專利名稱：芯片封裝互連中的超聲鍵合質量在線監測判別方法及系統的制作方法
技術領域：
本發明屬于芯片封裝互連中的超聲鍵合領域，涉及一種芯片封裝互連中的超聲鍵
合質量在線監測判別方法及系統。
背景技術：
超聲鍵合廣泛應用于微電子封裝互連中，它是利用換能器產生的超聲振動作用在 鍵合金屬絲(球)和焊盤上，實現金屬絲(球)與焊盤間的金屬鍵合的方法。當前90%以 上的微電子封裝互連均采用超聲引線鍵合技術實現，而對鍵合質量的檢測都采用離線抽樣 檢測，這種方法時效性差，等抽檢到鍵合失效，往往已經產生了大量次品，導致成品率大幅 下降。隨著封裝在芯片制造中的成本逐漸增加(目前接近80%)，鍵合速度加快(15 20線 /秒)、焊盤間距縮小(6(T40um)，業界期待發展超聲鍵合質量在線監測與判別技術，來提高 鍵合可靠性和成品率。由于超聲鍵合是一個多變量耦合作用的復雜動態過程，目前一直沒 有形成實用的鍵合質量在線監測與判別方法。 近10年相關研究主要有1998年，S. W OR等人在超聲引線鍵合換能器的壓電堆 中安裝額外的壓電傳感器，并以鍵合過程中壓電傳感器的輸出信號變化過程來判斷鍵合強 度。類似地，2002年Michael等人在換能器壓電堆中嵌入傳感器，并根據壓電傳感器信號區 分鍵合的"好"和"壞"，特別是受污染表面的鍵合。這些方法雖然可檢測出鍵合失敗，但在 壓電堆中嵌入的傳感器嚴重影響了換能器性能，并沒有應用在實際生產中。還有一些則通 過測量引線變形和測量換能器的振動等來判斷鍵合質量的方法，由于需要增加價值超過鍵 合設備數倍的測量設備，也難以應用到實際生產中。

發明內容
本發明的所要解決的技術問題是提供一種芯片封裝互連中的超聲鍵合質量在線 監測判別方法及系統。該方法和系統能實現在任意鍵合條件下，通過對鍵合過程中換能器 驅動電信號的分析與特征提取，從而實時判斷當次鍵合是否成功，并為失敗的鍵合提供補 救的機會或標記，以提高芯片封裝互連的生產效率和可靠性，由此可以大大節約芯片封裝 的成本。 本發明的技術構思是發展通過檢測換能器電信號來判斷鍵合質量的方法，可以 不影響換能器的性能，同時不需增加設備的硬件投入。這種方法的依據是對超聲鍵合機理 的認識。按照目前對鍵合機理的理解，超聲鍵合過程分為三個階段首先，引線和焊盤在鍵 合作用下接觸在一起運動，并產生最初變形；然后超聲能量經變幅桿和劈刀傳遞到鍵合面， 在接觸面周邊產生微鍵合點，初步形成鍵合強度；最后超聲能量使接觸面積增大、微鍵合點 數量增多、鍵合深度增加，由此形成超聲鍵合強度。上述過程中，換能器系統阻抗、固有頻率 隨鍵合界面狀態的變化而變化，并反映為換能器驅動電壓電流的變化，且鍵合過程不同，強 度不同，其變化過程也不同。因此，結合鍵合機理認識，發掘變化過程的特征，找到反映強度 生成過程的特征，就可以實現鍵合質量在線檢測與判別。
為解決上述技術問題，本發明所采用的技術方案為 —種芯片封裝互連中的超聲鍵合質量在線監測判別方法，其特征在于，包括以下 步驟 步驟A :在鍵合過程中采集換能器的驅動電流信號；根據采集的驅動電流信號獲 取以下8個特征值 1)所述電流信號的基頻信號有效值平均值avereng ;
2)所述電流信號的鍵合過程中基頻有效值最小值min ;
3) 鍵合過程中所述電流信號的基頻有效值的最大值與最小值之差diff ;
4) 對所述電流信號進行解調處理后的調制信號過零點數NumO ;

5)所述電流信號的基頻有效值tl-t2內的方差varl， tl取50_70ms， t2取
90-110ms ;tl、 t2在不同鍵合條件下取值不同，以上給出的是一般取值。
6)所述電流信號的基頻有效值tl-t2內的平均值meanl， tl取50_70ms， t2取
90-llOms ;tl、 t2在不同鍵合條件下取值不同，以上給出的是一般取值。
