一种基于配料数据的多晶硅铸锭质量预测方法及系统技术方案

本发明专利技术涉及一种基于配料数据的多晶硅铸锭质量预测方法及系统。方法包括获取多晶硅铸锭的配料数据；对所述配料数据进行预处理；所述预处理包括进行数据清洗，删除缺失数值的数据；利用扩散映射算法对预处理后的配料数据进行降维处理；以设定比例的降维处理后的配料数据构建支持向量数据描述模型；利用训练好的支持向量数据描述模型对降维处理后的配料数据进行质量预测分类，得到产品质量预测分类结果。本发明专利技术所提供得一种基于配料数据的多晶硅铸锭质量预测方法及系统，能够快速、准确、低成本的实现多晶硅铸锭质量的预测。

【技术实现步骤摘要】
一种基于配料数据的多晶硅铸锭质量预测方法及系统
本专利技术涉及多晶硅铸锭质量预测领域，特别是涉及一种基于配料数据的多晶硅铸锭质量预测方法及系统。
技术介绍
多晶硅是单质硅的一种形态，熔融的单质硅在过冷条件下凝固时，硅原子以金刚石晶格形态排列成许多晶核，如这些晶核长成晶面取向不同的晶粒，则这些晶粒结合起来，就结晶成多晶硅。多晶硅铸锭完整的一个循环主要包括：喷涂及装料、铸锭前检查、铸锭运行过程、开方、硅片加工和硅片检测等工艺流程。在多晶硅铸锭过程中，其状态可根据系统变量或参数的实际测量物理量或其数理统计量的形式来描述，而过程状态即系统运行状态，能够反映出产品的质量状态。因此，多晶硅铸锭质量预测旨在不增加投入的基础上，通过对铸锭生产关键点的有效监测和控制，提高设备产能，在多晶硅生产全部工艺完成前，实现对产品质量预测的目的，以在产品质量预测结果异常时，达到提前干预并矫正的效果。目前对于多晶硅铸锭质量的预测主要是进行半熔或全熔的工艺试验或是利用计算机进行数值模拟。前者的工作流程为：装料、抽真空及加热、充气及熔化、长晶、退火、冷却及本文档来自技高网...

【技术保护点】
1.一种基于配料数据的多晶硅铸锭质量预测方法，其特征在于，包括：/n获取多晶硅铸锭的配料数据；所述配料数据包括原生多晶块料质量、碎多晶质量、碎片质量、自产提纯锭芯质量、外购提纯锭芯质量、顶皮质量、边料质量、尾料质量以及少子寿命值；/n对所述配料数据进行预处理；所述预处理包括进行数据清洗，删除缺失数值的数据；/n利用扩散映射算法对预处理后的配料数据进行降维处理；/n以设定比例的降维处理后的配料数据构建支持向量数据描述模型；/n利用训练好的支持向量数据描述模型对降维处理后的配料数据进行产品预测分类，得到产品质量预测分类结果；所述产品质量预测分类结果包括质量正常的多晶硅锭和质量异常的多晶硅锭；所述训...

【技术特征摘要】
1.一种基于配料数据的多晶硅铸锭质量预测方法，其特征在于，包括：
获取多晶硅铸锭的配料数据；所述配料数据包括原生多晶块料质量、碎多晶质量、碎片质量、自产提纯锭芯质量、外购提纯锭芯质量、顶皮质量、边料质量、尾料质量以及少子寿命值；
对所述配料数据进行预处理；所述预处理包括进行数据清洗，删除缺失数值的数据；
利用扩散映射算法对预处理后的配料数据进行降维处理；
以设定比例的降维处理后的配料数据构建支持向量数据描述模型；
利用训练好的支持向量数据描述模型对降维处理后的配料数据进行产品预测分类，得到产品质量预测分类结果；所述产品质量预测分类结果包括质量正常的多晶硅锭和质量异常的多晶硅锭；所述训练好的支持向量数据描述模型以所述降维处理后的配料数据为输入，以所述产品质量预测分类结果为输出。


2.根据权利要求1所述的一种基于配料数据的多晶硅铸锭质量预测方法，其特征在于，所述预处理包括进行数据清洗，删除缺失数值的数据，之后还包括：
对预处理后的数据进行划分得到数值型数据和字符型数据。


3.根据权利要求1所述的一种基于配料数据的多晶硅铸锭质量预测方法，其特征在于，所述以设定比例的降维处理后的配料数据构建支持向量数据描述模型，之后还包括：
利用蒙特卡洛算法优化所述支持向量数据描述模型，得到所述训练好的支持向量数据描述模型。


4.一种...

【专利技术属性】
技术研发人员：张雪英，王杰，李凤莲，陈桂军，黄丽霞，徐静林，张龙，
申请(专利权)人：太原理工大学，
类型：发明
国别省市：山西;14