(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111523203.5 (22)申请日 2021.12.13 (71)申请人 深圳市浦联智能科技有限公司 地址 518000 广东省深圳市宝安区福海街 道新田社区新田大道71- 5号701 (72)发明人 叶隆盛　 (74)专利代理 机构 成都顶峰专利事务所(普通 合伙) 51224 代理人 杨国瑞 (51)Int.Cl. G06F 30/17(2020.01) G06F 30/27(2020.01) G06N 20/20(2019.01) G06F 115/12(2020.01) (54)发明名称 基于机器学习的回流焊工艺参数优化方法、 装置和设备 (57)摘要 本发明公开了一种基于机器学习的回流焊 工艺参数优化方法、 装置和设备， 包括： 获取影 响 回流焊焊接质量的工艺参数以及自动光学检测 系统的历史检测结果； 将数值化的工艺参数作为 输入参数， 将数值化的历史检测结果作为输出参 数， 利用所述集成学习算法训练得到焊接质量预 测模型； 利用焊接质量预测模型预测回流焊的焊 接质量， 并将预测结果反馈至强化学习算法中对 焊接质量预测模 型的输入参数进行迭代优化， 直 至获得最优的回流焊工艺参数。 本发 明可以将最 优的回流焊工艺参数部署到回流焊焊接系统中， 有助于减少焊接质量预估的不确定性， 可实时掌 控当前每一块PCB焊板的焊接质量， 同时有利于 对表面组装加工回流焊工艺流程进行优化， 提高 回流焊产品的合格率。 权利要求书2页 说明书6页 附图1页 CN 114218703 A 2022.03.22 CN 114218703 A 1.一种基于 机器学习的回流焊工艺 参数优化方法， 其特 征在于， 包括： 获取影响回流焊 焊接质量的工艺 参数以及自动光学检测系统的历史检测结果； 分别将所述工艺 参数和所述历史检测结果进行 数值化； 将数值化的工艺参数作为集成学习算法的输入参数， 将数值化的历史检测结果作为所 述集成学习算法的输出参数， 利用所述 集成学习算法训练得到焊接质量预测模型； 利用所述焊接质量预测模型预测回流焊的焊接质量， 并将预测结果反馈至强化学习算 法中对所述焊接质量预测模型的输入参数进行迭代优化， 直至获得最优的回流焊工艺参 数。 2.根据权利要求1所述的基于机器学习的回流焊工艺参数优化方法， 其特征在于， 所述 方法还包括： 将最优的回流焊工艺 参数部署到回流焊 焊接系统中， 以对元器件进行自动焊接加工 。 3.根据权利要求1所述的基于机器学习的回流焊工艺参数优化方法， 其特征在于， 影响 回流焊焊接质量的工艺参数包括以下一种或多种参数 的组合： 温度曲线、 被加工元器件的 属性、 回流焊炉属性、 焊膏属性、 金属粉末属性、 焊 盘的不良类型以及组件的重量。 4.根据权利要求1所述的基于机器学习的回流焊工艺参数优化方法， 其特征在于， 自动 光学检测系统的历史检测结果包括一种或多种结果的组合： 正常、 桥接、 移位、 无锡、 锡不 足、 漏料、 极性、 歪 斜、 脚弯、 错件、 多锡、 短接以及锡球。 5.根据权利要求1所述的基于机器学习的回流焊工艺参数优化方法， 其特征在于， 在将 数值化的工艺参数作为集成学习算法的输入参数， 将数值化的历史检测结果作为集成学习 算法的输出参数之前， 所述方法还 包括： 将数值化的工艺 参数和历史检测结果处 理成所述 集成学习算法能够识别的数据结构； 对数值化的工艺 参数和历史检测结果进行归一 化处理。 6.根据权利要求1所述的基于机器学习的回流焊工艺参数优化方法， 其特征在于， 所述 集成学习算法采用L ightGBM分类算法。 7.根据权利要求3所述的基于机器学习的回流焊工艺参数优化方法， 其特征在于， 将预 测结果反馈至强化学习算法中对所述焊接质量预测模型的输入参数进 行迭代优化， 直至获 得最优的回流焊工艺 参数， 包括： 将所述预测结果反馈至PPO算法的智能体， 以使所述智能体根据所述预测结果更新神 经网络策略； 基于新的神经网络策略选择新的输入参数输入至所述焊接质量预测模型中； 利用所述智能体迭代更新所述焊接质量预测模型的输入参数， 直至所述自动光学检测 系统的检测结果 为正常时， 对应的输入参数为 最优的回流焊工艺 参数。 8.根据权利要求7所述的基于机器学习的回流焊工艺参数优化方法， 其特征在于， 所述 智能体根据所述预测结果更新神经网络策略包括： 利用奖励函数对上一次预测结果对应的各个输入参数进行增强或减弱。 9.一种基于 机器学习的回流焊工艺 参数优化装置， 其特 征在于， 包括： 数据获取单元， 用于获取影响回流焊焊接质量的工艺参数以及自动 光学检测系统 的历 史检测结果； 数据数值 化单元， 用于分别将所述工艺 参数和所述历史检测结果进行 数值化；权　利　要　求　书 1/2 页 2 CN 114218703 A 2模型生成单元， 用于将数值化的工艺参数作为集成学习算法的输入参数， 将数值化的 历史检测结果作为所述集成学习算法的输出参数， 并利用所述集成学习算法训练得到焊接 质量预测模型； 参数优化单元， 用于利用所述焊接质量预测模型预测回流焊的焊接质量， 并将预测结 果反馈至强化学习算法中对所述焊接质量预测模型的输入参数进 行迭代优化， 直至获得最 优的回流焊工艺 参数。 10.一种计算机设备， 包括依次通信相连的存储器、 处理器和收发器， 其中， 所述存储器 用于存储计算机程序， 所述收发器用于收发消息， 所述处理器用于读取所述计算机程序， 执 行如权利要求1 ‑8任意一项所述的基于 机器学习的回流焊工艺 参数优化方法。权　利　要　求　书 2/2 页 3 CN 114218703 A 3