CN117144464A - 转肩启动时机确定方法、装置、电子设备及存储介质 - Google Patents
转肩启动时机确定方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117144464A CN117144464A CN202210562143.6A CN202210562143A CN117144464A CN 117144464 A CN117144464 A CN 117144464A CN 202210562143 A CN202210562143 A CN 202210562143A CN 117144464 A CN117144464 A CN 117144464A
- Authority
- CN
- China
- Prior art keywords
- diameter difference
- data
- characteristic data
- shoulder
- diameter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 86
- 238000003860 storage Methods 0.000 title claims description 15
- 239000013078 crystal Substances 0.000 claims abstract description 140
- 238000012544 monitoring process Methods 0.000 claims abstract description 70
- 238000012549 training Methods 0.000 claims abstract description 29
- 238000012216 screening Methods 0.000 claims description 32
- 230000008569 process Effects 0.000 claims description 26
- 238000004891 communication Methods 0.000 claims description 18
- 238000006243 chemical reaction Methods 0.000 claims description 13
- 238000007637 random forest analysis Methods 0.000 claims description 11
- 230000002159 abnormal effect Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 9
- 238000010219 correlation analysis Methods 0.000 claims description 7
- 230000000977 initiatory effect Effects 0.000 claims description 6
- 230000000875 corresponding effect Effects 0.000 description 29
- 238000012545 processing Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 238000004519 manufacturing process Methods 0.000 description 7
- 238000010899 nucleation Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 229910021421 monocrystalline silicon Inorganic materials 0.000 description 4
- 239000002994 raw material Substances 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 238000002231 Czochralski process Methods 0.000 description 2
