博客
关于我
0.65mm pitch BGA扇出过孔,线孔距等设置
阅读量:238 次
发布时间:2019-02-28

本文共 652 字,大约阅读时间需要 2 分钟。

2019年元旦,依然在家里苦逼加班,当天被 0.65mm间距的BGA扇出,弄的心烦意乱,连续的加班,弄的差点崩溃,直到和老婆出去逛了逛,才感觉好了点,不料手还在逛店的时候被划伤了。

在烦躁之际,顺手把机器拆了,折腾半天,升级了一块4T大硬盘,美滋滋。

下面说 stm32F4系列,0.65mm间距BGA的扇出方式。

上图是最重要的一张图,表示,扇出的过孔内径直径8mil,外径直径14mil,两个过孔之间走线线宽4mil,线孔距为3.5mil,这样,0.65mm=25.9mil,25.9-14=11.9mil,11.9>3.5+4+3.5=11mil,是可以的,这个经电话沟通金百泽,表示可以制作。

下面展示实际制作过程:

可以看出,在已有的基础上,变小了。

下面进行走线的设置:

设置成 3.5mil

可以看出,实际走线,走出来了。如下图

欢迎关注我的微信公众号:xiaoshi_IC,同步youtube,csdn,B站,知乎。

欢迎关注我的微信公众号:xiaoshi_IC,同步youtube,csdn,B站,知乎。

现在设计能力:最小线宽3mil,最小线孔距8mil(孔内径到线的距离最好设置8mil以上),线宽线距最好4mil以上,内径外径单边环宽最好4mil以上。

Stm32,两个孔中心间距,25.5mil,设计,线宽4mil,线孔距4mil,三者相加12mil,那过孔最大外径直径 25.5-12=13.5mil,内径外径单边环宽最好4mil以上,则内径直径 13.5-8=5.5mil,

转载地址:http://xtis.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 基于OpenCV实现模糊检测 / 自动对焦
查看>>
OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
查看>>
OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
查看>>
OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
查看>>
OpenCV与AI深度学习 | 基于YoloV11自定义数据集实现车辆事故检测(有源码,建议收藏!)
查看>>
OpenCV与AI深度学习 | 基于YOLOv8 + BotSORT实现球员和足球检测与跟踪 (步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLOv8实现高级目标检测和区域计数
查看>>
OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
查看>>
OpenCV与AI深度学习 | 基于YoloV8的药丸/片剂类型识别
查看>>
OpenCV与AI深度学习 | 基于YOLO和EasyOCR从视频中识别车牌
查看>>
OpenCV与AI深度学习 | 基于图像处理的火焰检测算法(颜色+边缘)
查看>>
OpenCV与AI深度学习 | 基于拉普拉斯金字塔实现图像融合(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 基于改进YOLOv8的景区行人检测算法
查看>>
OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
查看>>
OpenCV与AI深度学习 | 基于深度学习的轮胎缺陷检测系统
查看>>
OpenCV与AI深度学习 | 如何使用YOLO-World做目标检测
查看>>
OpenCV与AI深度学习 | 如何使用YOLOv9分割图像中的对象
查看>>
OpenCV与AI深度学习 | 如何使用YOLOv9检测图片和视频中的目标
查看>>
OpenCV与AI深度学习 | 如何在 Docker 容器中使用 GPU
查看>>