7)對所述電流信號進行FFT變換后幅值最大的頻率點，即基頻頻率值f ; 8)對所述電流信號進行FFT變換后幅值最大的頻率點對應的幅值famp ; 步驟B):構造神經網絡，步驟A)中所述的8個特征值作為神經網絡的8個輸入量；
神經網絡的輸出為一個，輸出值為0或l，O表示鍵合失敗，1表示鍵合成功； 步驟C):按照步驟A)采集8個特征值的多組樣本對步驟B)中的神經網絡進行訓
練；訓練成功后，運用該神經網絡對芯片封裝互連中的超聲鍵合質量進行在線監測與判別。
在所述的步驟A)中 所述電流信號的基頻信號有效值平均值avereng的計算力、
<formula>formula see original document page 5</formula>1000 所述電流信號的鍵合過程中基頻有效值最小值min的計算公式為
min = min (D丄(51:1000)); 鍵合過程中所述電流信號的基頻有效值的最大值與最小值之差diff的計算公式
為diff = max (D丄(51:1000)) -min (D丄(51:1000)); 其中D工為電流信號的基頻信號有效值，D工的計算公式為 A <formula>formula see original document page 5</formula>，
length (S)/200

200
;S為所述電流信號，
(51:1000)表示取Di第51到第1000個點，對應的時間是10_195ms ; 4)所述方差varl的計算公式為
<formula>formula see original document page 5</formula> 5)所述平均值meanl的計算公 為<formula>formula see original document page 6</formula> 其中5為60-100ms內平均值。 —種芯片封裝互連中的超聲鍵合質量在線監測判別系統，其特征在于，包括用于
采集換能器的驅動電流信號的數據采集裝置；用于對數據采集裝置所采集的信號進行數據
處理的數據處理裝置；用于根據輸入量判別是否鍵合成功的神經網絡辨識器；所述的數據
采集裝置與數據處理裝置連接，所述的數據處理裝置輸出8個特征值作為所述的神經網絡
辨識器的輸入量；所述的神經網絡辨識器的輸出量為辨識結果，輸出量的值為O或l，O表示
鍵合失敗，1表示鍵合成功；所述的8個特征值如下 1)所述電流信號的基頻信號有效值平均值avereng ; 2)所述電流信號的鍵合過程中基頻有效值最小值min ; 3)鍵合過程中所述電流信號的基頻有效值的最大值與最小值之差diff ; 4)對鍵合過程中所述電流信號進行解調處理后的調制信號過零點數NumO ; 5)所述電流信號的基頻有效值tl-t2內的方差varl， tl取50_70ms， t2取
90-110ms ;tl、 t2在不同鍵合條件下取值不同，以上給出的是一般取值。
6)所述電流信號的基頻有效值tl-t2內的平均值meanl， tl取50_70ms， t2取
90-llOms ;tl、 t2在不同鍵合條件下取值不同，以上給出的是一般取值。
7)對所述電流信號進行FFT變換后幅值最大的頻率點，即基頻頻率值f ; 8)對所述電流信號進行FFT變換后幅值最大的頻率點對應的幅值famp。 超聲鍵合是通過超聲振動和劈刀壓力的作用，將金屬絲(球)焊接到芯片焊盤和
基板引腳上，從而將芯片與基板的電路連接在一起的技術。在鍵合過程中，隨著鍵合界面連
接強度的逐步形成，金屬絲(球)、劈刀、芯片、基板所組成的界面工況不斷改變。 一方面使
得系統機械特性(共振頻率、振型等)發生改變，表現為劈刀振動振動頻率和驅動信號頻率
的改變；另一方面使得系統消耗的功率發生改變，表現為PZT(壓電陶瓷)驅動電流和電壓
幅值的改變。同時使得系統劈刀、金屬絲(球)和基板之間的阻尼及鍵合界面微觀特性發
