基于粒子群的RBF神经网络晶圆清洗机过滤器流量预测

发布时间：2020-09-29 15:35

　　 随着电子产品在生活中的普及,电子产业飞速发展,那么半导体的制作就尤为重要,晶圆清洗技术是半导体生产过程中不可缺少的一部分,决定着企业利润的高低。在生产制造集成电路和半导体产品过程中,几乎每道工序都涉及到清洗,晶圆的清洗质量直接关系到半导体和集成电路的成品率。就目前晶圆的清洗技术而言,湿法清洗是最常用的的清洗技术。湿法清洗技术的关键在于对清洗机化学品流量和浓度的控制。通过对清洗机过滤器流量的控制可以有效的提高产品的生产效率,避免过早更换过滤器化学品槽造成成本的浪费和避免过度使用化学品槽造成废品。论文研究了粒子群算法优化改进RBF神经网络(PSOIRBF)的方法对过滤器流量进行了预测。论文的主要研究工作如下:(1)介绍了对晶圆清洗机过滤器流量预测应用的背景和应用价值,以及目前在国内外主要的几种晶圆清洗技术,并简单介绍了晶圆清洗机的结构特点和工作原理。(2)简单地分析了各类典型神经网络预测模型的结构、优缺点以及前人们的应用成果。(3)介绍了RBF神经网络的理论知识,分析其优缺点,并为了解决RBF神经网络容易陷入局部最优,精度不高等问题对RBF神经网络模型进行了改进。(4)提出了粒子群优化的RBF神经网络算法,并用一个非线性模型对该算法进行了验证,分析了该算法的缺点。(5)针对粒子群优化的RBF神经网络存在的缺点,提出了粒子群优化改进RBF神经网络算法(PSOIRBF),用非线性模型进行了验证,讨论了不同神经元个数时的预测结果,并和遗传算法和未改进算法进行了比较分析,验证了该算法的有效性。最后将该模型应用到晶圆清洗机过滤器的流量预测中,进行仿真实验。证明了该算法在晶圆清洗机过滤器流量预测中的有效性。
【学位单位】：新疆大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TN305;TP18
【部分图文】：

晶圆清洗机外观图

图 1-2 线性神经网络结构图知神经网络神经网络[17]是对人脑感知特征的抽象模拟，结构非常简单，最由一个神经元组成，线性阈值单元为网络传递函数。只能解决题，不能应用在线性不可分和非线性问题上，感知器网络的学`w (t a)p ep `b (t a)(1) ew( n 1) w(n) `wb ( n 1) b(n) `b输入向量，e为学习误差，t为目标向量， `w 为权值增量 `b 为

感知器神经网络结构图

【相似文献】

相关期刊论文 前10条

1 胡悦;;金融市场中的神经网络拐点预测法[J];金融经济;2017年18期

2 迟惠生;陈珂;;1995年世界神经网络大会述评[J];国际学术动态;1996年01期

3 吴立可;;脉冲神经网络和行为识别[J];通讯世界;2018年12期

4 林嘉应;郑柏伦;刘捷;;基于卷积神经网络的船舶分类模型[J];信息技术与信息化;2019年02期

5 俞颂华;;卷积神经网络的发展与应用综述[J];信息通信;2019年02期

6 韩真;凯文·哈特尼特;;为神经网络的通用理论建造基石[J];世界科学;2019年04期

7 鲍伟强;陈娟;熊涛;;基于进化神经网络的短期电力负荷预测研究[J];电工技术;2019年11期

8 陈晓燕;;浅析简单神经网络的发展及简单模型[J];数字技术与应用;2019年05期

9 王丽华;杨秀萍;王皓;高峥翔;;智能双轮平衡车的设计研究[J];数字技术与应用;2018年04期

10 张庭略;;基于硬件的神经网络加速[J];通讯世界;2018年08期

相关会议论文 前10条

1 孙军田;张U

本文编号：2829922