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 229910021420 polycrystalline silicon Inorganic materials 0.000 description 2
- 229910052710 silicon Inorganic materials 0.000 description 2
- 239000010703 silicon Substances 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000007600 charging Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000004033 diameter control Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 229920005591 polysilicon Polymers 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000002210 silicon-based material Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- C—CHEMISTRY; METALLURGY
- C30—CRYSTAL GROWTH
- C30B—SINGLE-CRYSTAL GROWTH; UNIDIRECTIONAL SOLIDIFICATION OF EUTECTIC MATERIAL OR UNIDIRECTIONAL DEMIXING OF EUTECTOID MATERIAL; REFINING BY ZONE-MELTING OF MATERIAL; PRODUCTION OF A HOMOGENEOUS POLYCRYSTALLINE MATERIAL WITH DEFINED STRUCTURE; SINGLE CRYSTALS OR HOMOGENEOUS POLYCRYSTALLINE MATERIAL WITH DEFINED STRUCTURE; AFTER-TREATMENT OF SINGLE CRYSTALS OR A HOMOGENEOUS POLYCRYSTALLINE MATERIAL WITH DEFINED STRUCTURE; APPARATUS THEREFOR
- C30B15/00—Single-crystal growth by pulling from a melt, e.g. Czochralski method
- C30B15/20—Controlling or regulating
- C30B15/22—Stabilisation or shape controlling of the molten zone near the pulled crystal; Controlling the section of the crystal
-
- C—CHEMISTRY; METALLURGY
- C30—CRYSTAL GROWTH
- C30B—SINGLE-CRYSTAL GROWTH; UNIDIRECTIONAL SOLIDIFICATION OF EUTECTIC MATERIAL OR UNIDIRECTIONAL DEMIXING OF EUTECTOID MATERIAL; REFINING BY ZONE-MELTING OF MATERIAL; PRODUCTION OF A HOMOGENEOUS POLYCRYSTALLINE MATERIAL WITH DEFINED STRUCTURE; SINGLE CRYSTALS OR HOMOGENEOUS POLYCRYSTALLINE MATERIAL WITH DEFINED STRUCTURE; AFTER-TREATMENT OF SINGLE CRYSTALS OR A HOMOGENEOUS POLYCRYSTALLINE MATERIAL WITH DEFINED STRUCTURE; APPARATUS THEREFOR
- C30B29/00—Single crystals or homogeneous polycrystalline material with defined structure characterised by the material or by their shape
