Multi-channel multi-frequency eddy current detection of lithium battery welds in aviation field
-
摘要:
为了实现航空锂电池极耳极板激光焊缝的高效准确检测，设计制作了带有层析成像功能的多通道多频涡流检测系统. 采用该系统及5通道防干扰差分结构涡流传感器对极耳极板焊缝中的局部断焊、整体漏焊、焊缝变形内凹、微小缺陷等典型缺陷进行检测，并基于趋肤效应原理，采用层析成像技术对焊瘤缺陷进行扫查成像. 结果表明，研发的带有层析成像功能的多通道多频涡流检测系统可有效检测出锂电池极耳极板焊缝中的多种典型缺陷，最小可检测$\phi $1 mm的缺陷，层析成像技术可实现不同深度下缺陷的形貌观测. 通过对大量检测结果的对比分析，总结了缺陷种类、位置及长度的判别方法，提出了一套缺陷判别流程与评定准则，为实现锂电池极耳极板焊缝检测的工程化奠定了良好的基础.
Abstract:In order to realize the efficient and accurate detection of laser welds of aviation lithium battery, a multi-channel multi-frequency eddy current detection system with the function of tomographic imaging was designed and developed. The system and the 5-channel anti-interference differential structure eddy current sensor were used to detect the typical defects in the tab polar plate weld, such as local incomplete welding, overall missing welding, weld deformation and concave, and micro defect. Based on the principle of skin effect, tomographic imaging technology was used to scan and image the overlap. The results show that the developed multi-channel multi-frequency eddy current detection system with the function of tomographic imaging can effectively detect a variety of typical defects in the tab polar plate weld of lithium batteries, and the smallest defects can be detected at $\phi $1 mm. The tomographic imaging technology enables the observation of defect morphology at different depths. Through the comparative analysis of a large number of test results, the identification methods of defect type, location and length were summarized, and a set of defect identification process and evaluation criteria were proposed, which laid a good foundation for the engineering realization of the lithium battery weld detection.
-
0. 序言
电子封装是通过软钎焊的方式将电子元器件与电路板连接起来，长期以来封装使用的钎料是锡铅合金，尽管锡铅合金具有诸多优越性能，但由于电子设备更新周期越来越短，会产生大量电子垃圾，焊点内的铅会污染土壤和地下水. 随着人们环保意识的增强，发达国家和地区纷纷出台法令法规来限制或禁止铅的使用[1-6]，因此，人们正在积极开发研究新型无铅钎料[7-11]. 在应力作用下，焊接界面金属间化合物(intermetallic compound, IMC)层附近是焊点中变形最不匹配的区域，容易产生应变失稳，一些研究结果表明，焊接界面的IMC层会影响焊点的应力分布状态，此区域应力集中严重时容易发生裂纹的萌生和扩展，引发焊点失效[12-13].
由于焊接界面金属间化合物形貌和尺寸会直接影响到连接界面应力分布、结合强度等力学性能. 因此，研究界面化合物的尺寸分布和生长规律对进一步指导工艺优化、调控界面化合物层具有重要意义. Suh等人[14]发现Cu/Sn45Pb焊点界面化合物粒径与回流时间的立方根成正比，也有研究表明Sn/Cu回流反应时，Cu6Sn5粒径与t0.5成正比[15]. 这种差异来源于钎料种类的不同，不同钎料在熔融状态时对Cu的饱和溶解度不同，这会引起基体Cu原子向钎料的扩散通量的差异. 总体上Cu6Sn5化合物的粒径平均值
$\bar d $ 与回流时间t的关系均可写作$\bar d $ =ktm的形式，k为常数，m为粗化常数. 对于不同的钎料而言，粗化常数存在差异，但m总是小于1，代表晶粒的生长速度随着回流时间的增加逐渐变慢.在诸多无铅钎料中，Sn-Ag-Cu合金被认为是最有可能取代传统锡铅钎料的合金[16-23]. 目前对Sn-Ag-Cu合金的力学性能已有了深入研究[24-25]，但有关Sn-Ag-Cu无铅钎料回流过程中IMC层生长规律的研究相对较少. 文中选用Sn-Ag-Cu合金作为钎料，多晶Cu为基体，制备了一系列Sn3.0Ag0.5Cu/Cu焊点. 在回流温度为240 ℃条件下研究了界面化合物沿平行于界面和垂直于界面方向的生长速度. 通过对大量Cu6Sn5化合物的统计分析得到界面化合物的尺寸分布规律，与理论模型进行对比并给出解释，讨论了界面化合物层的生长机制.
