一种高频高速电路板盲槽制造工艺的制作方法

本发明涉及pcb智能制造，具体涉及一种高频高速电路板盲槽制造工艺。

背景技术：

1、高频高速电路板是一种高端印制电路板，主要用于高速通信、航空航天、军工电子等领域。其主要特点包括：

2、（1）多层结构：通常由多层导电层和绝缘层叠压而成，实现高密度布线；

3、（2）混合压层：不同导电层采用不同的介质材料，在满足阻抗匹配的同时降低介质损耗；

4、（3）高频传输：采用低损耗高频覆铜板材料，配合严格的阻抗控制，支持数十ghz的高速信号完整传输。

5、在多层板中，为实现不同层之间的导通互连，需要在内层板上加工大量的导通孔（via），其中盲槽是一种特殊的导通孔，它起始于某一层，终止于埋藏在内层的另一层盲槽的制造工艺直接关系到电路板的几个关键性能指标：

6、（1）导通可靠性：盲槽内壁粗糙度和导电性能影响层间互连的可靠性；

7、（2）阻抗连续性：盲槽深宽比和内壁金属镀覆厚度影响传输线路的阻抗匹配特性；

8、（3）信号完整性：盲槽形状和尺寸的波动会引入不连续性，造成信号反射、衰减等。

9、因此，精确控制盲槽形态对保证高频高速信号的传输质量至关重要。

10、目前，盲槽主要采用机械钻孔和激光钻孔两种方式加工。机械钻孔采用超细钨钢钻头（直径0.1-0.3mm），通过cnc系统控制钻头在指定位置钻孔。该方法成本低、效率高，但钻孔位置精度和一致性差，内壁粗糙，易产生毛刺，难以满足大尺寸、高密度电路板的要求。

11、激光钻孔采用co2激光器或uv激光器，通过聚焦高能激光束烧蚀介质材料实现钻孔。该方法定位精度高，热影响区小，可加工更小的孔径（0.05-0.1mm）。但受材料不均匀性、激光功率波动等因素影响，盲槽内壁存在熔融飞溅、碳化等缺陷，孔径深宽比受限。此外，激光参数优化高度依赖专家经验，准备周期长。

12、近年来，以深度学习为代表的人工智能技术在pcb智能制造领域开始展露头脚，为解决复杂工艺难题提供了新的途径。

13、（1）智能建模：通过智能算法，自动学习电路板设计参数（如层数、材料、布线等）到加工参数（如激光功率、频率、扫描速度等）的映射关系，简化工艺优化流程；

14、（2）精确控形：深度学习善于处理高维复杂数据，通过引入孔内壁形貌、材料去除率等工艺状态量，实现盲槽全参数优化，可精确控制盲槽尺寸和形状；

15、（3）自适应调优：基于工件实时反馈信息，自适应优化工艺参数，可补偿材料特性波动、设备状态漂移等干扰因素，实现质量一致性控制；

16、由于高频高速电路板对盲槽制造提出了更高的精度和效率要求，传统工艺已难以满足，函需开发智能化制造工艺，我们与相关研究机构进行合作，提出了一种高频高速电路板盲槽制造工艺。

技术实现思路

1、在盲槽制造工艺中，电路板的设计参数（如板层数、材料属性、盲槽尺寸、深宽比、孔壁粗糙度、内壁金属化厚度等）与加工参数（如钻孔方式、激光功率、频率、入射角度、钻头转速、进给速度等）之间存在复杂的非线性关系，决定了盲槽的最终质量。传统制造依赖专家经验总结这种关系，存在效率低、适应性差等不足。