- C30B29/02—Elements
- C30B29/06—Silicon
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Crystallography & Structural Chemistry (AREA)
- Materials Engineering (AREA)
- Metallurgy (AREA)
- Organic Chemistry (AREA)
- Crystals, And After-Treatments Of Crystals (AREA)
Abstract
本发明实施例提供了一种转肩启动时机确定方法、装置、设备及介质。该方法包括:在直拉单晶的放肩阶段中,每隔设定时长,获取特征数据,特征数据包括控制数据和监测数据,将特征数据输入直径差预测模型,直径差预测模型通过特征数据样本,以及对应标记的转肩阶段完成时的样本晶体直径差训练得到;样本晶体直径差为实际直径和期望直径的差,根据特征数据,由直径差预测模型生成转肩阶段完成时的预测直径差,在预测直径差符合预设条件的情况下,确定转肩阶段的启动时机,使得转肩阶段完成时的晶体直径差能够提前被预测,并据此确定转肩阶段的启动时机,解决了转肩时机不好把控的问题,避免转肩阶段过早或过晚启动,提高了转肩时机确定的准确性。
Description
技术领域
本发明涉及晶体制备技术领域,特别是涉及一种转肩启动时机确定方法、一种转肩启动时机确定装置、一种电子设备以及一种存储介质。
背景技术
单晶硅材料的制备工艺以直拉法(Czochralski process/CZ)为主,利用直拉法将多晶硅原料提炼成单晶硅。在直拉单晶过程中生成棒状单晶硅晶体的过程分为装料、加热熔料、调温、引晶、放肩、转肩、等径、收尾等步骤。
其中,当多晶硅原料融化完成后,还不能马上开始引晶,因为这时的温度要高于引晶温度,还必须经过降温,将温度调整到引晶的温度。引晶是将事先装到钢丝绳末端的籽晶(也就是加工成一定形状的单晶)与液面接触,在引晶温度下,硅分子将沿着籽晶的晶格方向生长,从而形成单晶。放肩是将晶体直径逐步生长到生成所要求的直径,在放肩的过程中将拉出随着长度逐渐变长,直径逐渐变大到要求的直径左右的一段晶体,以便消除晶体位错。当晶体在放肩过程中生长到生产要求的直径后,进入转肩过程。转肩是将晶体直径控制在生产所要求的直径。当转肩完成后进入等径控制步骤,在该步骤中,通过对拉速和温度的自动控制,让晶体将按照设定的直径等径生长。
在单晶硅棒生产中,转肩时机的合适与否至关重要,直接影响等径的头部阶段的实际直径。正常生产过程中,放肩过程会因为温度、原料、拉速等各方面导致转肩时机不好把控。转肩时机过早则往往转肩结束后的等径头部直径偏小、转肩时机过晚则往往转肩结束后的等径头部直径偏大,偏大偏小都影响晶棒的质量和生产效率。
发明内容
鉴于上述问题,提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种转肩启动时机确定方法,以解决转肩时机不好把控的问题。
相应的,本发明实施例还提供了一种转肩启动时机确定装置、一种电子设备以及一种存储介质,用以保证上述方法的实现及应用。
为了解决上述问题,本发明实施例公开了一种转肩启动时机确定方法,包括:
在直拉单晶的放肩阶段中,每隔设定时长,获取特征数据,其中,所述特征数据包括控制数据和监测数据;
每隔所述设定时长,将所述特征数据输入直径差预测模型,其中,所述直径差预测模型通过特征数据样本,以及对应标记的转肩阶段完成时的样本晶体直径差训练得到;所述样本晶体直径差为实际直径和期望直径的差;
每隔所述设定时长,根据所述特征数据,由所述直径差预测模型生成所述转肩阶段完成时的预测直径差;
在所述预测直径差符合预设条件的情况下,确定所述转肩阶段的启动时机。
可选地,所述特征数据包括对数转换后的特征数据,所述获取特征数据,还包括:
对直接获取到的多个所述控制数据和监测数据进行对数转换,得到所述对数转换后的特征数据;
将直接获取到的所述控制数据和监测数据,和所述对数转换后的特征数据,作为输入所述直径差预测模型的特征数据。
可选地,所述每隔设定时长,获取特征数据,包括:
在所述放肩阶段中,对所述控制数据和监测数据进行多次采集;
监测所述放肩阶段中的当前晶体长度;
在所述当前晶体长度达到预设晶体长度后,每隔所述设定时长,从多次采集到的所述控制数据和监测数据中,获取所述特征数据。