1. 试验方法
选用冷拔多晶Cu为基体材料，其纯度为99.99%，选用Sn3.0Ag0.5Cu焊膏作为钎料. 首先用电火花线切割机按设计好的尺寸加工小块基体材料，依次使用800，1000，2000号的SiC砂纸打磨，随后依次使用粒度分别为2.5，1.0，0.5 μm的金刚石研磨膏进行机械抛光，之后进行电解抛光，消除残余应力，获得平整光亮表面. 电解抛光液配方为：蒸馏水1 000 mL、磷酸500 mL、酒精500 mL、尿素10 g、异丙醇100 mL. 将Sn3.0Ag0.5Cu焊膏均匀地涂覆在抛光好的几组Cu基体表面，然后放入温度为240 ℃的恒温炉中，待钎料熔化后分别在回流态保持2，5，10，15，20 min后，立即将试样从炉中取出，在空气中冷却至室温. 为了观测焊接界面金属间化合物层的厚度，将焊接好的试样按上述方法再次进行打磨和抛光后，使用LEO SUPRA 35型和Gemini SEM 300型场发射扫描电子显微镜观察焊点微观组织和确定成分. 为统计测量界面化合物Cu6Sn5的形貌和粒径分布特征，取一组焊接好的试样，将焊接界面层上面的绝大部分钎料打磨掉，只剩一薄层钎料时直接进行化学腐蚀，使焊接界面上的Cu6Sn5晶粒完全暴露出来，在扫描电镜下观测. 使用Image-Pro Plus软件对界面化合物晶粒的粒径和厚度进行统计测量，IMC的厚度按化合物层的面积除以化合物层的宽度计算.
2. 结果与讨论
2.1 界面化合物的尺寸分布
图1为240 ℃回流2，5，15，20 min时焊接界面化合物Cu6Sn5晶粒的俯视显微形貌. 可以看出，随着回流时间增加，Cu6Sn5晶粒逐渐长大，小晶粒所占比例明显减少.
![]()
图 1 Sn3.0Ag0.5Cu/Cu 240 ℃不同回流时间后的焊接界面化合物Cu6Sn5的俯视显微形貌Figure 1. Top-view scanning electron microscope (SEM) images of Cu6Sn5 formed by the reaction between Sn3.0Ag0.5Cu solder and Cu after reflowing different time. (a) 2 min; (b) 5 min; (c) 15 min; (d) 20 min使用Image-Pro Plus 软件统计了多张扫描照片中的Cu6Sn5晶粒尺寸，图2为Cu6Sn5晶粒的粒径平均值与回流时间的变化关系，可以拟合为表达式(1).
![]()
图 2 Cu6Sn5晶粒的平均粒径与回流时间的关系Figure 2. Relationship between average diameter of Cu6Sn5 grains and reflow time$$ \bar d = k{t^{0.38}} $$ (1) 为了更直观地反应Cu6Sn5晶粒尺寸的分布情况，对多张显微形貌中大量的Cu6Sn5晶粒进行了尺寸统计分析，图3为回流2，5，15，20 min的界面化合物Cu6Sn5晶粒的统计结果，图中横坐标表示Cu6Sn5晶粒的粒径，纵坐标代表每个尺寸区间内的晶粒数占晶粒总数的百分比. 可以看出，随着回流时间增加，晶粒尺寸增大的同时，每个尺寸间隔所对应百分比的差异逐渐减小，即晶粒的尺寸分布更加均匀.
