无铅焊料本构模型及其参数识别方法研究

发布时间：2017-04-15 00:01

  本文关键词：无铅焊料本构模型及其参数识别方法研究，，由笔耕文化传播整理发布。

【摘要】：在电子信息工业的发展需求下,电子封装结构和系统正朝着高度微型化、集成化、低功耗和高可靠性方向发展。相应的电子封装结构更加复杂,使用环境也日益恶劣。尤其在高可靠性应用场合,电子封装结构在运输和使用过程中无法避免的会受到温度、振动、冲击等载荷的作用致使失效。焊点通常为封装结构中最脆弱的地方,在电子封装结构失效中,焊点失效是主要因素。所以,研究焊点材料的特性以及描述焊点力学性能的本构模型,对于分析焊点性能以及准确预测电子封装的可靠性具有很重要的理论价值。同时,随着各国家和地区禁铅令的发布,绿色环保的无铅焊料取代传统的锡铅焊料成为必然的趋势。而无铅焊料的本构模型和材料参数,以及应变速率等对力学行为的影响分析等还很不完善,研究成果仍很欠缺。本文针对无铅焊料的本构模型以及本构模型参数的识别方法进行了相关的研究。本文第一部分通过在Anand本构模型中引入表征各向同性损伤的内变量,建立了变形-损伤耦合的粘塑性Anand损伤本构模型,并在热力学框架中推导了损伤变量的演化方程。编写了UMAT用户材料子程序,将粘塑性Anand损伤本构模型嵌入到ABAQUS中用于有限元模拟计算。通过有限元模拟测试,验证了粘塑性Anand损伤本构模型及其相关的用户子程序的正确性。此外,分析得出本构模型中的损伤变量随加载过程中材料损伤进行变化,可以根据载荷和损伤的变化关系来进行材料寿命的分析。第二部分基于改进的对称拉丁超立方抽样方法和Spearman秩相关系数建立了本构模型参数敏感度分析的全局整体分析方法,并采用MATLAB编程语言结合有限元软件ABAQUS编写了本构模型的参数敏感度分析程序。采用该方法对无铅焊料Sn4.0Ag0.5Cu的粘塑性Anand损伤本构模型的参数敏感度进行了整体性分析,确定了各参数的敏感度以及排序,并分析了敏感度值受模拟模型尺寸、加载条件、结果数据类型和加载速率等的影响程度,有利于确定合适的参数识别方法和相关的试验条件。第三部分采用位移加载形式进行了常温下四种不同应变率0.0002/s、0.001/s、0.005/s、0.01/s下的无铅焊料Sn4.0Ag0.5Cu钎丝的拉伸试验,并根据试验数据分析了无铅焊料Sn4.0Ag0.5Cu变形行为的应变率相关性和应变率敏感性。将载荷-位移试验数据处理为应力-应变数据后用于后续的焊料本构模型的参数识别。第四部分构建了用于材料本构模型参数识别的数学模型,基于该模型结合遗传算法和ABAQUS建立了本构模型的参数识别方法。然后通过建立的参数识别方法,对无铅焊料Sn4.0Ag0.5Cu的粘塑性Anand损伤本构模型参数进行识别。对比了粘塑性Anand损伤本构模型和未引入损伤的Anand本构模型对焊料力学行为模拟的优劣。粘塑性Anand损伤本构模型模拟曲线更接近于试验曲线,材料的刚度退化现象可以被更准确的描述,与实际情况更相符,验证了在模拟焊料力学行为中采用变形-损伤耦合本构模型的合理性。第五部分采用多种群并行结构对传统的标准遗传算法进行并行处理,建立了多种群并行遗传算法,并采用多种优化策略对其进行改进。将该算法应用到本构模型参数识别中,建立了基于多种群遗传算法的参数识别方法。采用该方法对无铅焊料Sn4.0Ag0.5Cu的粘塑性Anand损伤本构模型的参数进行了识别。参数识别算例证明了基于多种群并行遗传算法的参数识别方法的可行性和准确性,收敛速度、寻优能力、克服未成熟收敛等方面均优于传统遗传算法。
【关键词】：电子封装 焊点 无铅焊料 损伤本构模型 ABAQUS 敏感度分析 参数识别 遗传算法
【学位授予单位】：南京航空航天大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：TN405
【目录】：