可选地,所述在所述预测直径差符合预设条件的情况下,确定所述转肩阶段的启动时机,包括:
检测在设定范围内的所述预测直径差的数量;
当所述数量达到设定阈值,且当前时间达到设定时间,则将所述当前时间确定为所述转肩阶段的启动时机。
可选地,在所述在直拉单晶的放肩阶段中,每隔设定时长,获取特征数据之前,所述方法还包括:
获取特征数据样本,以及对应标记的转肩阶段完成时的样本晶体直径差;其中,所述特征数据样本包括控制数据样本和监测数据样本;
将所述特征数据样本和对应标记的样本晶体直径差输入直径差预测模型;
采用针对所述特征数据样本标记的样本晶体直径差,训练所述直径差预测模型,直至所述直径差预测模型的损失值小于设定损失值,得到训练好的所述直径差预测模型。
可选地,所述获取特征数据样本,以及对应标记的转肩阶段完成时的样本晶体直径差,还包括:
对直接获取到的所述控制数据样本和监测数据样本进行筛选处理,得到所述特征数据样本;其中,所述筛选处理包括以下至少一种:文本类型数据剔除、冗余数据剔除、基于箱图法的异常数据剔除、基于相关性分析的特征筛选。
可选地,在所述将所述特征数据样本和对应标记的样本晶体直径差输入直径差预测模型之前,所述方法还包括:
基于随机森林模型,对所述特征数据样本进行重要性排序;
筛选出重要性排序靠前的预设个数的特征数据样本,作为输入所述直径差预测模型的特征数据样本。
本发明实施例还公开了一种转肩启动时机确定装置,包括:
数据获取模块,用于在直拉单晶的放肩阶段中,每隔设定时长,获取特征数据,其中,所述特征数据包括控制数据和监测数据;
数据输入模块,用于每隔所述设定时长,将所述特征数据输入直径差预测模型,其中,所述直径差预测模型通过特征数据样本,以及对应标记的转肩阶段完成时的样本晶体直径差训练得到;所述样本晶体直径差为实际直径和期望直径的差;
直径差生成模块,用于每隔所述设定时长,根据所述特征数据,由所述直径差预测模型生成所述转肩阶段完成时的预测直径差;
时机确定模块,用于在所述预测直径差符合预设条件的情况下,确定所述转肩阶段的启动时机。
可选地,所述特征数据包括对数转换后的特征数据,所述数据获取模块,还包括:
对数转换子模块,用于对直接获取到的多个所述控制数据和监测数据进行对数转换,得到所述对数转换后的特征数据;
数据确定子模块,用于将直接获取到的所述控制数据和监测数据,和所述对数转换后的特征数据,作为输入所述直径差预测模型的特征数据。
可选地,所述数据获取模块,包括:
数据采集子模块,用于在所述放肩阶段中,对所述控制数据和监测数据进行多次采集;
长度监测子模块,用于监测所述放肩阶段中的当前晶体长度;
数据获取子模块,用于在所述当前晶体长度达到预设晶体长度后,每隔所述设定时长,从多次采集到的所述控制数据和监测数据中,获取所述特征数据。
可选地,所述时机确定模块,包括:
数量检测子模块,用于检测在设定范围内的所述预测直径差的数量;
时机确定子模块,用于当所述数量达到设定阈值,且当前时间达到设定时间,则将所述当前时间确定为所述转肩阶段的启动时机。
可选地,所述装置还包括:
样本获取模块,用于在所述在直拉单晶的放肩阶段中,每隔设定时长,获取特征数据之前,获取特征数据样本,以及对应标记的转肩阶段完成时的样本晶体直径差;其中,所述特征数据样本包括控制数据样本和监测数据样本;
样本输入模块,用于将所述特征数据样本和对应标记的样本晶体直径差输入直径差预测模型;
模型训练模块,用于采用针对所述特征数据样本标记的样本晶体直径差,训练所述直径差预测模型,直至所述直径差预测模型的损失值小于设定损失值,得到训练好的所述直径差预测模型。
可选地,所述样本获取模块,还包括:
筛选子模块,用于对直接获取到的所述控制数据样本和监测数据样本进行筛选处理,得到所述特征数据样本;其中,所述筛选处理包括以下至少一种:文本类型数据剔除、冗余数据剔除、基于箱图法的异常数据剔除、基于相关性分析的特征筛选。
可选地,所述装置还包括:
排序模块,用于在所述将所述特征数据样本和对应标记的样本晶体直径差输入直径差预测模型之前,基于随机森林模型,对所述特征数据样本进行重要性排序;
样本筛选模块,用于筛选出重要性排序靠前的预设个数的特征数据样本,作为输入所述直径差预测模型的特征数据样本。
本发明实施例还公开了一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现如上所述的方法步骤。