![]()
图 3 Sn3.0Ag0.5Cu/Cu 240 ℃不同回流时间后界面化合物Cu6Sn5晶粒尺寸的统计结果Figure 3. Statistic results of Cu6Sn5 grains formed between Sn3.0Ag0.5Cu solder and Cu for different reflow time. (a) 2 min; (b) 5 min; (c) 15 min; (d) 20 min有关晶粒尺寸分布的规律，Lifshitz, Slyozov和Wagner在闭系反应的假设条件下曾提出了Lifshitz-Slyozov-Wagner(LSW)理论[26-27]，假设晶粒长大时总体积不变，认为晶粒长大的驱动力是由于晶粒表面积减少引起的表面自由能的降低. 然而，在钎料/Cu反应生成的Cu6Sn5晶粒逐渐长大的过程中，Cu基体和钎料之间存在物质交换，界面化合物的总体积是变化的. 因此，回流焊接过程中焊接界面处Cu6Sn5化合物的生长规律不应该套用LSW理论模型. 针对钎料/Cu界面反应时Cu6Sn5体系是一种开放系统的特点，Gusak等人[28]提出了FDR (flux-driven ripening)模型，并给出了晶粒尺寸的分布函数.简要地说，FDR模型的基本前提是总表面积不变而体积增长，尺寸分布律可表示为[14]
$$ g\left( u \right) = c\frac{u}{{{{\left( {2 - u} \right)}^4}}}\exp\left( { - \frac{4}{{2 - u}}} \right) $$ (2) $$ u = \frac{r}{{ < r > }} $$ (3) 式中：g(u)为概率密度；c为常数；u为某一晶粒的半径与平均晶粒半径之比. 为与FRD理论模型对比，对晶粒的统计数据进行了归一化处理. 图4为Sn3.0Ag0.5Cu/Cu界面化合物Cu6Sn5晶粒尺寸分布. 横轴代表某一晶粒半径与平均半径之比，纵轴代表半径为r附近区间内的晶粒个数与平均半径附近区间内的晶粒个数之比，将其定义为该尺寸晶粒出现的频次. 图4中曲线是FDR理论模型曲线，从图4可以看出，回流时间为20 min时试验数据与FDR理论曲线基本符合. 对于回流时间为2，5，15 min的试验结果而言，FRD理论曲线与试验结果偏离较大，频次最大位置在r/<r>略小于1的位置，即出现频次最高的晶粒尺寸小于平均值，而不是模型曲线中大于1的位置. Suh等人[14]发现Sn45Pb钎料与Cu基体生成的Cu6Sn5粒径分布与FDR模型符合很好. 文献[15]报道，纯Sn在Cu基体上回流时，Cu6Sn5晶粒尺寸FDR理论有偏离. 这种偏离一方面与不同钎料对Cu溶解度不同有关，也与FDR模型基本假设和简化处理有关. FDR模型假定在晶粒生长过程中总的表面积不变，忽略了晶粒之间间隙处基体与钎料间的表面积. 随着回流时间的延长，晶粒尺寸长大，相应的间隙面积减小，回流时间较长时可以被忽略. 而回流初期晶粒尺寸较小，界面存在大量的间隙，这些间隙面积对Cu原子向钎料内扩散起着重要作用，此时不应被忽略. 因此，对于回流时间较短的焊点，在界面Cu6Sn5晶粒的尺寸分布中，小于平均值的晶粒尺寸出现频次最高.
