System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及半导体材料制备领域,特别是涉及蓝宝石的长速异常检测方法、装置、电子装置和存储介质。
技术介绍
1、蓝宝石是一种广泛用于红外军事装置、卫星空间技术、高强度激光的窗口材料。其中,通常将泡生法应用于蓝宝石单晶的生长。在采用泡生法进行蓝宝石制备的过程中,由于温度、环境、拉速等因素,蓝宝石生长炉的长晶速度会可能出现异常,因而需要对蓝宝石的长晶速度进行异常检测。
2、在相关技术中,长速异常检测往往依赖人工巡检。由于生产车间内的蓝宝石炉较多,人工巡检来实现长速异常检测存在效率低和及时性低的问题。另外地,在相关技术中,也包括基于数据比较进行异常检测的方式。该种方式通过实时采集晶体的重量,计算长晶速度,将长晶速度与预先配置好的长速范围进行比对,根据比对结果确定是否出现检测异常。该种检测方式的及时性较低。
3、针对相关技术中存在长速异常检测的及时性较低的问题,目前还没有提出有效的解决方案。
技术实现思路
1、在本实施例中提供了一种蓝宝石的长速异常检测方法、装置、电子装置和存储介质,以解决相关技术中长速异常检测的及时性较低的问题。
2、第一个方面,在本实施例中提供了一种蓝宝石的长速异常检测方法,包括:
3、获取待测蓝宝石的工艺过程参数,和所述待测蓝宝石在历史时间段的历史长晶速度;
4、将所述工艺过程参数和所述历史长晶速度输入训练完备的长速预测模型,对所述待测蓝宝石在预设的未来时间段的长晶速度进行预测,得到预测长晶速度;其中,所述长速预
5、对所述预测长晶速度进行长速异常预测,得到所述待测蓝宝石的长速异常预测结果。
6、在其中的一些实施例中,所述训练完备的长速预测模型,至少包括输入层、专家子模块、门控单元以及输出层;其中,所述专家子模块基于长短时记忆网络层堆叠而成。
7、在其中的一些实施例中,在将所述工艺过程参数和所述历史长晶速度输入训练完备的长速预测模型,对所述待测蓝宝石在预设的未来时间段的长晶速度进行预测,得到预测长晶速度之前,所述方法还包括:
8、将预设的训练数据输入基于长短时记忆网络的预设模型中,以使所述预设模型对输入的训练数据中的各类工艺过程参数进行特征映射、矩阵相乘以及特征融合,输出对应所述训练数据的长晶速度预测值;
9、根据所述长晶速度预测值,和所述训练数据对应的长晶速度真值,确定所述预设模型是否达到收敛条件;若是,则将所述预设模型确定为训练完备的长速预测模型;否则继续对所述预设模型进行训练,直至所述预设模型达到所述收敛条件。
10、在其中的一些实施例中,所述对所述预测长晶速度进行长速异常预测,得到所述待测蓝宝石的长速异常预测结果,包括:
11、从曲线分析维度,对所述预测长晶速度的曲线进行异常分析,得到所述待测蓝宝石的长速异常预测结果;其中,所述曲线分析维度包括以下之一:速度增幅、速度趋势以及速度起伏。
12、在其中的一些实施例中,所述从曲线分析维度,对所述预测长晶速度的曲线进行异常分析,得到所述待测蓝宝石的长速异常预测结果,包括:
13、对所述预测长晶速度的曲线进行差分处理,得到差分序列;
14、在所述差分序列超出预设差分阈值的情况下,预测所述待测蓝宝石在所述未来时间段的长晶速度存在速度增幅异常。
15、在其中的一些实施例中,所述从曲线分析维度,对所述预测长晶速度的曲线进行异常分析,得到所述待测蓝宝石的长速异常预测结果,包括:
16、对所述预测长晶速度进行趋势分解和线性拟合,确定所述预测长晶速度对应的速度趋势的倾斜角度;
17、在所述倾斜角度超出预设的角度区间的情况下,预测所述待测蓝宝石在所述未来时间段的长晶速度存在速度趋势异常。
18、在其中的一些实施例中,所述从曲线分析维度,对所述预测长晶速度的曲线进行异常分析,得到所述待测蓝宝石的长速异常预测结果,包括:
19、对所述预测长晶速度计算滚动标准差,得到目标标准差;
20、在所述目标标准差超出预设的标准差阈值的情况下,预测所述待测蓝宝石在所述未来时间段的长晶速度存在速度起伏异常。
21、第二个方面,在本实施例中提供了一种蓝宝石的长速异常检测装置,包括:获取模块、长速预测模块以及异常预测模块;其中:
22、所述获取模块,用于获取待测蓝宝石的工艺过程参数,和所述待测蓝宝石在历史时间段的历史长晶速度;
23、所述长速预测模块,用于将所述工艺过程参数和所述历史长晶速度输入训练完备的长速预测模型,对所述待测蓝宝石在预设的未来时间段的长晶速度进行预测,得到预测长晶速度;其中,所述长速预测模型基于长短时记忆网络构建;
