[发明专利]一种基于关键工序的砷化镓质量一致性控制方法及系统

权利要求书

1.一种基于关键工序的砷化镓质量一致性控制方法，其特征在于，采用步骤如下，

步骤一：通过工艺过程参数和工艺结果数据的相关性，量化出关键工序的工艺过程参数权重；

步骤二：对关键工序的过程参数利用人工神经网络建成工艺质量一致性模型；

步骤三：通过产品已完成关键工序的工艺结果数据作为输入，利用工艺质量一致性模型预测本道工序的工艺过程参数和工艺结果数据。

2.根据权利要求1所述基于关键工序的砷化镓质量一致性控制方法，其特征在于：还设置步骤四，在产品加工完成后，将预测的工艺过程参数和工艺结果数据与实际的工艺过程参数和工艺结果数据比对，判断误差，重新调整工艺质量一致性控制模型的参数，达到自学习的能力。

3.根据权利要求1所述基于关键工序的砷化镓质量一致性控制方法，其特征在于：所述步骤二具体为，

2.1在建模前依据主成分分析(PCA)方法对工艺过程参数进行降维；

2.2对关键工序的控制参数做归一化处理，公式如下：

其中x为需要归一化的样本，x_max为所有样本的最大值，x_min为所有样本的最小值，y为归一化以后的输出值；

2.3使用整理后的数据作为训练样本，对数据进行聚类处理，聚类的尺度通过欧式距离判定，聚类公式如下所示：

其中是类中心的各个分量，x是样本，d是样本x距离中心的欧式距离；

在聚类过程中需要逐步迭代才能最终收敛到中心，每一步迭代求中心的公式如下所示：

其中N为本次迭代过程中的第i类的样本个数，c_i表示第i类；

所述人工神经网络为径向基神经网络，在求解时使用如下公式，求解出w_i即可建立神经网络；

其中为聚类中心，x₁,x₂,…,x_n为样本，S₁(·),S₂(·),…,S_l(·)为基函数，w₁,w₂,…,w_l为神经网络权值，y₁,y₂,…,y_i为样本对应的输出。

4.一种基于关键工序的砷化镓质量一致性控制系统，其特征在于：设置有样本数据库模块，用于收集关键工序的历史工艺过程参数、历史工艺结果数据；

工艺质量一致性模型，用于对关键工序的数据进行计算分析，预测出产品质量；

模型预测误差模块，用于将预测结果数据与实际结果数据进行比对，判断误差大小；

调整模型参数模块，用于在预测结果数据与实际结果数据误差大于设定值后，调整工艺质量一致性模型数据，达到自学习的能力。