![]()
图 4 Sn3.0Ag0.5Cu/Cu界面化合物Cu6Sn5的尺寸分布Figure 4. Size distribution of Cu6Sn5 grains formed between Sn3.0Ag0.5Cu solder and Cu for different reflow time. (a) 2 min; (b) 5 min; (c) 15 min; (d) 20 min2.2 界面化合物的生长机制
图5为Sn3.0Ag0.5Cu/Cu在240 ℃回流2，5，10，15 min后焊接界面的侧面显微形貌. 由图5可以看出，界面化合物层厚度随回流时间增加而增大，Cu6Sn5之间的晶粒间隙逐渐变小，Cu6Sn5/钎料界面的起伏程度降低，变得更为平坦. 表1为Sn3.0Ag0.5Cu钎料在铜基体上不同回流时间所生成的界面化合物层的平均厚度.
表 1 Sn3.0Ag0.5Cu/Cu在240 ℃不同回流时间所生成的界面化合物层的平均厚度Table 1. Average thickness of interfacial compounds formed between Sn3.0Ag0.5Cu solder and Cu for different reflow time回流时间t/min 界面化合物层的平均厚度h/μm 2 2.485 5 3.569 10 4.011 15 4.848 20 5.355 ![]()
图 5 Sn3.0Ag0.5Cu/Cu在240 ℃不同回流时间焊接界面的侧面显微形貌Figure 5. Sectional SEM images of interfacial compounds formed between Sn3.0Ag0.5Cu solder and Cu for different reflow time. (a) 2 min; (b) 5 min; (c) 10 min; (d) 15 min图6为界面化合物层的生长曲线与生长机制示意图. 图6a为界面化合物平均厚度随回流时间的变化关系，拟合曲线方程为h=2t0.32. 由图6a可以看出，界面化合物平均厚度随着回流时间的增加而增大，随着回流时间的延长，界面化合物平均厚度增长速率变慢，界面化合物平均厚度正比于t0.32，而晶粒平均粒径正比于t0.38，表明界面Cu6Sn5晶粒沿垂直焊接界面的生长速度略低于沿平行焊接界面的生长速度. Deng等人[29]曾报道Sn3.5Ag/Cu界面化合物的厚度与时间的平方根成正比. Suh等人[14]发现Sn-Pb/Cu界面化合物层厚度正比于t1/3. 回流过程中Cu原子与钎料中的Sn原子反应生成Cu6Sn5化合物，不同成分的钎料在液态时对Cu原子的溶解度不同，过饱和生成Cu6Sn5的速度不同. 随着回流时间的延长，原子扩散速度对Cu6Sn5的生长的影响变得显著，而Cu原子的扩散能力与钎料的成分也是密切相关的，因此，钎料成分不同会导致Cu6Sn5化合物生长速度的差异.
![]()
图 6 界面化合物层的生长曲线与生长机制示意图Figure 6. Growth curve and schematic diagram of IMC layer growth mechanism. (a) growth curve of interfacial IMC layer; (b) schematic diagram of Cu6Sn5 grain growth mechanism图6b为回流过程中钎料与铜基体生成界面化合物的示意图，Cu6Sn5化合物的生长通过两种途径完成. 一种方式是间隙反应，熔融的Sn直接与铜基体中的Cu原子反应生成Cu6Sn5，如图6b中方式(1)所示；另一种方式是大晶粒吞并小晶粒过程，如图6b中方式(2)所示，半径为r的Cu6Sn5晶粒表面Cu原子浓度C可表示为[30]
$$ {C_r} = {C_0}\left( {1 + \frac{{2\gamma {V_{\rm{m}}}}}{{rRT}}} \right) $$ (5) 式中：C0为Cu在钎料中的平衡浓度；γ为Cu6Sn5与熔融钎料之间单位面积的界面能；Vm为Cu6Sn5化合物的摩尔体积；R为气体常数；T为热力学温度. 半径小的Cu6Sn5晶粒表面Cu原子浓度大，而半径大的Cu6Sn5晶粒表面Cu原子浓度小，这样在不同尺寸的晶粒之间存在Cu原子的浓度梯度，所以半径小的Cu6Sn5晶粒表面的Cu原子会向半径大的晶粒表面扩散，如图6b中方式(2)所示，结果导致半径大的晶粒不断长大，而半径小的晶粒却越来越少甚至消失. Cu原子的扩散通量J1可写作
$$ {J_1} = - D\frac{{{\rm{d}}C}}{{{\rm{d}}x}} \cong - \frac{{2\gamma {V_{\rm{m}}}{C_0}D}}{{3LRT{r^2}}} $$ (6) 式中：L为无量纲的系数；D为Cu原子的扩散系数.在回流初期，两种生长方式同时进行，随着回流时间的增加，Cu6Sn5晶粒之间的间隙逐渐减少，方式(1)对Cu6Sn5晶粒的生长所起的作用减弱，方式(2)占据主导地位，随着界面化合物的长大，Cu原子的扩散通量降低，界面Cu6Sn5化合物生长速度变缓.