• 摘要4-6
• ABSTRACT6-13
• 注释表13-15
• 第一章 绪论15-26
• 1.1 引言15-16
• 1.2 焊点材料研究现状16-18
• 1.2.1 焊点材料研究的重要性16-17
• 1.2.2 焊点材料无铅化的发展17-18
• 1.3 焊点材料本构模型研究现状18-20
• 1.4 本构模型参数识别方法20-24
• 1.4.1 参数识别方法研究现状20-22
• 1.4.2 智能优化方法的应用22-24
• 1.5 本文的内容安排24-26
• 第二章 粘塑性Anand损伤本构模型26-45
• 2.1 引言26-27
• 2.2 粘塑性Anand损伤本构模型27-30
• 2.2.1 Anand本构模型27-28
• 2.2.2 损伤演化方程28-29
• 2.2.3 损伤本构模型29-30
• 2.3 有限元软件中的实现30-33
• 2.3.1 ABAQUS概述31
• 2.3.2 UMAT子程序接口31-32
• 2.3.3 UMAT子程序流程32-33
• 2.4 损伤本构模型UMAT子程序33-38
• 2.4.1 数值积分过程33-36
• 2.4.2 UMAT计算流程36-37
• 2.4.3 雅克比矩阵37-38
• 2.5 单元测试38-43
• 2.5.1 测试模型38
• 2.5.2 温度加载测试38-39
• 2.5.3 单向拉伸测试39-40
• 2.5.4 剪切测试40-41
• 2.5.5 多单元测试41-43
• 2.6 小结43-45
• 第三章 本构模型参数敏感度分析45-65
• 3.1 引言45
• 3.2 参数敏感度描述45-49
• 3.2.1 参数敏感度分析的目的46-47
• 3.2.2 参数敏感度分析方法47-49
• 3.3 参数敏感度全局整体分析方法49-56
• 3.3.1 对称拉丁超立方抽样50-53
• 3.3.2 Spearman秩相关系数53-56
• 3.4 参数敏感度全局整体分析流程56-57
• 3.5 粘塑性Anand损伤本构模型参数敏感度分析57-63
• 3.5.1 计算模型与参数57-58
• 3.5.2 敏感度分析样本量的确定58-59
• 3.5.3 模型尺寸对敏感度的影响59-60
• 3.5.4 数据类型对敏感度的影响60-61
• 3.5.5 参数敏感度随加载过程的变化分析61-62
• 3.5.6 加载速率对参数敏感度的影响62-63
• 3.6 小结63-65
• 第四章 无铅焊料Sn4.0Ag0.5Cu拉伸试验65-73
• 4.1 引言65
• 4.2 试验概况65-67
• 4.2.1 试验介绍65-66
• 4.2.2 试件制备66-67
• 4.2.3 试验设备67
• 4.3 试验方法和步骤67-68
• 4.4 试验结果及分析68-72
• 4.4.1 试验结果68-70
• 4.4.2 结果分析70-72
• 4.5 小结72-73
• 第五章 基于遗传算法的本构模型参数识别73-97
• 5.1 引言73
• 5.2 参数识别方法73-77
• 5.2.1 参数识别的数学描述73-75
• 5.2.2 本构模型参数识别模型75-77
• 5.3 遗传算法原理77-83
• 5.3.1 遗传算法的基本操作78-81
• 5.3.2 遗传算法运行参数的选择81-82
• 5.3.3 数值试验82-83
• 5.4 参数识别过程83-87
• 5.4.1 参数识别实现流程83-85
• 5.4.2 程序编写的关键问题85-87
• 5.5 粘塑性Anand损伤本构模型参数识别87-95
• 5.5.1 参数识别正演分析模型87-88
• 5.5.2 适应度定义88-90
• 5.5.3 仿真算例分析90-92
• 5.5.4 Sn4.0Ag0.5Cu本构模型参数识别92-95
• 5.6 小结95-97
• 第六章 多种群遗传算法的并行实现97-111
• 6.1 引言97-98
• 6.2 遗传算法的并行结构98-100
• 6.2.1 并行结构介绍98
• 6.2.2 并行结构的分类98-100
• 6.3 多种群并行的实现100-104
• 6.3.1 多种群并行实现过程100-101
• 6.3.2 最优个体保留策略101-102
• 6.3.3 收敛速度改进策略102-104
• 6.4 多种群遗传算法参数识别流程104-106
• 6.5 基于SGA和IMPGA的参数识别方法比较106-109
• 6.5.1 参数识别分析模型106
• 6.5.2 参数识别结果比较106-109
• 6.6 小结109-111
• 第七章 总结与展望111-114
• 7.1 全文总结111-113
• 7.2 展望113-114
• 参考文献114-124
• 致谢124-125
• 在学期间的研究成果及发表的学术论文及专利125