2、本发明受bert启发，尝试将类似的预训练-微调范式引入到盲槽制造工艺建模中，提出了一种高频高速电路板盲槽制造工艺，利用bert强大的特征提取和关系建模能力，实现从电路板设计到盲槽质量的端到端预测，并指导加工参数优化。具体而言，将大量不同设计的电路板样本及其加工参数和测试结果汇集成数据集，通过自监督预训练学习其中蕴藏的制造工艺知识，构建通用的盲槽质量预测模型；当新的电路板设计到来时，即可利用预训练模型从参数化的cad设计文件中快速提取板材料、叠层、布线等特征，预测在不同加工参数下盲槽的尺寸、孔型、粗糙度、金属化层厚度等质量指标，筛选出最优工艺参数组合。

3、具体而言，本发明提出了一种高频高速电路板盲槽制造方法，该主要包括以下3个关键步骤：数据采集与预处理、bert模型训练、基于bert的盲槽参数优化。下面对各步骤进行详细阐述。

4、步骤1.数据采集与预处理：收集大量不同设计的电路板样本及其制造全流程数据，包括原料参数、叠层结构参数、布线设计参数、盲槽设计参数、钻孔加工参数、金属化方法参数和品质检测数据。对原始数据进行系统的预处理，包括按照产品类型进行数据聚类、参考流程规范进行数据清洗、采用数字化与符号化相结合的方式对设计和方法参数进行特征表示，并对品质检测数据进行最大最小值归一化处理。最终将异构方法大数据转化为结构化的"设计参数-方法参数-质量结果"数据集，并按照8：1：1的比例随机划分为训练集、验证集和测试集。

5、步骤2.bert模型训练：采用多层堆叠的编码器结构，包含多头自注意力机制和前馈神经网络两个子层，通过随机初始化和自监督学习任务（掩码语言模型和下一个参数预测）在大规模无标注方法参数序列上预训练多个epoch。然后在品质预测任务的标注数据上进行微调，采用均方误差损失函数和学习率warmup策略，训练多个epoch，使bert模型能够从制造大数据中习得丰富的方法知识，建立起设计、方法与品质间的关联。

6、步骤3.基于bert的盲槽参数优化：将新电路板的设计参数与待优化的加工参数拼接为优化变量，输入训练好的bert模型，得到孔径误差、圆度偏差、内壁粗糙度和金属化层厚度偏差等品质指标的预测值。将各品质指标预测值构建为多目标函数，形成一个限定多目标优化模型，采用nsga-iii多目标进化算法求解。通过非支配排序和参考点选择来优化种群，经过多轮进化逼近pareto前沿面，最终输出非支配解作为最优工艺参数组合。

7、本发明的有益效果如下：通过将bert引入盲槽参数优化，实现了从电路板设计参数到盲槽加工品质的双头建模，克服了传统经验模型的局限性。利用bert强大的特征提取和关系建模能力，可以从海量制造数据中学习到隐含的工艺知识，揭示设计、工艺、品质间错综复杂的非线性关联。从而在源头提高pcb生产效率和产品质量。

技术特征：

1.一种高频高速电路板盲槽制造工艺，其特征在于，所述工艺包括如下步骤：

2.如权利要求1所述的一种高频高速电路板盲槽制造工艺，其特征在于，步骤1包括：

3.如权利要求1所述的一种高频高速电路板盲槽制造工艺，其特征在于，

4.如权利要求3所述的一种高频高速电路板盲槽制造工艺，其特征在于，所述多目标优化模型采用nsga-iii算法进行求解，具体流程如下：

技术总结
本发明涉及PCB智能制造技术领域，特别提出了一种高频高速电路板盲槽制造工艺，盲槽作为实现层间互连的关键结构，其制造工艺直接影响电路板的性能和可靠性。传统的盲槽制造工艺难以满足日益提高的精度和效率要求。本发明通过端到端学习电路板设计参数与加工参数之间的映射关系，实现盲槽制造加工参数的智能优化，提高盲槽制造精度，缩短工艺准备时间。

技术研发人员：马永浩
受保护的技术使用者：四川龙裕天凌电子科技有限公司
技术研发日：
技术公布日：2024/9/23