3. 结论
(1) 研究了Sn3.0Ag0.5Cu/Cu焊接界面化合物Cu6Sn5晶粒的尺寸分布特点和Cu6Sn5晶粒的生长机制. 统计结果显示，对于回流时间较短的样品，出现频次最高的晶粒尺寸小于平均值，对于回流时间较长的样品，出现频次最高的晶粒尺寸约等于平均值.
(2) Sn3.0Ag0.5Cu/Cu焊点界面化合物层平均厚度随回流时间按t0.32关系增长，随着回流时间的增加，生长速度变慢，这与Cu6Sn5晶粒的生长方式密切相关.
(3) Cu6Sn5晶粒的生长通过间隙反应和大晶粒吞并小晶粒两种方式实现，回流时间较短时，两种方式同时进行，随着回流时间增加，间隙反应所起作用下降，大晶粒吞并小晶粒成为主要生长方式.
-
![]()
图 1 涡流检测原理示意图
Figure 1. Schematic diagram of eddy current testing. (a) nodefectiveness; (b) defectiveness
![]()
图 2 自制极耳极板焊缝涡流检测传感器
Figure 2. Self-made tag plate weld eddy current detection sensor. (a) detecting coil; (b) excitation detection composite structure; (c) profile structure
![]()
图 3 层析检测原理示意图
Figure 3. Schematic diagram of the principle of tomography detection. (a) skin depth lies at the surface; (b) skin depth lies at the middle layer; (c) skin depth lies at the deep level; (d) eddy currents at the defect
![]()
图 5 多通道多频涡流检测人工试样实物图
Figure 5. Multi-channel multi-frequency eddy current testing manual sample. (a) weld sample without defect; (b) weld sample with local incomplete welding (2 mm); (c) weld sample with intermittent incomplete welding; (d) weld sample with overall missing welding; (e) weld sample with missing weld at the beginning/end; (f) weld sample with deformation and concave; (g) weld sample with local micro defect ($\phi $1 mm）
![]()
图 6 自制涡流检测系统对典型缺陷人工试样检测结果
Figure 6. Test results of manual samples with typical defects by self-made eddy current test system. (a) echo signals of no defect and overall missing weld specimen; (b) echo signals of localized incomplete weld (2 mm) and intermittent incomplete weld specimen; (c) echo signals of beginning/end missing weld specimen; (d) echo signals of weld deformation concavity and localized micro defect
![]()
图 7 层析成像对比图
Figure 7. Comparison of tomography images. (a) physical diagram and 2D imaging diagram of non-defective sample; (b) physical diagram and 2D imaging diagram of overlap sample; (c) three-dimensional imaging of non-defective sample and overlap sample
![]()
图 8 断焊尺寸大于传感器尺寸时的回波信号
Figure 8. Echo signal when the broken weld size is larger than the sensor size
![]()
图 9 断焊尺寸小于传感器尺寸时的原理示意图
Figure 9. Schematic illustration of the principle when the broken welding size is smaller than the sensor size
表 1 不同频率对应的电池极板趋肤深度
Table 1 Different frequencies correspond to the skin depth of the battery plate
激励频率f /kHz 趋肤深度δ/mm 激励频率f /kHz 趋肤深度δ/mm 1 3.00 6 1.22 2 2.12 7 1.13 3 1.73 8 1.06 4 1.50 9 1.00 5 1.34 10 0.95 
