基于数据融合的磁致伸缩位移校正方法

针对换流变压器实际运行过程中铁芯振动信号高次谐波分量的测量准确性问题,提出一种数据校正方法,利用加速度传感器的高频敏感性特点,结合多传感器数据融合的卡尔曼滤波(KF)算法,对高频位移信号进行校正。通过分解换流变压器实际激励信号,同时搭建并改进单片硅钢片磁致伸缩特性测量实验平台,进而对不同激励下信号进行同步采集和数据融合。利用卡尔曼滤波将数据融合,并对融合前后的高频位移信号各分量占比以及信噪比进行计算对比。模拟换流变压器实际工作条件,在250Hz和350Hz单独激励时,数据融合后的位移信号的信噪比在其4倍频处分别提升7.6%、11.7%,在6倍频处的信噪比分别提升为9.5%、22.9%。实验结果表明,该方法提高了高频位移信号的测量准确性,有效地解决了传统位移传感器在高频测量方面的局限性。

VCSEL的研究进展及应用前景

介绍了垂直腔面发射半导体激光器的发展过程、器件结构、工作原理和新型的氧化限制型垂直腔面发射半导体激光器和晶片熔合工艺,同时展望了该器件的应用及发展前景。

全局与局部多尺度特征融合晶圆缺陷分类网络

在半导体制造领域,晶圆缺陷分类是确保产品质量的重要步骤。然而,由于晶圆缺陷的多样性和复杂性,现有的混合型晶圆缺陷分类网络在准确性上仍然存在不足。针对这一问题,提出了一种基于全局和局部多尺度特征融合的混合型晶圆缺陷分类网络—MLG-Net。MLG-Net由3个主要模块组成:特征提取模块、全局分支和局部分支。该网络旨在更好地提取和利用晶圆缺陷图像的全局语义信息与局部细节特征,这两种特征通过多尺度特征融合技术相结合,最终形成一个更加全面的特征表示,有助于分类器在面对复杂混合缺陷时,做出更为准确的判断,从而提升分类精度。为了验证MLG-Net的有效性,在包含38种混合类型缺陷的数据集—MixedWM38上进行了大量实验,其分类准确度达到98.84%。结果表明,MLG-Net在综合性能上优于当前主流的六种晶圆缺陷分类方法。这一结果证明了全局与局部特征融合在处理混合型晶圆缺陷分类任务中的重要性和有效性。