24、所述异常预测模块,用于对所述预测长晶速度进行长速异常预测,得到所述待测蓝宝石的长速异常预测结果。
25、第三个方面,在本实施例中提供了一种电子装置,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述第一个方面所述的蓝宝石的长速异常检测方法。
26、第四个方面,在本实施例中提供了一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述第一个方面所述的蓝宝石的长速异常检测方法。
27、与相关技术相比,在本实施例中提供了蓝宝石的长速异常检测方法、装置、电子装置和存储介质,其中的蓝宝石的长速异常检测方法,首先获取待测蓝宝石的工艺过程参数,和待测蓝宝石在历史时间段的历史长晶速度;之后将工艺过程参数和历史长晶速度输入训练完备的长速预测模型,对待测蓝宝石在预设的未来时间段的长晶速度进行预测,得到预测长晶速度;其中,长速预测模型基于长短时记忆网络构建;最后,对预测长晶速度进行长速异常预测,得到待测蓝宝石的长速异常预测结果。其能够实现对晶体生长速度的准确预测,进而基于预测得到的未来时间段的长速进行异常预测,从而实现对长速异常的提前预测,进而提高长速异常检测的及时性。
28、本申请的一个或多个实施例的细节在以下附图和描述中提出,以使本申请的其他特征、目的和优点更加简明易懂。
本文档来自技高网...【技术保护点】
1.一种蓝宝石的长速异常检测方法,其特征在于,包括:
2.根据权利要求1所述的蓝宝石的长速异常检测方法,其特征在于,所述训练完备的长速预测模型,至少包括输入层、专家子模块、门控单元以及输出层;其中,所述专家子模块基于长短时记忆网络层堆叠而成。
3.根据权利要求1所述的蓝宝石的长速异常检测方法,其特征在于,在将所述工艺过程参数和所述历史长晶速度输入训练完备的长速预测模型,对所述待测蓝宝石在预设的未来时间段的长晶速度进行预测,得到预测长晶速度之前,所述方法还包括:
4.根据权利要求1至权利要求3中任一项所述的蓝宝石的长速异常检测方法,其特征在于,所述对所述预测长晶速度进行长速异常预测,得到所述待测蓝宝石的长速异常预测结果,包括:
5.根据权利要求4所述的蓝宝石的长速异常检测方法,其特征在于,所述从曲线分析维度,对所述预测长晶速度的曲线进行异常分析,得到所述待测蓝宝石的长速异常预测结果,包括:
6.根据权利要求4所述的蓝宝石的长速异常检测方法,其特征在于,所述从曲线分析维度,对所述预测长晶速度的曲线进行异常分析,得到所述待测蓝
7.根据权利要求4所述的蓝宝石的长速异常检测方法,其特征在于,所述从曲线分析维度,对所述预测长晶速度的曲线进行异常分析,得到所述待测蓝宝石的长速异常预测结果,包括:
8.一种蓝宝石的长速异常检测装置,其特征在于,包括:获取模块、长速预测模块以及异常预测模块;其中:
9.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行权利要求1至权利要求7中任一项所述的蓝宝石的长速异常检测方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至权利要求7中任一项所述的蓝宝石的长速异常检测方法的步骤。
...【技术特征摘要】
1.一种蓝宝石的长速异常检测方法,其特征在于,包括:
2.根据权利要求1所述的蓝宝石的长速异常检测方法,其特征在于,所述训练完备的长速预测模型,至少包括输入层、专家子模块、门控单元以及输出层;其中,所述专家子模块基于长短时记忆网络层堆叠而成。
3.根据权利要求1所述的蓝宝石的长速异常检测方法,其特征在于,在将所述工艺过程参数和所述历史长晶速度输入训练完备的长速预测模型,对所述待测蓝宝石在预设的未来时间段的长晶速度进行预测,得到预测长晶速度之前,所述方法还包括:
4.根据权利要求1至权利要求3中任一项所述的蓝宝石的长速异常检测方法,其特征在于,所述对所述预测长晶速度进行长速异常预测,得到所述待测蓝宝石的长速异常预测结果,包括:
5.根据权利要求4所述的蓝宝石的长速异常检测方法,其特征在于,所述从曲线分析维度,对所述预测长晶速度的曲线进行异常分析,得到所述待测蓝宝石的长速异常预测结果,包括:...
【专利技术属性】
技术研发人员:傅林坚,刘华,杨洁,
申请(专利权)人:浙江晶盛机电股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。