本发明实施例还公开了一种可读存储介质,当所述存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行本发明实施例中一个或多个所述的转肩启动时机确定方法。
本发明实施例包括以下优点:
依据本发明实施例,通过在直拉单晶的放肩阶段中,每隔设定时长,获取特征数据,其中,所述特征数据包括控制数据和监测数据,每隔所述设定时长,将所述特征数据输入直径差预测模型,其中,所述直径差预测模型通过特征数据样本,以及对应标记的转肩阶段完成时的样本晶体直径差训练得到;所述样本晶体直径差为实际直径和期望直径的差,每隔所述设定时长,根据所述特征数据,由所述直径差预测模型生成所述转肩阶段完成时的预测直径差,在所述预测直径差符合预设条件的情况下,确定所述转肩阶段的启动时机,使得转肩阶段完成时的晶体直径差能够提前被预测,并据此确定转肩阶段的启动时机,解决了转肩时机不好把控的问题,避免转肩阶段过早或过晚启动,提高了转肩时机确定的准确性。
附图说明
图1是本发明的一种转肩启动时机确定方法实施例的步骤流程图;
图2是本发明的一种转肩启动时机确定方法实施例的步骤流程图;
图3是本发明的一种转肩启动时机确定装置实施例的结构框图;
图4是根据一示例性实施例示出的一种用于转肩启动时机确定的计算设备的结构框图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
参照图1,示出了本发明的一种转肩启动时机确定方法实施例的步骤流程图,具体可以包括如下步骤:
步骤101,在直拉单晶的放肩阶段中,每隔设定时长,获取特征数据,其中,所述特征数据包括控制数据和监测数据。
在本发明实施例中,直拉单晶过程是利用直拉法将原料提炼成单晶的过程,例如,直拉单晶硅的过程。直拉单晶过程可以划分为引晶阶段、放肩阶段、转肩阶段、等径阶段等。
在本发明实施例中,在直拉单晶过程的放肩阶段中,可以获取到多种特征数据。特征数据包括控制数据和监测数据。其中,控制数据是为直拉单晶设备输入的控制参数,监测数据是实际运行时监测到的数据,具体可以包括任意适用的特征数据,本发明实施例对此不做限制。
其中,监测数据可以通过工业传感器监测到的。控制数据可以从相关控制设备直接采集到。例如,核心特征可以包括:crown0cruciblerotation(放肩开始锅转),diameter(直径),crystallength(晶体长度),crownsumtime(放肩总时间),crownpowerdiff(放肩功率降幅),meltlevel(液口距),crown6070diameterdiff(放肩60到70之间的直径变化),crown8090timesum(放肩80到90之间的时长),crownlast1minavgspeed(放肩最后一分钟的平均拉速),crownlast5diameterdiff(放肩最后5分钟的直径变化量),crownlast10diameterdiff(放肩最后10分钟的直径变化量)等。
在放肩阶段中,每隔设定时长,获取特征数据,以便在直拉单晶过程中进行每隔设定时长进行一次预测,以便及时确定转肩启动时机。其中,设定时长可以根据实际需要进行设置,本发明实施例对此不做限制。例如,设定时长设定为30秒。
步骤102,每隔所述设定时长,将所述特征数据输入直径差预测模型,其中,所述直径差预测模型通过特征数据样本,以及对应标记的转肩阶段完成时的样本晶体直径差训练得到;所述样本晶体直径差为实际直径和期望直径的差。
在本发明实施例中,晶体直径差是指实际直径和期望直径的差。预测转肩阶段完成时的晶体直径差可以采用机器学习的方式,根据放肩阶段中的特征数据和转肩阶段完成时的晶体直径差之间的相关关系,得到一个可以预测晶体直径差的直径差预测模型。
为了训练直径差预测模型,需要准确样本数据以及对应的标签数据,即在放肩阶段中获取的特征数据样本,以及对应标记的转肩阶段完成时的样本晶体直径差。具体可以通过多次实验,获得特征数据样本以及样本晶体直径差,也可以从历史数据中选取特征数据样本以及样本晶体直径差。样本晶体直径差是通过对晶体的直径进行测量,得到实际直径,再与期望直径做差得到的。
在本发明实施例中,直径预测差模型可以采用类别梯度提升(CategoricalGradient Boosting,CATboost)模型等,具体可以采用任意适用的模型,本发明实施例对此不做限制。经试验,CATboost模型是一个回归模型,而且对于直径差预测有较好效果。
