[发明专利]一种用于硬质合金刀片抛光的CMP工艺智能决策系统

权利要求书

1.一种CMP工艺智能决策系统，包括工艺智能决策模块和抛光质量预测模块两个主要模块，

其特征是：基于混合推理和CMP工艺参数数据库，通过PowerBuilder平台开发工艺智能决策模块和抛光质量预测模块。

2. 根据权利要求1所述的CMP工艺智能决策系统，其特征是：使用Access开发CMP抛光工艺参数数据库负责对材料类型、抛光工艺参数、性能指标等工艺数据的储存，并与数据前端开发工具Powerbuilder以ODBC形式连接，实现数据的查询、条件检索及数据管理等功能。

3.根据权利要求1所述的CMP工艺智能决策系统，其特征是：工艺智能决策模块以硬质合金刀片CMP抛光正交实验收集的实验数据为基础，对不同的抛光对象，根据材料类型，在系统中分别设定固定的粗抛、半精抛、精抛阶段的初始表面粗糙度，总结出CMP多工序工艺路线的决策原则，并利用田口法对每道抛光工序进行优化，由分析各工艺参数对表面粗糙度和材料去除率评价指标的影响来获得每道抛光工序分别基于表面粗糙度和材料去除率的最佳工艺参数组合，然后综合表面粗糙度和材料去除率评价指标的权重和各工艺参数分别对各上述评价指标的方差分析结果，利用实例推理和规则推理得出兼顾加工效率和表面质量的最佳工艺参数组合。

4.根据权利要求1所述的CMP工艺智能决策系统，其特征是：抛光质量预测利用实例推理和BP神经网络预测模型，以抛光前表面粗糙度、磨粒大小、磨粒浓度、抛光压力、抛光速度为BP神经网路的输入，以表面粗糙度和材料去除率为BP神经网络的输出；建立了硬质合金刀片CMP抛光质量的训练样本集，其中训练样本集用于对设计的BP神经网络进行训练，验证样本集用来对已训练好BP神经网络模型进行测试验证；训练时需对输入输出数据进行归一化处理和对输出样本应进行反归一化处理，通过确定节点数范围和试凑法由少到多地分别进行样本训练，训练通过调用Matlab函数工具箱中的BP神经网络创建函数Newff()和网络仿真函数sim()来实现。