研究单晶生长温度梯度趋势的分类算法基于多层特征融合的研究
Yu-Yu Liu1,2, Ling-Xia Mu1,2, Peng-Ju Zhang1,2
1School of Automation and Information Engineering, Xi'an University of Technology, Xi'an 710048, China.
Sensors (Basel, Switzerland)
|February 24, 2024
概括
早期识别异常的炉子条件对于单晶制剂至关重要. 一个新的多级特征融合算法准确预测温度梯度趋势,改善晶体质量并防止生产故障.
科学领域:
- 材料科学与工程 材料科学与工程
- 半导体制造业 半导体制造业
- 工业过程中的人工智能
背景情况:
- 单晶制备需要精确控制条件,以获得高质量的输出.
- 异常的热场条件可能导致晶体缺陷或完全生长失败.
- 及时检测和调整异常对于成功生产晶体至关重要.
研究的目的:
- 开发一种用于早期识别单晶生长中的异常条件的算法.
- 为了准确地分类使用多级特征融合的温度梯度趋势.
- 提高工业生产中单晶的稳定性和质量.
主要方法:
- 一个基于多级特征融合的单晶生长温度梯度趋势分类算法.
- 使用专家知识和定性分析对温度梯度趋势的分类.
- 原创,浅层统计和深度学习特征的融合,以相互信息为基础的权重.
- 使用深度信念网络 (DBN) 模型对趋势变化的分类.
主要成果:
- 拟议的算法有效地预测热场温度梯度的变化趋势.
- 具备捕捉过程动态和准确分类趋势变化的能力.
- 实验验证证证实了算法的有效性在识别温度梯度变化方面.
结论:
- 开发的算法显著提高了晶制备中故障趋势预测的准确性.
- 早期检测热场异常可以最大限度地减少产品质量问题和生产中断.
- 这种方法支持工业需求的高质量单晶的稳定增长.
相关概念视频
01:12Differential Leveling
175
Differential leveling is a precise method in surveying used to determine the elevation difference between two points. Its primary goal is to establish accurate vertical measurements to create level surfaces or grade lines critical for designing and constructing infrastructures such as roads, bridges, and buildings.The procedure for differential leveling begins with setting up and leveling the instrument at a point where the benchmark can be seen. The level rod is held on the benchmark (BM), and...
175
01:19Sieve Analysis and Grading Curves
355
Sieve analysis is a method used to determine the particle size distribution of aggregate materials. This process involves the following steps:
355