一文看懂--假8层(结构)板

   叠层设计可以根据经验在allegro软件的X-section工具中进行设置,常用4、6、8、12层板网上都有一些常用的叠层信息,往软件里面填即可。更直接的,可以打开嘉立创、华秋之类的板厂,在PCB在线计价工具里,厂家会推荐其通用的层叠结构,可以直接使用。还有一种简单方法,安装华秋DFM软件,点击工具-阻抗计算即可弹出工具界面。在层数中填写需要的层数,然后点击下方叠层图空白处,工具会自动弹出库里现有的层叠结构。
   
   PCB板层数计算我们通常以线路层数作为该板的层数,由于芯板板材在PCB成本中占比非常高,行业里通常把芯板的张数与层数关联。比如,4层板用1张芯板,6层板用2张芯板….N层板所用芯板数为:N/2-1,但存在特殊情况,会在叠层结构增加1张没有线路层的芯板,这就是行业里所说的假层板。那么,到底什么是假8层板呢?

首先,请看下图。
在这里插入图片描述
如图,可以较直观地看到,假8层板,其实只有6层线路,本质上说,也是6层板,但在L3/L4之间的介质层,会明显要比普通6层板要厚。

为什么呢?

——请再看下图。
在这里插入图片描述
在正常情况下,layout工程师会根据原则,将6层板的信号层设计为不相邻,但有的时候,出于某种目的,会突破这一原则。当突破这一原则时(如右图),就需要考虑到L3与L4层信号线的干扰问题。

这时,就对L3/L4之间的介质层厚度提出了要求——正常情况下,介质层厚度越厚,L3/L4层之间的信号干扰就越弱。

当然,介质层是不能无限加厚的,因此,通常会控制介质层厚度的下限。

而关于介质层的厚度,正常情况下,是由PP片的厚度所决定的(参看下图)。

在这里插入图片描述

如图,可以看出,决定介质层厚度的PP片,并不会太厚,而目前行业常规所用的PP片中,7628最厚,约为0.2mm。

另外,受材料与工艺所限,PP片在压合过程中,通常不能连叠超过3张,也就是说,假如介质层完全由PP片制成,那么,介质层最厚只能做到0.6mm左右。一旦超过0.6mm,单采用PP片,PCB代工厂是无法制作出所需厚度的介质层的。

这时,有的PCB代工厂就会用蚀刻掉两面铜箔的一张芯板,替代掉一部分PP片,从而使介质层达到客户所需的厚度(参看下图)。

在这里插入图片描述
因此种工艺,实际上等于把8层板的中间两层线路层去掉,并与8层板的生产工艺非常类似。所以,行业内,把这种类型的6层板,也叫做假8层板。

  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Faster R-CNN是一种目标检测算法,用于在图像中定位和识别物体。它是R-CNN算法的改进版本,通过引入区域提议网络(Region Proposal Network,RPN)来提高检测的速度。 Faster R-CNN的工作流程可以分为两个阶段:区域提议和物体分类。 在区域提议阶段,首先使用卷积神经网络(CNN)对输入图像进行特征提取。然后,RPN通过滑动窗口在特征图上生成一系列候选区域。每个候选区域都有一个边界框(bounding box)和一个预测得分。RPN通过一个二分类器来判断每个候选区域是否包含感兴趣的物体,并根据得分对候选区域进行排序。 在物体分类阶段,对于每个候选区域,使用RoI池化将其映射为固定大小的特征向量。然后,这些特征向量通过全连接进行分类和回归,得到每个候选区域的类别预测和边界框坐标调整。 整个网络采用端到端的训练方式,在训练过程中同时优化RPN和分类网络。训练时,通过计算候选区域与真实标注框之间的IoU(交并比)来确定正负样本,并使用多任务损失函数进行优化。 Faster R-CNN相比于R-CNN,通过引入RPN网络实现了端到端的训练,避免了繁琐的候选区域提取过程,大大提高了检测的速度和准确性。同时,Faster R-CNN还可以通过改变RPN的输出尺度来检测不同大小的物体。这使得Faster R-CNN成为目标检测领域的重要方法之一。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值