在本发明实施例中,在预测阶段,直径差预测模型的输入为放肩阶段中获取的特征数据,每次获取到特征数据后,输入直径差预测模型。该模型输出为转肩阶段完成时的晶体直径差的预测值,记为预测直径差。
在本发明的一种可选实施例中,在所述在直拉单晶的放肩阶段中,每隔设定时长,获取特征数据之前,还可以包括:获取特征数据样本,以及对应标记的转肩阶段完成时的样本晶体直径差。其中,所述特征数据样本包括控制数据样本和监测数据样本。将所述特征数据样本和对应标记的样本晶体直径差输入直径差预测模型。采用针对所述特征数据样本标记的样本晶体直径差,训练所述直径差预测模型,直至所述直径差预测模型的损失值小于设定损失值,得到训练好的所述直径差预测模型。
对直径差预测模型进行训练时,输入为特征数据样本,以及对应标记的样本晶体直径差。采用标记的样本晶体直径差,对直径差预测模型的神经网络进行训练。也就是说,模型每次输出直径差的预测值后,与实际值(即标记的样本晶体直径差)进行比较,并将比较的结果输入到损失函数中,计算得到损失值。模型的收敛条件可以有:损失值小于设定损失值,或者达到最大迭代次数。例如,设定一个比较小的设定损失值,每一次训练的时候,都同时计算一下损失值的大小,当损失值小于设定损失值,就可以认为模型收敛了,那么就可以结束训练。预先设定一个比较大的最大迭代次数,比如迭代100次,或者10000次,或者1000000次等,需要根据实际情况来选择,本发明实施例对此不做限制。模型完成规定次数的训练之后,就可以认为模型训练完毕。
在模型训练过程中,可以对特征数据样本进行划分、其中训练集占总体的80%,测试集占总体的20%。例如,使用Catboost模型预测转肩完成后的直径差。用训练集的数据训练模型,再用测试集的数据对模型进行测试,当测试结果的R方指标(即决定系数,反映因变量的全部变异能通过回归关系被自变量解释的比例)达到0.75,表明直径差预测模型对测试集数据有较好的效果,直径差预测模型的准确率满足要求。
在本发明的一种可选实施例中,获取特征数据样本,以及对应标记的转肩阶段完成时的样本晶体直径差的一种具体实现中,还可以包括:对直接获取到的所述控制数据样本和监测数据样本进行筛选处理,得到所述特征数据样本;其中,所述筛选处理包括以下至少一种:文本类型数据剔除、冗余数据剔除、基于箱图法的异常数据剔除、基于相关性分析的特征筛选。
直接获取的控制数据样本和监测数据样本中有很多无法使用的数据。因此需要对控制数据样本和监测数据样本筛选处理。其中,文本类型数据剔除是指将文本类型的数据剔除。冗余数据剔除是指将重复出现的数据剔除。基于箱图法的异常数据剔除是指基于箱形图观察数据整体的分布情况,利用中位数,25/%分位数,75/%分位数,上边界,下边界等统计量来来描述数据的整体分布情况,通过计算这些统计量,生成一个箱体图,箱体包含了大部分的正常数据,而在箱体上边界和下边界之外的,就是异常数据,将这些异常数据剔除。基于相关性分析的特征筛选是指对各种控制数据样本和监测数据样本之间的相关性进行分析,在控制数据样本和监测数据样本中强相关的多个数据中保留一种数据即可。
在本发明的一种可选实施例中,在将所述特征数据样本和对应标记的样本晶体直径差输入直径差预测模型之前,还可以包括:基于随机森林模型,对所述特征数据样本进行重要性排序,筛选出重要性排序靠前的预设个数的特征数据样本,作为输入所述直径差预测模型的特征数据样本。
随机森林是以决策树为基学习器的集成学习算法。随机森林模型在拟合数据后,会对数据属性列,有一个变量重要性的度量,对应为随机森林模型认为训练特征的重要程度。基于随机森林模型,对特征数据样本进行重要性排序后,筛选出重要性排序靠前的预设个数的特征数据样本。其中预设个数可以根据实际需要设置,本发明实施例对此不做限制。
在对特征数据进行筛选,以及添加对数转换后的特征数据之后,再使用随机森林模型,对特征数据样本进行重要性排序,从而最终确定模型采用的特征。
步骤103,每隔所述设定时长,根据所述特征数据,由所述直径差预测模型生成所述转肩阶段完成时的预测直径差。
在本发明实施例中,每隔所述设定时长,直径差预测模型根据输入的特征数据进行预测,生成预测直径差。获得直径差预测模型的输出,进而将直径差预测模型的输出作为转肩阶段完成时的预测直径差。
步骤104,在所述预测直径差符合预设条件的情况下,确定所述转肩阶段的启动时机。
在本发明实施例中,在放肩阶段中,对转肩阶段的启动时机进行预测。晶体的实际直径与期望直径越接近越好,也即预测直径差应该符合预设条件,在预测直径差符合预设条件的情况下,确定转肩阶段的启动时机。预设条件包括连续多个预测直径差是否在设定范围内,或者连续多个预测直径差中在设定范围内的数量是否达到预设阈值,或者其他任意适用的条件,本发明实施例对此不做限制。