生改變，表現為電流幅值和諧振頻率的改變。而這些信號的不同將導致不同的鍵合質量，因
此，提取這些信號的變化可以判斷鍵合質量的好壞。 根據上述思路，本發明的內容包括采集換能器驅動電流電壓信號，然后采用小波 分析、快速傅里葉變換等方法，提取信號在鍵合過程中的變化特征，并將此特征輸入經過訓 練的神經網絡，從而獲得鍵合是否成功的判斷。 本發明所述的超聲鍵合質量在線監測系統由數據采集卡、信號采集程序、信號分 析程序、神經網絡程序等組成。
本發明的工作流程為 首先采用常規的方法設定好鍵合參數，確保大部分鍵合能鍵合上，使用數據采集 卡采集該鍵合條件下200組以上的換能器驅動電流和電壓樣本數據，保存這些數據供樣本 分析使用。 使用拉剪測試機測試這些鍵合樣本，按照工業標準確定這些鍵合是否成功。
使用信號分析程序對上述保存的數據進行分析處理，提取與鍵合質量有關的特 征。
將上述特征作為輸入，上述拉剪測試機測試結果(是否成功)作為輸出，輸入人工 神經網絡進行訓練，訓練成功后保存該網絡，即可投入實際在線使用。 在線使用時，把數據采集、信號分析和神經網絡程序與超聲鍵合系統實時通訊，當
鍵合完成后，超聲鍵合質量在線監測系統根據該次鍵合的信號特征將判斷出該次鍵合是否
成功，并反饋給鍵合系統，如果鍵合失敗，會提醒用戶，否則進行下一個鍵合。 當改變鍵合參數后，重復上述廣5步即可。 芯片封裝互連中的超聲鍵合質量在線監測與判別系統包括 —個能同步采集超聲鍵合過程中換能器驅動電流、電壓信號的數據采集系統，包 括信號傳感電路和采集軟件； —個能實時提取上述信號特征的信號分析系統； —個能實時學習并識別特征的鍵合質量判斷系統(在本發明中為一人工神經網 絡軟件)； 超聲鍵合質量在線監測系統，其特征在于采集系統采集的換能器驅動電信號易
于檢測，采集所需的傳感電路的搭建并不會影響鍵合機換能系統的性能，同時也不要增加
昂貴的設備和成本；使用小波分析、快速傅里葉變換等數字信號處理方法對上述信號進行
實時處理，獲得信號中包含的與鍵合質量相關的特征；使用經過預先訓練的人工神經網絡，
根據這些特征值判斷出當次鍵合是否成功。 本發明所具有的有益效果 本發明通過對鍵合過程中各參數對鍵合結果的影響，提煉出與鍵合質量密切相關 的8個特征量，在根據這些特征量對鍵合成敗進行識別，具體來說，本發明巧妙的通過對鍵 合過程中換能器驅動電信號的分析與特征提取，從而實時判斷當次鍵合是否成功，并為失 敗的鍵合提供補救的機會或標記，以提高芯片封裝互連的生產效率和可靠性，由此可以大 大節約芯片封裝的成本。 采用本發明的方法以后，可以將互聯的引線失效率從目前的百萬分之100-50降 低到百萬分之10以下。 與其他鍵合質量判斷方法相比，本發明通過分析易于檢測的換能器驅動電信號， 能實時在線的判斷出鍵合質量的好壞。傳感電路不影響換能器系統的性能，不需要引進昂 貴的設備，具有成本低、響應快、效率高和大大提高芯片封裝的可靠性等優點。


圖1為本發明的工作流程圖； 圖2為信號采集傳感電路示意圖；其中1-變幅桿；2-超聲振動方向；3-劈刀；
4-工作臺；5-PZT。 圖3為電流信號中各頻率段信號； 圖4為鍵合失敗時的電流諧波； 圖5為解調后信號對比((a)鍵合成功；(b)鍵合失敗)； 圖6為無引線鍵合時的電流信號； 圖7為懸空鍵合時的電流信號； 圖8為污染表面鍵合時的電流信號(a)鍵合失敗，(b)鍵合失敗(c)鍵合成功;
7
圖9為部分鍵合失敗時的電流有效值曲線(a)電流幅值突然變大，鍵合失敗，(b)
電流幅值波動劇烈，鍵合失敗； 圖10為訓練值與期望值對比； 圖11為對所有鍵合進行識別的結果。 圖12改變鍵合條件下的鍵合質量識別(a)改變鍵合條件下的神經網絡訓練結果 (b)改變鍵合條件下的神經網絡應用結果。
具體實施例方式
下面結合附圖和具體實施方式