【相似文献】

中国期刊全文数据库 前10条

1 吴瑞镛,徐大纹;具有年龄结构的遗传算法[J];桂林电子工业学院学报;2001年04期

2 杨艳丽,史维祥;一种新的优化算法—遗传算法的设计[J];液压气动与密封;2001年02期

3 杨宜康,李雪,彭勤科,黄永宣;具有年龄结构的遗传算法[J];计算机工程与应用;2002年11期

4 谷峰,吴勇,唐俊;遗传算法的改进[J];微机发展;2003年06期

5 ;遗传算法[J];计算机教育;2004年10期

6 赵义红,李正文,何其四;生物信息处理系统遗传算法探讨[J];成都理工大学学报(自然科学版);2004年05期

7 刘坤,刘伟波,吴忠强;基于模糊遗传算法的电液位置伺服系统控制[J];黑龙江科技学院学报;2005年04期

8 张英俐,刘弘 ,马金刚;遗传算法作曲系统研究[J];信息技术与信息化;2005年05期

9 丁发智;;浅谈遗传算法[J];乌鲁木齐成人教育学院学报;2005年04期

10 李冰洁;;遗传算法及其应用实例[J];吉林工程技术师范学院学报;2005年12期

中国重要会议论文全文数据库 前10条

1 陈家照;廖海涛;张中位;罗寅生;;一种改进的遗传算法及其在路径规划中的应用[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

2 李国云;刘颖;薛梅;邬志敏;;遗传算法在高温空冷冷凝器优化设计中的应用[A];第五届全国制冷空调新技术研讨会论文集[C];2008年

3 王志军;李守春;张爽;;改进的遗传算法在反演问题中的应用[A];新世纪 新机遇 新挑战——知识创新和高新技术产业发展（上册）[C];2001年

4 任燕翔;姜立;刘连民;从滋庆;;改进遗传算法在三维日照方案优化中的应用[A];工程三维模型与虚拟现实表现——第二届工程建设计算机应用创新论坛论文集[C];2009年

5 韩娟;;遗传算法概述[A];第三届河南省汽车工程科技学术研讨会论文集[C];2006年

6 庞国仲;王元西;;基于遗传算法控制步长的定性仿真方法[A];'2000系统仿真技术及其应用学术交流会论文集[C];2000年

7 张忠华;杨淑莹;;基于遗传算法的聚类设计[A];全国第二届信号处理与应用学术会议专刊[C];2008年

8 何翠红;区益善;;遗传算法及其在计算机编程中的应用[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集（下册）[C];1995年

9 靳开岩;张乃尧;;几种实用遗传算法及其比较[A];1996年中国智能自动化学术会议论文集（下册）[C];1996年

10 王宏刚;曾建潮;李志宏;;摄动遗传算法[A];1996年中国智能自动化学术会议论文集（下册）[C];1996年

中国重要报纸全文数据库 前1条

1 林京;《神经网络和遗传算法在水科学领域的应用》将面市[N];中国水利报;2002年

中国博士学位论文全文数据库 前10条

1 蔡美菊;交互式遗传算法及其在隐性目标决策问题中的应用研究[D];合肥工业大学;2015年

2 张士伟;三维声学快速多极基本解法在机械噪声预测中的应用研究[D];沈阳工业大学;2016年

3 高军;无铅焊料本构模型及其参数识别方法研究[D];南京航空航天大学;2015年

4 周辉仁;递阶遗传算法理论及其应用研究[D];天津大学;2008年

5 郝国生;交互式遗传算法中用户的认知规律及其应用[D];中国矿业大学;2009年

6 侯格贤;遗传算法及其在跟踪系统中的应用研究[D];西安电子科技大学;1998年

7 马国田;遗传算法及其在电磁工程中的应用[D];西安电子科技大学;1998年

8 唐文艳;结构优化中的遗传算法研究和应用[D];大连理工大学;2002年

9 周激流;遗传算法理论及其在水问题中应用的研究[D];四川大学;2000年

10 刘冀成;基于改进遗传算法的生物电磁成像与磁场聚焦应用研究[D];四川大学;2005年

中国硕士学位论文全文数据库 前10条

1 张英俐;基于遗传算法的作曲系统研究[D];山东师范大学;2006年

2 钟海萍;原对偶遗传算法与蚁群算法的一种融合算法[D];暨南大学;2013年

3 李志添;模糊遗传算法与资源优化配置的预测控制[D];华南理工大学;2015年

4 王琳琳;新型双层液压轿运车车厢的设计研究[D];上海工程技术大学;2015年

5 李海全;基于遗传算法的建筑体形系数及迎风面积比优化方法研究[D];华南理工大学;2015年

6 彭骞;基于遗传算法的山区高等级公路纵断面智能优化方法研究[D];昆明理工大学;2015年

7 周玉林;基于小波分析和遗传算法的配电网故障检测[D];昆明理工大学;2015年

8 郭颂;基于粗糙集和遗传算法的数字管道生产管理系统研究[D];昆明理工大学;2015年

9 吴南;数值逼近遗传算法的研究应用[D];华南理工大学;2015年

10 于光帅;一类优化算法的改进研究与应用[D];渤海大学;2015年

  本文关键词：无铅焊料本构模型及其参数识别方法研究，由笔耕文化传播整理发布。

本文编号：307124