依据本发明实施例,通过在直拉单晶的放肩阶段中,每隔设定时长,获取特征数据,其中,所述特征数据包括控制数据和监测数据,每隔所述设定时长,将所述特征数据输入直径差预测模型,其中,所述直径差预测模型通过特征数据样本,以及对应标记的转肩阶段完成时的样本晶体直径差训练得到;所述样本晶体直径差为实际直径和期望直径的差,每隔所述设定时长,根据所述特征数据,由所述直径差预测模型生成所述转肩阶段完成时的预测直径差,在所述预测直径差符合预设条件的情况下,确定所述转肩阶段的启动时机,使得转肩阶段完成时的晶体直径差能够提前被预测,并据此确定转肩阶段的启动时机,解决了转肩时机不好把控的问题,避免转肩阶段过早或过晚启动,提高了转肩时机确定的准确性。
在本发明的一种可选实施例中,特征数据包括对数转换后的特征数据,获取特征数据的一种实现方式中,还可以包括:对直接获取到的多个所述控制数据和监测数据进行对数转换,得到所述对数转换后的特征数据,将直接获取到的所述控制数据和监测数据,和所述对数转换后的特征数据,作为输入所述直径差预测模型的特征数据。
在直拉单晶过程中,有的特征数据是可以直接获取到的控制数据和监测数据。另外,还可以通过对数转换的方式,得到一些无法直接获取到的特征数据。对数转换是对控制数据和监测数据取对数,从而将控制数据和监测数据转换成对数数据的操作。基于对数函数在其定义域内是单调增函数,取对数后不会改变数据的相对关系,对数转换可以对大数值的范围进行压缩,对小数值的范围进行扩展。对数转换可以减轻数据分布倾斜的影响,使得直径预测差模型可以更准确的生成预测直径差,提高了模型的准确率。
将直接获取到的所述控制数据和监测数据,和对数转换后的特征数据,都作为输入直径差预测模型的特征数据。相对应的,在直径差预测模型的训练中,也需要对直接获取到的多个控制数据样本和监测数据样本进行对数转换,得到对数转换后的特征数据样本。将直接获取到的控制数据样本和监测数据样本,和对数转换后的特征数据样本,作为输入直径差预测模型的特征数据样本。
参照图2,示出了本发明的一种转肩启动时机确定方法实施例的步骤流程图,具体可以包括如下步骤:
步骤201,在所述放肩阶段中,对所述控制数据和监测数据进行多次采集。
步骤202,监测所述放肩阶段中的当前晶体长度。
在本发明实施例中,对放肩阶段中的当前晶体长度进行监测,例如,运行数据中包括晶体长度,对晶体长度进行更高频次的采集,从而实现对晶体长度的实时监测。
步骤203,在所述当前晶体长度达到预设晶体长度后,每隔所述设定时长,从多次采集到的所述控制数据和监测数据中,获取所述特征数据。
在本发明实施例中,在当前晶体长度达到预设晶体长度后,每隔设定时长,从多次采集到的控制数据和监测数据中,获取特征数据。不同种的特征数据可以包括之前一次或多次采集的数据。其中,预设晶体长度可以根据实际需要进行设定,例如,预设晶体长度为90毫米,或者其他任意适用的长度,本发明实施例对此不做限制。
步骤204,每隔所述设定时长,将所述特征数据输入直径差预测模型,其中,所述直径差预测模型通过特征数据样本,以及对应标记的转肩阶段完成时的样本晶体直径差训练得到;所述样本晶体直径差为实际直径和期望直径的差。
在本发明实施例中,具体实现方式可以参见前述实施例中的描述,此处不另赘述。
步骤205,每隔所述设定时长,根据所述特征数据,由所述直径差预测模型生成所述转肩阶段完成时的预测直径差。
在本发明实施例中,具体实现方式可以参见前述实施例中的描述,此处不另赘述。
步骤206,检测在设定范围内的所述预测直径差的数量。
在本发明实施例中,由于单次生成的预测直径差可能存在不准确的情况,通过多次预测直径差来避免单次结果可能不准确的问题。在放肩过程中,直径预测模型在不同时间多次生成预测直径差,每次检测预测直径差是否在预设范围内。并且对在设定范围内的所述预测直径差进行计数,得到在设定范围内的所述预测直径差的数量。
步骤207,当所述数量达到设定阈值,且当前时间达到设定时间,则将所述当前时间确定为所述转肩阶段的启动时机。
在本发明实施例中,当数量达到设定阈值,表明预测直径差已经稳定,且预测直径差都在合适的范围内。其中,预设范围可以根据实际需要设定,本发明实施例对此不做限制。
