摘要：设备点检记录是支撑故障原因分析与处理的重要信息来源,目前亟需对设备点检故障中的根因信息进行有效挖掘,以提升设备预防性维护的可靠性。鉴于此,首次将因果科学论引入制造领域,提出一种面向设备点检故障根因分析的因果知识建模方法。首先,从设备点检故障文档中提取事件知识,构建故障运维因果知识图谱;其次,定义故障运维因果知识规则,形成结构因果图模型;进而,设计一种基于ISPN的因果效应估计学习模型,对故障知识中混杂影响因素进行估计计算,挖掘出影响设备故障发生的语义关系,补全图谱节点间隐含的因果性语义链路;最后,以冶金设备点检故障文档的知识测试了所提方法,验证了因果知识模型估计设备故障根因知识间因果效应的可行性。

摘要：晶圆良率是衡量晶圆产品质量的重要指标,实现其稳定优化能够有效控制生产成本。针对晶圆良率影响因素众多、数据量庞大等特点,以晶圆允收测试为依据,设计了基于改进粒子群算法的晶圆良率优化方法。该方法在晶圆允收测试数据预处理与关键参数提取基础上,建立评价粒子适应度的晶圆良率预测模型,设计迭代自适应的粒子群惯性因子与加速因子,以及基于模拟退火的局部搜索机制,实现最小调整成本下的晶圆良率最大化目标。在某晶圆制造车间算例实验中,通过对比分析验证了所提方法的有效性。

摘要：晶圆良率是衡量半导体产品质量的关键指标,对其进行稳定、准确的预测能够帮助发现晶圆加工工艺缺陷、提高芯片质量、控制芯片生产成本。针对晶圆良率的影响因素多、数据体量大、数据间关系复杂等特点,以晶圆加工过程中的电性测试参数为依据,提出一种基于改进的连续型深度信念网络的晶圆良率预测方法。首先提出晶圆电性测试参数的两阶段数据预处理方法,第一阶段对晶圆电性测试参数中的缺失值、异常值进行数据清洗,第二阶段对晶圆电性测试测试参数间的多重共线性关系进行主成分分析,以获取预测模型的输入变量。然后设计了基于深度信念网络的晶圆良率预测模型,通过改进隐藏层的连续型受限制玻尔兹曼机,实现了关键特征的自动提取,利用输出层的误差反向传播机制,实现了晶圆良率的准确预测。采用实例数据,对比了所提方法与现有文献方法的预测准确率,从而验证了所提方法的有效性。

摘要：针对点云分割中的非等效性,提出基于CNN(convolutional neural network)的点云分割神经网络NEPN(non-equivalent point network),在设计网络随机抽样层与MaxPooling层解决点云数量与顺序多变的基础上,引入经惩罚函数作用后的距离矩阵对各点分类误差进行加权,优化模型训练损失计算方法,强化分割面邻近点的误差反馈,实现点云区域分割。试验结果表明,该方法分割精度优于PointNet方法,可有效解决非等效点云分割问题。

摘要：为了研究碳纤维经编针织复合材料的钻削加工过程,通过分析经编针织物的细观结构,利用有限元分析软件ABAQUS建立复合材料钻削有限元模型,并联合用户子程序VUMAT定义复合材料的本构模型,模拟钻削加工过程。仿真结果表明:Z向轴向力与进给速度呈正相关,与主轴转速呈负相关。通过对碳纤维经编针织复合材料进行钻削实验,将实验结果与仿真结果进行对比,验证了有限元模型的正确性。为碳纤维经编针织复合材料钻削加工过程的优化提供了理论依据。

摘要：为提供工序建模时所需的特征MBD(model based definition)设计信息,提出了面向工序建模的设计信息提取算法。以MBD模型为唯一依据,获取模型中的设计信息,搜寻设计信息的依附元素所在特征,依据其关联的特征将其分类为独立标注、关联标注与形状尺寸,最后以特征为单位输出相关的设计信息。试验表明,该方法能有效获取工序建模所需的特征MBD设计信息。

摘要：可靠性设计优化(RBDO)包含两个迭代循环——总体优化循环和可靠性分析循环,双循环求解方法效率低下,甚至难以承受。提出一种可以提高可靠性设计优化求解效率的方法——球空间设计法。该方法可以方便地表达搜索区域,其最大可能失效点可以从极值点处精确获取;同时,该方法可以将总体优化及可靠性分析同步进行。所提出的球空间法的有效性将通过2个算例进行测试。测试结果表明,该方法不仅精度与同类方法持平,求解效率有明显提升,还将会对提高航空航天装备(如卫星、火箭、飞行器等产品)的可靠性提供更为有效的方法和技术支持。