焊膏印刷是表面贴装(SMT)的第一道工序,焊膏印刷厚度在很大程度上反映焊膏印刷质量,其质量的好坏直接影响SMT的后续环节。焊膏印刷工艺具有复杂性、多变性的特点,受多种因素综合影响,而且动态变化,不易进行生产过程的实时检测。目前针对焊膏印刷质量检测手段都是事后检验,因此,对于焊膏印刷质量控制,有必要探索一种有效的事中质量控制手段。为此,本文提出了遗传算法和径向基(RBF)神经网络相结合的方法预测焊膏印刷厚度。首先在详细研究焊膏印刷结构特点和焊膏印刷工艺流程的基础上,分析抽取了影响焊膏印刷厚度的关键因素。其次,针对传统遗传算法的不足,提出了一种改进的遗传算法模型,改进了选择算子和自适应的交叉概率、变异概率。再次,利用改进的遗传算法优化RBF神经网络的隐节点数、中心和宽度,用最小均方误差算法计算输出权值,从而能够自动并高效地选取RBF网络中心。最后将改进的RBF神经网络应用于焊膏印刷厚度预测,提出了基于RBF网络的焊膏印刷厚度预测模型。研究结果表明,利用基于神经网络的焊膏厚度预测模型,能够有效预测焊膏印刷厚度,可以作为检测焊膏印刷质量的一种手段,对提高焊膏印刷质量有一定的实际意义和应用价值。然而,由于焊膏形态比较复杂,还有待研究焊膏印刷质量的检验标准,如焊膏印刷面积和体积等。另外,随着优化算法的发展,研究新的优化算法以改进RBF神经网络将是下一步研究的重点。