基于主成分分析法与模糊算法的芯片固化温度建模方法

芯片成型过程中温度的实际分布往往对芯片质量具有决定性作用,而其过程中的温度场分布呈明显的空间和时间分布,并且存在很强的非线性动态特性,这些因素严重影响着传统机理模型对芯片固化温度建模与预测的准确性。此外,工业互联网在分布参数过程中的应用提高了数据采集的效率和质量,为分布参数过程的数据建模提供了基础。针对上述情况,提出了一种基于温度的低维温度模型,实现对芯片固化成型过程中温度的非线性时间和空间动态分布的有效建模。首先,利用核化的主成分分析法(Principal Component Analysis,PCA)对非线性空间特征进行全局处理,在最小化信息损失的前提下,将无限维的空间动态分布转化为有限维的空间基函数。在此基础上,通过将系统的时空数据在空间基函数(Spatial Basis Function,SBF)上投影,得到表征系统非线性时间动态的时间序列;并充分考虑模糊算法在非线性建模方法的优势,建立了基于模糊算法的非线性时间模型。然后,将所获得的空间基函数与非线性模糊模型结合起来,得到了最终的低维温度场时空模型,实现了对芯片成型过程中温度场空间分布和非线性时间动态的有效重构。最后,通过晶圆快速热过程(Rapid Thermal Processing,RTP)的数值仿真,验证了所建立模型的准确性和有效性。

基于ELM的芯片固化炉炉温建模方法

利用一种较新的数据学习方法——极限学习机(Extreme learning machine,ELM),对芯片固化炉炉温进行了基于数据的建模与预测。其数据信息由当固化炉在指定温度工作时,在MATLAB/Simulink环境下,通过d SPACE实时仿真平台采集得来。从实验结果看出,该模型预测精度高、运算速度快,对工业上有快速、准确需求的实时自动化控制有较高的实际应用价值。

基于LTSA的芯片固化温度场时空建模方法

芯片固化热过程是典型的非线性分布参数系统,针对其无限维、时空耦合的特性,提出一种数据建模方法—基于局部切空间排列(LTSA)的时空建模方法。首先使用非线性方法LTSA对炉温系统进行维数约减,得到能够表征系统非线性特征的空间基函数,然后利用时空分离得到低阶时间系数并使用径向基神经网络(RBFNN)拟合,通过时空合成,得到全局的时空温度分布。利用dSPACE实时采集与控制平台对实验室固化炉进行实验验证,结果表明,该模型能够准确预测温度数据,相较于传统的KL时空模型精度更高,对工业热过程的准确建模与实时控制有较好的推广应用价值。

一种便携式数据采集终端的设计与实现

为满足移动数据采集及固定设备长时间存储需要,设计一种通用型可视化便携式数据采集终端系统,该系统由单芯片U盘读写方案(PB375A)、现场可编程门阵列(FPGA)及单片机构成。他提供通用异步接收/发送装置(Universal asynchronous receiver/transmitter,UART)、串行外围设备两种输入接口(Serial peripheral interface,SPI),以及U盘、SD卡两种存储接口。实验结果表明,系统的平均存储速率达到100Kbps,能实现用户可视化操作,稳定性好,携带方便。