對本發明作進一步說明。 本發明是在WS3000型粗鋁絲超聲引線鍵合機平臺上實現的。由于超聲鍵合的超 聲系統及其鍵合機理均類似，因此本發明也完全可以應用在熱超聲引線鍵合、熱超聲倒裝 鍵合系統中。
實施例1 : 以WS3000型粗鋁絲超聲引線鍵合機為平臺，本發明的具體實施過程為 首先構建了一個用于超聲鍵合質量在線監測的多通道高速數據采集系統，實現了
鍵合過程中換能器驅動電壓、電流信號的同步采集。該系統由PCI高速數據采集卡、采集軟
件和信號傳感電路組成。信號傳感電路如圖2所示。采集信號為經過換能器壓電陶瓷的電
流和其兩端的電壓，引出電壓為U2 ，電流通過9歐姆的電阻采樣轉換成電壓U1 ，由于采集系
統的輸入阻抗很高，電流采樣電阻的阻值很小，所以信號傳感電路的接入對原換能系統沒
有影響。在大功率超聲鍵合中，PZT驅動電壓高于數據采集卡能夠承受的最高電壓，因此采
用能衰減IO倍的BNC探頭接入采集卡，衰減后輸出電壓U2，本發明實驗中電壓已衰減。 各路實測信號與實際信號的關系如下 電流I = Ul/9 X 1000 (mA) 電壓U二U2X10(V) 采集軟件采用LabView編寫，除了主要的采集功能，軟件還包括采集卡的各個參 數設置、采集數據顯示、頻譜分析結果顯示、用戶操作響應、數據保存、意外錯誤處理等輔助 功能。 獲得上述信號后，本發明編寫了 Matlab程序，使用小波時頻分析方法提取了電流 信號的特征，并根據鍵合的強度，獲得了特定鍵合條件下電流信號特征與鍵合強度的關聯 關系，這些關聯可用于鍵合質量的在線判別。
小波分析與特征提取 1、在鍵合壓力為3. 5格(約12. 2N)、鍵合時間為3. 5格(約200ms)、鍵合功率為 4.7格(約0.8W)的鍵合條件下，絕大多數鍵合都能有很好的鍵合強度。對換能器驅動電 流信號進行小波包分解，得到其基頻、倍頻、三倍頻、四倍頻信號的有效值曲線如圖3所示。 在此鍵合條件下，如果電流衰減緩慢，10-195ms內電流衰減幅度小于3mA，則表明鍵合過程 中鍵合質量始終沒有形成；鍵合時后半段(100-195ms)電流平均值很大，超過12mA，阻抗很 小，則表明最后鍵合質量沒有形成；最終表現為鍵合失敗，如圖4所示。
圖中有效值曲線計算公式為
8/ 1 (i+l)， ^Di;i = , — T" i=0，l， ......length(S)/200 (1)
其中，S為電流分量信號，D為有效值信號。 根據以上分析，對大量數據處理后可知，在該鍵合條件下，如果在鍵合過程中電流
流
信號10-195ms內基頻有效值平均值大于13mA，有效值最小值大于llmA，有效值最大值與最 小值之差小于3mA，則鍵合失敗。其信號特征提取如下
基頻信號有效值平均值avereng，其計算公式為
1 !0ffl 讚腦g = i i i
(2) 鍵合過程中基頻有效值最小值min，其計算公式為
min = min(D丄(51:1000)) (3) 鍵合過程中基頻有效值最大值與最小值之差diff ，其計算公式為
diff = max (D丄(51:1000) )-min(D丄(51:1000)) (4) 其中Di為基頻有效值，Dj51:1000)表示取D:第51到第1000個點，對應的時間是 10-195ms。 2、對換能器驅動電流信號進行解調處理，可以得到其中的調制信號。對于鍵合成 功和鍵合失敗的電流信號的解調，得到的結果有明顯差異。如圖5所示，鍵合失敗時解調后 信號無規則，而鍵合成功時的電流信號解調后信號趨于規則。根據此分析，提取特征值為
4)解調后調制信號過零點數NumO ; 如果調制信號在10-195ms內過零點數少于4個，則將導致鍵合失敗。
3、在鍵合過程中如出現無引線情況也屬于鍵合失敗。此時電流各頻率段信號如圖 6所示。與正常鍵合(圖3)時相比，此時幅值變化平緩，雖有一點衰減，但不明顯，峰值在 16mA以上，而正常鍵合時電流峰值均在15mA以下。此時表現出的特征同第1點分析。
