[发明专利]一种基于振动信号的倒装焊焊点缺失缺陷智能检测方法

权利要求书

1.一种基于振动信号的倒装焊焊点缺失缺陷智能检测方法，其特征在于，所述方法包括：

获取样本芯片，所述样本芯片包括缺陷芯片和正常芯片，所述缺陷芯片中包含倒装焊焊点缺失缺陷，所述正常芯片中不包含倒装焊焊点缺失缺陷；

利用激光扫描测振仪获取各个所述样本芯片的时域振动信号，并对所述时域振动信号进行特征提取获取时域特征；

根据所述时域振动信号确定所述样本芯片的频域振动信号，并对所述频域振动信号进行特征提取获取频域特征；

根据所述时域振动信号确定所述样本芯片的时频域振动信号，并对所述时频域振动信号进行特征提取获取时频域特征；

将提取到的各个所述样本芯片的特征数据输入极限学习机进行学习和分类得到焊点检测模型，各个所述样本芯片的所述特征数据包括所述样本芯片的时域特征、频域特征和时频域特征；

利用所述焊点检测模型检测待测芯片，确定所述待测芯片中是否存在倒装焊焊点缺失缺陷。

2.根据权利要求1所述的方法，其特征在于，获取到的所述时域特征包括但不限于平均值、标准差、均方根误差、峰峰值、偏度、峰度、波峰因数和波形因数。

3.根据权利要求1所述的方法，其特征在于，获取到的所述频域特征包括但不限于平均频率、中心频率、均方根和根方差。

4.根据权利要求1所述的方法，其特征在于，所述根据所述时域振动信号确定所述样本芯片的时频域振动信号，并对所述时频域振动信号进行特征提取获取时频域特征，包括：对所述时域振动信号进行小波包分解，并提取出表示小波包树第三层八个节点能量占比的八个所述时频域特征。

5.根据权利要求1-4任一所述的方法，其特征在于，所述将提取到的各个所述样本芯片的特征数据输入极限学习机进行学习和分类得到焊点检测模型，包括：

对于每个所述样本芯片的特征数据，根据主成分分析法对提取到的所述特征数据进行特征降维；

将各个所述样本芯片的特征降维后的特征数据输入极限学习机进行学习和分类得到所述焊点检测模型。