動化的可視信息集成技術(shù)就成為當(dāng)今電子行業(yè)的一個迫切要求。
　　本文將模糊神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用于焊點(diǎn)質(zhì)量評估的研究和實(shí)現(xiàn)。通過將聚類分析技術(shù)、模糊推理技術(shù)和

2、神經(jīng)網(wǎng)絡(luò)技術(shù)進(jìn)行結(jié)合，在系統(tǒng)實(shí)現(xiàn)的效率和精確度方面都取得了一定的成果。主要研究了神經(jīng)網(wǎng)絡(luò)和模糊推理理論相結(jié)合的方法，并用神經(jīng)網(wǎng)絡(luò)來進(jìn)行模糊推理，同時將聚類分析應(yīng)用于推理規(guī)則的提取，解決了傳統(tǒng)的模糊神經(jīng)網(wǎng)絡(luò)中推理規(guī)則數(shù)目過多而造成的網(wǎng)絡(luò)學(xué)習(xí)速度慢以及執(zhí)行效率低的問題。此外，還改進(jìn)了一種基于密度網(wǎng)格的聚類算法，改進(jìn)后的聚類算法有效地解決了因聚類間過度擴(kuò)展而造成的聚類精度不足的問題，同時通過自適應(yīng)調(diào)整部分經(jīng)驗(yàn)參數(shù)也緩解了聚類結(jié)果對經(jīng)驗(yàn)參數(shù)設(shè)置