4、如果鍵合時劈刀固定失效而向上滑動，就會出現懸空鍵合的情況，即鍵合時劈 刀根本沒有接觸到基板。在此情況下電流信號幾乎沒有衰減，變化不明顯，幅值明顯較大， 峰值在23mA附近。如圖7所示。此時表現出的特征亦同第l點分析。
5、在鍵合過程中，如果芯片焊盤表面有氧化及污染物，在鍵合過程中將嚴重影響 鍵合質量的形成。使用這種焊盤進行鍵合時，換能器驅動電流信號隨鍵合的污染情況而變 化復雜，大多數鍵合都會失敗。如圖8所示，污染表面進行鍵合時電流峰值比正常鍵合時 大，但比懸空鍵合時小，如果幅值變化平緩，則鍵合失敗。在此情況下即使鍵合成功其鍵合 強度也比正常時低。此時表現出的特征亦同第1點分析。 6、在鍵合過程中，部分鍵合失敗的電流信號出現突變點，如圖9所示，與圖3相 比，表現為tl-t2內變化很大，tl、 t2在不同鍵合條件下取值不同，一般tl取50-70ms， t2 取90-110ms ;本鍵合條件下，tl-t2為60-100ms，其標準差大于8mA，平均值相對較小，小于 llmA。因此可以提取特征為 5)基頻有效值60-100ms內方差varl，其計算公式為
9<formula>formula see original document page 10</formula>
6)基頻有效值60-100ms內平均值meanl，其計算公式為
1 500 — --(D，(i) - 5)
/■III ■ - .-.，
(6) 其中D為60-100ms內平均值。 7、引線鍵合最終依賴換能系統的諧振以提供所需的超聲能量，系統的諧振頻率最
終是與鍵合界面狀態、阻抗大小等諸多因素有關。對電流信號進行快速傅里葉變換后，其幅
值最大的頻率反映了該次鍵合換能系統的工作頻率，其大小在換能器固有頻率附近變化，
如果該頻率值遠離換能器固有頻率，則超聲鎖相失敗，將導致鍵合失敗。該頻率反映了鍵合
界面狀態、阻抗等信息，因此該頻率也將與鍵合質量相關，同時其幅值大小反應了能量集中
情況，幅值越大則能量越集中，據此提取特征為 7)FFT變換后幅值最大的頻率點，即基頻頻率值f 8) FFT變換后最大頻率對應的幅值f amp 若基頻頻率值f大于60kHz或小于56. 28kHz，則系統鎖相失敗，鍵合也將失敗，若 FFT變換后最大頻率對應的幅值famp小于50mA2，則鍵合過程中能量不集中，鍵合失敗。
基于以上分析，采用小波分析和快速傅里葉變換(FFT)分析方法，在鍵合壓力為 3. 5格(12. 2N)、鍵合時間為3. 5格(200ms)、鍵合功率為4. 7格(0. 8W)的鍵合條件下，提 取8個信號特征分別為電流信號基頻有效值平均值、鍵合過程中基頻有效值最小值、基頻 有效值最大值與最小值之差、解調后調制信號過零點的個數、基頻有效值60-100ms時段內 方差和平均值、FFT變換后幅值最大的頻率點(基頻頻率)和最大頻率對應的幅值。當鍵 合條件改變的時候，則可按照之前的分析方法，重新對鍵合中的電信號進行分析，得到鍵合 成功時特征值取值范圍不再與以上分析時相同，但根據該方法肯定可以得到一組判斷鍵合 成功與鍵合失敗的特征值。
BP網絡的設計
選取BP網絡初始參數如下 神經網絡輸入層節點個數為8個，即以上分析中提取的特征的個數，隱含層為1 層，隱含層節點為15，輸出節點為l，輸出為線性函數輸出。 神經網絡在使用前需要訓練。BP神經網絡的訓練函數有很多，在本發明中采用 Levenberg-Marquardt訓練方法，該方法在表現函數是平方和形式的情況下有很好的收斂 速度。 訓練的參數設置如下
net. trainPar咖.time = inf ;
net. trainPar咖.lr = 0. 05 ;
net. trainPar咖.epochs = 1000 ;
