[发明专利]一种基于ISOMAP的固化热过程时空建模方法

摘要

本发明公开了一种基于ISOMAP的固化热过程时空建模方法，步骤一，搭建芯片固化炉温度控制平台，步骤二，得到芯片固化炉在固化工作状态下的温度分布随时间变化的时空数据，步骤三，使用ISOMAP算法对步骤二采集到的时空数据中学习一个表征空间非线性特征的正交映射函数；步骤四，使用ISOMAP算法，通过所述正交映射函数对高维的所述时空数据进行时空变量分离。建立芯片固化热过程模型，实现芯片固化炉在线温度监测和温度分布的在线估计，并且建模精度高。

主权项

1.一种基于ISOMAP的固化热过程时空建模方法，其特征在于：步骤一，搭建芯片固化炉温度控制平台，在芯片固化炉的炉腔底部安装引线框架，在引线框架的上表面均匀布置多个热电偶传感器，并由dSPACE实时仿真平台采集所有热电偶传感器的温度数据，还在引线框架的上方均匀布置多个加热器，每个加热器由一个脉宽调制信号和一个功率放大器提供输入信号使芯片固化炉进行固化工作；步骤二，dSPACE实时仿真平台统计所有热电偶传感器的温度数据，得到芯片固化炉在固化工作状态下的温度分布随时间变化的时空数据，并将所述时空数据定义为：{T(S,tk)|S∈Ω，S＝1,...,nS；k＝1,...,nt}其中,nS表示时空数据在空间方向的数据点个数,nt表示时空数据在时间方向的数据点个数；步骤三，dSPACE实时仿真平台使用ISOMAP算法对步骤二采集到的时空数据中学习一个表征空间非线性特征的正交映射函数；步骤四，dSPACE实时仿真平台使用ISOMAP算法，通过所述正交映射函数对高维的所述时空数据进行时空变量分离，从而得出与所述正交映射函数对应的低维时序数据，实现所述时空数据的时空分离和模型递减；步骤五，dSPACE实时仿真平台通过神经网络模型来逼近低维时序数据的动态特性，从而生成低维时序动态模型，并且通过极限学习机(Extreme Learning Machine,ELM)来训练低维时序动态模型，以辨识低维时序动态模型的参数；步骤六，dSPACE实时仿真平台通过整合所述正交映射函数和所述低维时序动态模型，时空合成获得芯片固化炉在固化工作状态下的温度时空分布模型。