下载: 导出CSV
-
[1] 贾志杰, 高峰, 杜世伟, 等. 磷酸铁锂电池不同应用场景的生命周期评价[J]. 中国环境科学, 2022, 42(4): 1975 − 1984. doi: 10.3969/j.issn.1000-6923.2022.04.055 Jia Zhijie, Gao Feng, Du Shiwei, et al. Life cycle assessment of lithium iron phosphate battery in different utilization scenarios[J]. Chinese Environmental Science, 2022, 42(4): 1975 − 1984. doi: 10.3969/j.issn.1000-6923.2022.04.055
[2] 刘国刚, 陈龙, 黄昊鹏, 等. 锂电池高纯氧化铝的制备及应用研究进展[J]. 电源技术, 2023, 47(4): 421 − 425. Liu Guogang, Chen Long, Huang Haopeng, et al. Research progress on preparation of high purity alumina and its application in lithium battery[J]. Power Technology, 2023, 47(4): 421 − 425.
[3] 张世超, 沈泽宇, 陆盈盈. 金属锂电池的热失控与安全性研究进展[J]. 物理化学学报, 2021, 37(1): 55 − 72. Zhang Shichao, Shen Zeyu, Lu Yingying. Research progress of thermal runaway and safety for lithium metal batteries[J]. Journal of Physical Chemistry, 2021, 37(1): 55 − 72.
[4] Feng X N, Zheng S Q, Ren D S, et al. Key characteristics for thermal runaway of Li-ion batteries[J]. Energy Procedia, 2019, 158: 4684 − 4689.
[5] Wang Q S, Mao B B, Stoliarov S I, et al. A review of lithium- ion battery failure mechanisms and fire prevention strategies[J]. Prog Energy Combust Science, 2019, 73: 95 − 131. doi: 10.1016/j.pecs.2019.03.002
[6] 杨传礼, 张修庆. 基于机器视觉和深度学习的材料缺陷检测应用综述[J]. 材料导报, 2022, 36(16): 222 − 230. doi: 10.11896/cldb.20070136 Yang Chuanli, Zhang Xiuqing. Survey of applications of material defect detection based on machine vision and deep learning[J]. Material Guide, 2022, 36(16): 222 − 230. doi: 10.11896/cldb.20070136
[7] 王露. 基于机器视觉的锂电池极片缺陷检测与分类系统 [D]. 西安: 西安科技大学, 2020. Wang Lu. Defect detecting and classification system of the lithium battery pole piece based on machine vision[D]. Xi 'an: Xi 'an University of Science and Technology, 2020.
[8] 王诗文. 锂电池极耳焊接缺陷的自动光学检测研究 [D]. 哈尔滨: 哈尔滨工业大学, 2017. Wang Shiwen. Automated optical inspection of tabs welding defects in lithium batteries[D]. Harbin: Harbin Institute of Technology, 2017.
[9] 黄锴. 基于超声波成像技术的锂离子电池电解液浸润性研究 [D]. 武汉: 华中科技大学, 2019. Huang Kai. Study on filling process of lithium-ion battery electrolyte based on ltrasonic imaging[D]. Wuhan: Huazhong University of Science and Technology, 2019.
[10] 邓哲. 锂电池超声扫描成像技术及其应用 [D]. 武汉: 华中科技大学, 2021. Deng Zhe. A thesis submitted in partial fulfillment of the requirements for the degree of doctor of philosophy in engineering[D]. Wuhan: Huazhong University of Science and Technology, 2021.