net. trainPar咖.goal = le_5 ;
net. trainPar咖.min_grad = le_10
net. trainPar咖.max—fail = 5 ;
%最大訓練時間
%學習速率
%最大訓練次數
%訓練要求精度，即期望誤差
%最小梯度要求
%最大失敗次數
訓練過程中，只要滿足下面5個條件中的任何一個條件，訓練就會停止 超過最大迭代次數印ochs 。 表現函數值小于誤差指標goal。 梯度值小于精度要求mingrad。 訓練所用時間超過時間限制time。 最大失敗次數超過次數限制max—fail。 訓練過程為測試300-500次鍵合并觀測鍵合的成敗，選取150次正常鍵合、60次 無引線鍵合、60次懸空鍵合、45次污染表面鍵合作為樣本對神經網絡進行訓練。訓練過程 中目標值與訓練值對比曲線如圖10所示。 訓練結束后，應用該神經網絡對已訓練的315次鍵合和實時進行的315次鍵合進 行識別，其結果如圖ll所示(其中l表示鍵合成功，O表示鍵合失敗)，由圖可知，該神經網 絡能有效的識別出所有鍵合失敗的情況。 最后把已經訓練好的網絡應用于超聲鍵合質量在線監測系統中。每一次超聲鍵合 后，采集系統實時采集壓電陶瓷的驅動電信號并送入分析系統中。分析系統根據以上說明 中所述的特征提取方法，得到其8個特征值。神經網絡根據這8個特征值實時判斷出當前 鍵合是否成功。1)如果判斷鍵合成功，則進行下一條引線的鍵合；2)如果判斷鍵合失敗，則 鍵合暫停并報警提示當前鍵合失敗，通知操作工人介入處理，比如在當前芯片上點上標記， 以便在后續封裝過程中將其剔除；或者按照預定的規則，在鍵合點的旁邊重新鍵合一條引 線(即補線)。 當鍵合條件改變時，采用上述方法可以提取其對應的特征和構建監測系統，只是
不同鍵合條件下特征值的數量和特征值的計算公式及其閾值會不一樣。下面舉例分析。在
鍵合壓力為3格(約11N)、鍵合時間為3格(約170ms)、鍵合功率為3格(約0. 6W)的鍵
合條件下，絕大多數鍵合都能有很好的鍵合強度。采用上述步驟提取其特征值如下 1)基頻信號有效值平均值avereng，其計算公式為
1 咖 證削g = :S A 1" 2)鍵合過程中基頻有效值最小值min，其計算公式為
min = min (D丄(41:880)) (8) 3)鍵合過程中基頻信號后半段衰減幅度diff，其計算公式為 diff = max(Di(470:480))-min(Di(870:880)) (9) 4)解調后調制信號過零點數NumO ; 5)FFT變換后幅值最大的頻率點，即基頻頻率值f ; 6) FFT變換后最大頻率對應的幅值famp ; 由于在該鍵合條件下信號過程中沒有出現如圖9所示的突變特征，所以前述特征 基頻有效值60 100ms內方差varl和平均值meanl在此可以不要，以簡化網絡模型。在該 鍵合條件下各特征值與鍵合強度的關系為如果基頻信號平均值avereng大于9mA，鍵合過 程中基頻有效值最小值min大于7mA，鍵合過程中基頻信號后半段衰減幅度dif f小于lmA， 解調后調制信號過零點數NumO少于5個，FFT變換后最大頻率對應的幅值famp小于30mA2， 基頻頻率值f大于60kHz或小于56. 3660kHz ，則鍵合失敗。
采用上述6個特征值構建神經網絡，對100個鍵合樣本進行訓練后對另外100個
鍵合信號進行測試，如圖12所示，這些特征值能很好的識別出鍵合失敗。 采用本發明的方法以后，可以將互聯的引線失效率從目前的百萬分之100-50降
低到百萬分之10以下。 本實例中，采樣頻率為1024kHz。
權利要求
