基于AI的PCB微钻削过程中刀具断裂预测方法

《JOURNAL OF INTELLIGENT MANUFACTURING》：AI-driven, deflection-based tool breakage prediction in PCB micro-drilling

　　

摘要

印刷电路板在各个工业领域都有广泛应用。随着技术集成和产品小型化的趋势不断发展，对这些电路进行精密微钻加工的需求也在增加。由于印刷电路板通常包含大量孔洞，因此必须持续监测工具状态，以确保最终产品无缺陷。与传统工具不同，传统工具更可能逐渐磨损，而微钻则由于工件材料的微观不均匀性以及因其相对较大的长宽比导致的低刚性等因素，容易突然断裂。此外，微钻复杂的立体几何结构使得难以建立代数式的断裂模型。这些特点使得视觉传感器成为一种有效的解决方案，它能够直接且准确地评估工具状态，从而预测工具是否会断裂。据作者所知，这是首项将基于视觉的微工具累积偏转作为主要特征，利用人工智能来预测印刷电路板微钻加工过程中工具断裂情况的研究。研究结果表明，工具偏转现象较为频繁，且在其使用寿命期间，其不稳定性会逐渐增加。然而，工具偏转的增加并没有遵循任何特定规律，这使得确定性地预测工具断裂变得困难。为了解决这个问题，研究人员将累积的偏转数据转换为基于图像的数据集，并将其作为输入数据输入到人工神经网络中，用于预测工具断裂。结果显示，所提出的基于偏转的模型能够成功地将工具状态分为正常和异常两种情况，准确率高达97%，显著优于基于切削力数据的模型。这充分体现了该方法在精确可靠地预测微钻故障方面的潜力。