[11] 邬冠华, 熊鸿建. 中国射线检测技术现状及研究进展[J]. 仪器仪表学报, 2016(8): 1683 − 1695. doi: 10.3969/j.issn.0254-3087.2016.08.001 Wu Guanhua, Xiong Hongjian. Radiography testing in China[J]. Chinese Journal of Instrument, 2016(8): 1683 − 1695. doi: 10.3969/j.issn.0254-3087.2016.08.001
[12] 马天翼, 苏素, 张宗, 等. 计算机断层扫描技术在锂离子电池检测中的应用研究[J]. 重庆理工大学学报, 2020, 34(2): 133 − 139. doi: 10.3969/j.issn.1674-8425(z).2020.02.019 Ma Tianyi, Su Su, Zhang Zong, et al. Application of computed tomography in lithiumion battery detection[J]. Journal of Chongqing University of Technology, 2020, 34(2): 133 − 139. doi: 10.3969/j.issn.1674-8425(z).2020.02.019
[13] Zhang Kai, Ren Fang, Wang Xuelong, et al. Finding a needle in the haystack: Identification of functionally important minority phases in an operating battery[J]. Nano letters, 2017, 17(12): 7782 − 7788. doi: 10.1021/acs.nanolett.7b03985
[14] 南京奥科特创智能科技有限公司. 一种基于超声和红外探伤对锂电池的检测方法: CN202111090945.3[P]. 2022-01-07. Nanjing Aoke Chuang Intelligent Technology Co. , LTD. The invention relates to a detection method for lithium battery based on ultrasonic and infrared flaw detection: CN202111090945.3[P]. 2022-01-07.
[15] 王伟, 黄平, 周家宁, 等. 航空锂电池极耳焊缝微缺陷检测系统研究[J]. 无损探伤, 2023, 47(2): 4. Wang Wei, Huang Ping, Zhou Jianing, et al. Research on micro-defect detection system of tab welding seam of aviation lithium battery[J]. Non-destructive Testing, 2023, 47(2): 4.
[16] 周兆逸, 张亚南, 王肖锋, 等. 基于改正二维主成分分析的焊缝表面缺陷检测[J]. 焊接学报, 2021, 42(11): 70 − 76. doi: 10.12073/j.hjxb.20210412001 Zhou Zhaoyi, Zhang Ya’nan, Wang Xiaofeng, et al. Weld surface defect detection based on improved twodimensional principal component analysis[J]. Transactions of the China Welding Institution, 2021, 42(11): 70 − 76. doi: 10.12073/j.hjxb.20210412001
-
期刊类型引用(6)
1. 汪松英，李志豪，曾世堂，洪少健，丘翰琳，苏慧珍，杜昆. 功率模块封装的纳米银焊膏烧结工艺气氛影响研究. 广州化工. 2025(08): 91-94 . 
百度学术
2. 奚思，刘斌，蔡传辉，李金伟，陆玉. 纳米银烧结设备热压系统设计及仿真分析. 电子工业专用设备. 2025(02): 6-9+30 . 百度学术
3. 李志豪，汪松英，洪少健，孙啸寒，曾世堂，杜昆. 镀银板表面粗糙度对纳米银焊膏快速烧结互连质量的影响. 电子与封装. 2024(07): 5-11 . 百度学术
4. 鲍金祥，关俊卿，何金江，王鹏，侯智超. 大功率器件低温烧结纳米银膏的研究进展. 贵金属. 2024(S1): 71-77 . 百度学术
5. 黄玺，张亮，王曦，陈晨，卢晓. 电子封装用纳米级无铅钎料的研究进展. 材料导报. 2024(23): 136-148 . 百度学术
6. 汪智威，林丽婷，李欣. 低温烧结银与金基界面互连研究进展. 焊接学报. 2023(12): 116-123+143-144 . 本站查看
其他类型引用(6)
计量
- 文章访问数: 105
- HTML全文浏览量: 32
- PDF下载量: 40
- 被引次数: 12
