基于深度强化学习的表面贴装路径优化方法

    公开(公告)号:CN119997497A

    公开(公告)日:2025-05-13

    申请号:CN202510312728.6

    申请日:2025-03-17

    Abstract: 基于深度强化学习的表面贴装路径优化方法,解决了现有贴装路径优化方法中采用人工设计规则对数据特征的提取能力较弱,影响贴片机生产效率的问题,属于电器技术及电气工程领域。本发明包括:获取贴片机参数以及电路板生产数据,构建贴装节点候选节点集;将其中每个节点的位置和是否贴装作为输入,使用基于自注意力机制与组合掩码的编码器进行高维数据特征提取,得到节点嵌入;以该节点嵌入为输入,使用基于循环神经网络与注意力机制的解码器输出贴片头‑贴装节点序号分配结果;编码器和解码器组成的策略网络;根据训练完的策略网络的输出,使用动态规划的方法确定各拾贴周期贴装元件的先后顺序,获得最终的贴装路径优化结果。

    基于自动光学检测反馈的表面贴装工艺参数自适应优化方法

    公开(公告)号:CN119126686A

    公开(公告)日:2024-12-13

    申请号:CN202411219961.1

    申请日:2024-09-02

    Abstract: 基于自动光学检测反馈的表面贴装工艺参数自适应优化方法,本发明涉及表面贴装工艺参数的自动优化方法,属于电器技术及电气工程领域。本发明的目的是解决现有的表面贴装工艺参数优化方法依赖于人工调节,无法有效动态自适应地调控各参数,并且不能保证调控效果,从而导致贴装精度和效率降低,贴装缺陷和人工修补工作增多的问题。本发明公开了基于自动光学检测反馈的表面贴装工艺参数自适应优化方法,基于贝叶斯优化方法对贴装高度进行调优,基于粒子群优化方法对吹气延时进行调优,基于移动平均法对贴装偏移量进行自动补偿,完整地给出了基于自动光学检测反馈的自适应优化方法;对各类参数调节实现贴装过程中缺陷减少、贴装精度和效率的提升。

Patent Agency Ranking