微系统集成用倒装芯片工艺技术的发展及趋势

倒装芯片(Flip Chip,FC）技术是一种应用广泛的集成电路电子封装技术。随着电子产品不断向小型化和多功能化方向升级,尤其是在微系统集成领域飞速发展的驱动下,FC技术也在不断发展以满足细节距和极细节距芯片的封装要求。同时,FC技术也在工业化的过程中追求着性能、成本和封装效率的平衡。将FC封装体分为芯片凸点、基板以及底填充材料三个主要部分,深入讨论了FC封装的主流工艺和新兴工艺,介绍了各个工艺的流程及优缺点。此外,还分析了FC封装体在热、力以及电载荷作用下的可靠性问题。     

MRO ASIA 2007在上海成功举行

2007年亚洲航空维修国际会议与展览(MRO Asia 2007)于10月17-18日在上海举行,有1400余名业内人士注册参加此次会展。MRO ASIA 2007由美国航空周刊集团、中国航空器材进出口集团公司和中航传媒集团/国     

电弧熔丝增材及局部塑性变形复合制造技术研究进展

电弧熔丝增材制造是一种适用于大型金属构件快速成形的技术,具有设备成本低、材料利用率高、沉积效率高、自动化水平高和灵活方便等优点,也存在组织性能不良等缺陷。塑性变形是一种改善电弧熔丝增材制造气孔缺陷、组织性能不均匀和残余应力分布的有效方法。由电弧熔丝增材与局部塑性变形结合的复合制造工艺利于实现零件的“控性”,但其复杂的路径规划、复合工具头、振动和压力等增加了形状精度控制难度。总结了层间冷轧、在线热轧、机械冲击、超声冲击、激光冲击等局部塑性变形工艺对电弧熔丝增材制造试件微观组织、残余应力、各向异性和表面质量的影响,分析了复合制造工艺的困境和问题。结合塑性变形对焊接组织的强化规律和电弧增材在线控制,从电弧熔丝增材及局部塑性变形复合制造的“形性双控”的角度展望了未来发展趋势,为电弧增材制备复杂件提供参考。     

Invar合金超声频脉冲电弧增材修复界面组织特征

为提高航空复合材料用Invar合金模具修复再制造的质量,本文对比研究了超声频脉冲电弧和普通直流电弧对Invar合金电弧增材修复熔覆金属界面组织特征的影响。结果表明,通过引入超声频脉冲电流,可在更低的热输入量条件下获得与常规直流电弧相当的熔深。重熔填充金属主要由柱状枝晶构成,重熔母材区主要由胞状晶构成。相比直流电弧,超声频脉冲电弧作用下胞状晶柱状生长可被有效阻断,进而获得短棒状胞状晶。在直流电弧重熔金属区可观察到大量晶间微米尺度热裂纹,而超声频脉冲电弧可有效抑制热裂纹等缺陷。     

电子束熔丝增材制造过程随动测温阵列系统

实时监测电子束熔丝增材制造过程的温度场分布对于抑制变形、提高电子束熔丝增材制造质量具有重要意义.研制了一套电子束熔丝增材制造过程的随行动态测温阵列系统,对整个装置进行了系统设计、硬件集成、软件编写和试验验证.结果表明,该随动测温阵列系统在电子束熔丝增材制造过程的高真空、高温、高辐射、高金属蒸气等恶劣环境中能稳定工作,不...     

轻质复合材料夹芯结构设计及力学性能最新进展

从设计、制备和力学性能方面对轻质复合材料夹芯结构的最新研究成果进行总结,包括复合材料点阵夹芯结构、褶皱夹芯结构以及蜂窝夹芯结构对应的拓扑构型设计和制备工艺,重点从力学性能的理论预报、力学性能实验表征和失效模式分析等角度评述了性能改进的最新研究。通过对轻质复合材料夹芯结构最新研究进展的总结与分析,展望了点阵夹芯结构、褶皱夹芯结构和蜂窝夹芯结构的发展趋势及可能应用领域。     

金属增材制造变形与残余应力的研究现状

金属增材制造中的变形及残余应力对于成形过程及零件性能均会产生一定的影响,两者影响因素众多,在增材制造过程中的演化尚未明确揭示。本文综述了国内外关于金属增材制造变形和残余应力的研究现状,提出"约束力"新概念,为金属增材制造变形和残余应力机理的深入研究提供了新的方法。     

金属零件激光增材制造技术的发展及应用

激光选区熔化技术与选择性激光烧结技术的不同之处在于后者粉末材料往往是一种金属材料与另一种低熔点材料的混合物,成形过程中,仅低熔点材料熔化或部分熔化把金属材料包覆粘结在一起,其原型表面粗糙、内部疏松多孔、力学性能差,需要经过高温重熔或渗金属填补空隙等后处理才能使用;而前者利用高亮度激光直接熔化金属粉末材料,无需粘结剂,由3D模型直接成形出与锻件性能相当的任意复杂结构零件,其零件仅需表面光整即可使用。     

民航动态

华夏航空与庞巴迪签署CRJ900购机合同2月9日,在中加经贸论坛上,华夏航空有限公司与庞巴迪宇航公司签署了6架CRJ900型飞机购机合同,同时还包含5架意向订单。据悉,华夏航空是目前国内唯一专注于支线运输的航空公司。公司现有5架50座级CRJ200     

基于Adaboost的填充式防护结构超高速撞击损伤预测

填充式防护结构的显式弹道极限方程在对弹丸进行超高速撞击损伤预测时,由于填充材料、填充方式的不同,会导致预测结果与实测数据存在一定偏差。对此,采用机器学习方式将该问题转化为二分类问题,以碰撞过程中的弹丸撞击参数、防护结构参数作为分类特征,构建了基于Adaboost的填充式防护结构超高速撞击损伤预测模型。该模型以分类回归树（CART）作为弱分类器,通过对一系列弱分类器的加权组合生成强分类器,并通过对训练样本的循环使用,实现了小样本集下的撞击损伤预测。实验结果表明,建立的Adaboost预测模型对填充式防护结构的超高速撞击损伤具有良好的预测效果,总体预测率与安全预测率相比于NASA的弹道极限方程均提高了14.3%,具有更强的通用性。通过不同训练样本规模下的交叉检验,证明了该模型具有良好的鲁棒性与准确性。