基于LabVIEW平台的SMT贴片机路径优化的说研究.pdf - 第29页
湖北工业大学硕士学位论文 装循环中贴片头的移动速度为常数，忽略加（减）速对整个贴装循环时间的影响 （５）喂料器容量足够，保证每次都能成功吸到元件。实际贴装过程中，如上一 节所述，由于送料器上已经无料等多种复杂因素的影响，会导致实际吸嘴在取料 时可能取不到芯片。本文假定在不更换送料器的情况下全部可以由供料器提供， 且供料器无元件类型冗余，且发生取料动作的吸嘴都能够正确取到芯片，并且只 需动作一次。 （６）忽略从取料（Ａ点）到ＣＣＤ（Ｂ点）…
湖北工业大学硕士学位论文
元件的数量、种类的影响。
（３）元件的吸取、贴装顺序。合理的吸取、贴放顺序将在很大程度上缩短贴
片头的移动距离。
（４）吸嘴成功吸取元件的概率。由于不同芯片的大小和重量不同、同一芯片
的摆放位置略有差异、取料气压发生变化、送料器上已经无料等多种复杂因素的
影响，实际吸嘴在取料时可能取不到芯片。
（５）抛料工艺。实际贴装过程除包含取料、校正和贴放工艺动作以外，还有
一个抛料工艺。在取料完成后，贴片头移动到取像点，取像点处的ＣＣＤ相机获取
实际的芯片图像进行分析。有两种可能的分析结果：一是经图像分析能够获得所
需的贴装偏移量，这表明该芯片完好，可以贴装；二是图像分析结果表明芯片有
缺陷，该芯片不能用于贴装，贴片头需要运动到指定抛料处将该芯片抛掉。
在所有影响因素中，最重要的为（１）、（２）、（３）。本文正是考虑了以上因素，
将侧重于通过调整供料器排放位置、取料顺序和贴放顺序，以优化贴装工艺流程
从而提高生产效率。
３．２问题简化
贴片机贴装工艺优化是一个极其复杂的问题，若精确考虑每一个因素的影响
将使求解非常困难，并且是没有必要的。为了简化集成优化模型，因此我们需要
做出如下假设：
（１）由于抛料率非常低（＜０．５％），所以在优化的数学模型中忽略抛料工艺。
（２）各种不同的元件没有元件等级差别。贴片机贴装的元件大多为ＣＨＩＰ元件
或ＩＣ芯片。对ＩＣ芯片（其封装形式如ＱＦＰ，ＢＧＡ等）首先要求的是贴片精度，
其次才是速度，而对ＣＨＩＰ元件的要求恰恰相反。同时在一般情况下，ＰＣＢ上ＣＨＩＰ
元件的数量要远远大于ＩＣ芯片的数量，因此在集成优化模型中可以只考虑ＣＨＩＰ
元件的贴装，而不考虑ＩＣ芯片。
（３）由于吸嘴在Ｚ轴的移动距离相对贴片头在Ｘ，Ｙ轴移动距离可以忽略不记，
所以在研究路径优化时只考虑贴片头在Ｘ，Ｙ轴的移动。
（４）贴片头的移动速度为一常数，忽略加减速对循环时间的影响。贴装循环具
有短时间、短行程、高加（减）速度及快速反复动作的特点，即在极短的时间
（Ｏ．卜０．０ｌｓ）和行程（０．卜１０ｍ）内需完成贴片头的加速起动、工作＋、减速停止
并快速反复动作，这其中还需要完成芯片的视觉校正工作。因此，可以假设在贴
湖北工业大学硕士学位论文
装循环中贴片头的移动速度为常数，忽略加（减）速对整个贴装循环时间的影响
（５）喂料器容量足够，保证每次都能成功吸到元件。实际贴装过程中，如上一
节所述，由于送料器上已经无料等多种复杂因素的影响，会导致实际吸嘴在取料
时可能取不到芯片。本文假定在不更换送料器的情况下全部可以由供料器提供，
且供料器无元件类型冗余，且发生取料动作的吸嘴都能够正确取到芯片，并且只
需动作一次。
（６）忽略从取料（Ａ点）到ＣＣＤ（Ｂ点）的时间。
３．３贴装工艺的数学模型
设ｆ１表示吸嘴从某一个高度运动到元件表面并完成取料的时间，对同一贴片
机，‘为常数；如表示吸嘴从某一高度运动到ＰｃＢ表面并完成贴放的时间，对同一
贴片机，乞为常数；厶表示贴片头从本轮取料点移动到本轮贴装点的时间；岛表示