一種芯片封裝互連中的超聲鍵合質量在線監測判別方法，其特征在于，包括以下步驟步驟A在鍵合過程中采集換能器的驅動電流信號；根據采集的驅動電流信號獲取以下8個特征值1)所述電流信號的基頻信號有效值平均值avereng；2)所述電流信號的鍵合過程中基頻有效值最小值min；3)鍵合過程中所述電流信號的基頻有效值的最大值與最小值之差diff；4)對所述電流信號進行解調處理后的調制信號過零點數Num0；5)所述電流信號的基頻有效值t1-t2內的方差var1，t1取50-70ms，t2取90-110ms；6)所述電流信號的基頻有效值t1-t2內的平均值mean1，t1取50-70ms，t2取90-110ms；7)對所述電流信號進行FFT變換后幅值最大的頻率點，即基頻頻率值f；8)對所述電流信號進行FFT變換后幅值最大的頻率點對應的幅值famp；步驟B)構造神經網絡，步驟A)中所述的8個特征值作為神經網絡的8個輸入量；神經網絡的輸出為一個，輸出值為0或1，0表示鍵合失敗，1表示鍵合成功；步驟C)按照步驟A)采集8個特征值的多組樣本對步驟B)中的神經網絡進行訓練；訓練成功后，運用該神經網絡對芯片封裝互連中的超聲鍵合質量進行在線監測與判別。
2. 根據權利要求1所述的芯片封裝互連中的超聲鍵合質量在線監測判別方法，其特征在于，在所述的步驟A)中所述電流信號的基頻信號有效值平均值肌ereng的計算公式為U ,fc^f^ = - / "，國i國誦t3 ,所述電流信號的鍵合過程中基頻有效值最小值min的計算公式為 min = min(D丄(51 : 1000));鍵合過程中所述電流信號的基頻有效值的最大值與最小值之差diff的計算公式為 diff = max (Di (51 : 1000))-min (D丄(51 : 1000));其中Dl為電流信號的基頻信號有效值，Dl的計算公式為；S為所述z=0,l，……^^W(^)/200電流信號，Dl(51 : 1000)表示取D1第51到第1000個點，對應的時間是10-195ms ; 4)所述方差varl的計算公式為其中D為60-100ms內平均值。
3. —種芯片封裝互連中的超聲鍵合質量在線監測判別系統，其特征在于，包括用于采 集換能器的驅動電壓和電流信號的數據采集裝置；用于對數據采集裝置所采集的信號進行 數據處理的數據處理裝置；用于根據輸入量判別是否鍵合成功的神經網絡辨識器；所述的 數據采集裝置與數據處理裝置連接，所述的數據處理裝置輸出8個特征值作為所述的神經 網絡辨識器的輸入量；所述的神經網絡辨識器的輸出量為辨識結果，輸出量的值為0或l，O 表示鍵合失敗，1表示鍵合成功；所述的8個特征值如下1) 所述電流信號的基頻信號有效值平均值avereng;2) 所述電流信號的鍵合過程中基頻有效值最小值min ;3) 鍵合過程中所述電流信號的基頻有效值的最大值與最小值之差diff ;4) 對所述電流信號進行解調處理后的調制信號過零點數NumO ;5) 所述電流信號的基頻有效值tl-t2內的方差varl， tl取50_70ms， t2取90-llOms ;6) 所述電流信號的基頻有效值tl-t2內的平均值meanl， tl取50-70ms， t2取 90-110ms ;7) 對所述電流信號進行FFT變換后幅值最大的頻率點，即基頻頻率值f ;8) 對所述電流信號進行FFT變換后幅值最大的頻率點對應的幅值famp。
全文摘要
本發明公開了一種芯片封裝互連中的超聲鍵合質量在線監測判別方法及系統，該方法和系統首先對鍵合過程中換能器驅動電流信號的分析與特征提取，然后將提取的特征量送入基于神經網絡的辨識器中輸出鍵合成功與否的輸出值，從而實時判斷當次鍵合是否成功，并為失敗的鍵合提供補救的機會或標記，以提高芯片封裝互連的生產效率和可靠性，由此可以大大節約芯片封裝的成本。
文檔編號G01N29/12GK101726542SQ20091030774
公開日2010年6月9日 申請日期2009年9月25日 優先權日2009年9月25日
發明者劉少華, 王福亮 申請人:中南大學