从取贴循环ｉ的贴片点移动到取贴循环ｊ的取料点的时间；Ｎ表示ＰＣＢ板总的贴
装点数量；Ｌ表示循环总次数，则贴装时间Ｔ为：
Ⅳ
丁＝罗（‘＋ｆ２＋岛＋勺）
Ｇ；ｏ，１’・・说一１；ｊ『＝Ｌ２，・・仇）
（３．１）
荔
由于３．２中的假设，在贴片工艺优化中可以忽略ｆ１，Ｌ。因为研究的是单贴片
头，所以每次循环只能吸取一个元件，所以循环次数为Ｎ。我们假定贴片头运动速
度为常数，则可把求最优贴装时间转化为求贴片机最优路径问题。
设Ｓ表示贴片头从本轮取料点移动到本轮贴装点的距离，Ｓ表示贴片头从本
轮贴装点移动到下轮取料点的距离，Ｓ为贴片头移动距离：
Ⅳ
ｓ＝罗（Ｓ＋ｓ：）
（３．２）
３．４
ＴＳＰ问题
由公式（３．２）可以看出在一个ＰＣＢ板上要贴装许多元件。板上元件的位置己知。
这些元件由一个吸嘴（Ｎｏｚｚｌｅ）来贴装。它从取料位置开始，移动到每一个元件位
置贴装，然后回到取料位置。总共花的时间是贴装所有元件的时间与吸嘴移动的
时间。贴装所有元件所需的时间独立于贴装顺序。然而，吸嘴移动时间是吸嘴移
动距离的函数。因此，希望找到贴片头最短的移动路径。如何使ＳＭＴ机的贴片头
移动距离最短，我们称它为电路板问题ｎ扪。这也是典型的旅行商问题（Ｔｒａｖｅｌｌ
ｉｎｇ
湖北工业大学硕士学位论文
Ｓａｌｅｓｍａｎ
Ｐｒｏｂｌｅｍ，简称ＴＳＰ）。
ＴＳＰ问题是经典的组合优化问题：给定Ｎ个城市，有一个旅行商从某一城市出
发，访问各城市一次且仅有一次后再回到原出发城市，要求找出一条最短的巡回
路径【７１。也可用图论描述设ｃ＝｛ｏ，１，・・研一Ｕ是ｎ个城市的集合，￡＝职『Ｉｑ，ｃ『∈ｃ】．任
是集合中元素城市两连接的集合，
ｄ；ｆＯ，．ｊ『＝１，２，…甩）是２：ｆ『距离，即
略＝√＠一工Ｊ）２＋（ｙ；一ｙ∥，Ｇ一（ｃ，￡）是一个有向图，从有向图Ｇ中找出长度最短
的Ｈｉｍｉｌｔｏｎ圈。
ＴＳＰ问题的搜索空间随着城市数Ｎ的增大而迅猛增大，所有的路线组合数为
仍一１）！／２，这就产生了所谓的“组合爆炸’’问题。如果万一５０，则共有３．０４１４×１０６２
条路线。若采用穷举搜索法在如此庞大的搜索空间中寻求最优解，即使是使用每
秒计算一亿次的巨行计算机，所需时间也要为５×１０４８年，这显然是不现实的。
作为图论的经典问题，ＴＳＰ问题一直是一个在工程规划、地理信息系统、军事
等领域应用十分广泛的问题，对该问题的研究有着重要的理论和应用价值。
３．４．１
ＴＳＰ问题的意义
ＴＳＰ问题是最有代表性的优化组合问题之一，它的应用已逐步渗透到各个技术
领域和我们的日常生活中，至今还有不少学者在从事这方面的研究工作，一些项
目还得到美国军方的资助。ＴＳＰ问题无论是在理论上还是实际应用上都有非常重要
的意义。
ＴＳＰ问题在图论的意义下就是所谓的最小Ｈｉｍｉｌｔｏｎｎ踟圈问题，在许多领域有
着广泛的应用，常作为比较算法性能的标志。而且ＴＳＰ问题是已知的几百个ＮＰ完
全问题中的一个。研究它的重要性在于所有的ＮＰ完全问题在数学上都等价于ＴＳＰ。
许多实际问题也都可抽象为ＴＳＰ问题，比如说交通管理，网络路由以及大规模的
生产过程。
ＴＳＰ问题还可延伸到其他行业，如运输业、后勤服务业。然而，由于ＴＳＰ问题
随着问题规模的增大会产生组合爆炸的问题，因而寻找其实际而高效的算法就显
得非常重要了。
３．４．２
ＴＳＰ问题的求解方法
在求解ＴＳＰ的算法的过程中，人们一直在寻找切实有效的方法，按其出现的
时间大致可分为传统算法和智能演化算法。传统方法有精确算法和近似优化算法，
精确算法又有线性规划方法、动态规划方法、分支定界方法等，而近似算法有插