在本发明实施例中,为了确保控制工步和安全逻辑,避免转肩阶段的启动时机确定的过早,除了要求数量达到设定阈值外,还需要获取当前时间,并判定当前时间达到设定时间,然后将当前时间确定为转肩阶段的启动时机。其中,设定时间可以根据历史经验设定,本发明实施例对此不做限制。
依据本发明实施例,通过在所述放肩阶段中,对所述控制数据和监测数据进行多次采集,监测所述放肩阶段中的当前晶体长度,在所述当前晶体长度达到预设晶体长度后,每隔所述设定时长,从多次采集到的所述控制数据和监测数据中,获取所述特征数据,每隔所述设定时长,将所述特征数据输入直径差预测模型,其中,所述直径差预测模型通过特征数据样本,以及对应标记的转肩阶段完成时的样本晶体直径差训练得到;所述样本晶体直径差为实际直径和期望直径的差,每隔所述设定时长,根据所述特征数据,由所述直径差预测模型生成所述转肩阶段完成时的预测直径差,检测在设定范围内的所述预测直径差的数量,当所述数量达到设定阈值,且当前时间达到设定时间,则将所述当前时间确定为所述转肩阶段的启动时机,使得转肩阶段完成时的晶体直径差能够提前被预测,并据此确定转肩阶段的启动时机,解决了转肩时机不好把控的问题,避免转肩阶段过早或过晚启动,提高了转肩时机确定的准确性。
需要说明的是,对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明实施例并不受所描述的动作顺序的限制,因为依据本发明实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本发明实施例所必须的。
参照图3,示出了本发明的一种转肩启动时机确定装置实施例的结构框图,具体可以包括如下模块:
数据获取模块301,用于在直拉单晶的放肩阶段中,每隔设定时长,获取特征数据,其中,所述特征数据包括控制数据和监测数据;
数据输入模块302,用于每隔所述设定时长,将所述特征数据输入直径差预测模型,其中,所述直径差预测模型通过特征数据样本,以及对应标记的转肩阶段完成时的样本晶体直径差训练得到;所述样本晶体直径差为实际直径和期望直径的差;
直径差生成模块303,用于每隔所述设定时长,根据所述特征数据,由所述直径差预测模型生成所述转肩阶段完成时的预测直径差;
时机确定模块304,用于在所述预测直径差符合预设条件的情况下,确定所述转肩阶段的启动时机。
可选地,所述特征数据包括对数转换后的特征数据,所述数据获取模块,还包括:
对数转换子模块,用于对直接获取到的多个所述控制数据和监测数据进行对数转换,得到所述对数转换后的特征数据;
数据确定子模块,用于将直接获取到的所述控制数据和监测数据,和所述对数转换后的特征数据,作为输入所述直径差预测模型的特征数据。
可选地,所述数据获取模块,包括:
数据采集子模块,用于在所述放肩阶段中,对所述控制数据和监测数据进行多次采集;
长度监测子模块,用于监测所述放肩阶段中的当前晶体长度;
数据获取子模块,用于在所述当前晶体长度达到预设晶体长度后,每隔所述设定时长,从多次采集到的所述控制数据和监测数据中,获取所述特征数据。
可选地,所述时机确定模块,包括:
数量检测子模块,用于检测在设定范围内的所述预测直径差的数量;
时机确定子模块,用于当所述数量达到设定阈值,且当前时间达到设定时间,则将所述当前时间确定为所述转肩阶段的启动时机。
可选地,所述装置还包括:
样本获取模块,用于在所述在直拉单晶的放肩阶段中,每隔设定时长,获取特征数据之前,获取特征数据样本,以及对应标记的转肩阶段完成时的样本晶体直径差;其中,所述特征数据样本包括控制数据样本和监测数据样本;
样本输入模块,用于将所述特征数据样本和对应标记的样本晶体直径差输入直径差预测模型;
模型训练模块,用于采用针对所述特征数据样本标记的样本晶体直径差,训练所述直径差预测模型,直至所述直径差预测模型的损失值小于设定损失值,得到训练好的所述直径差预测模型。
可选地,所述样本获取模块,还包括:
筛选子模块,用于对直接获取到的所述控制数据样本和监测数据样本进行筛选处理,得到所述特征数据样本;其中,所述筛选处理包括以下至少一种:文本类型数据剔除、冗余数据剔除、基于箱图法的异常数据剔除、基于相关性分析的特征筛选。
可选地,所述装置还包括:
排序模块,用于在所述将所述特征数据样本和对应标记的样本晶体直径差输入直径差预测模型之前,基于随机森林模型,对所述特征数据样本进行重要性排序;
样本筛选模块,用于筛选出重要性排序靠前的预设个数的特征数据样本,作为输入所述直径差预测模型的特征数据样本。
依据本发明实施例,通过在直拉单晶的放肩阶段中,每隔设定时长,获取特征数据,其中,所述特征数据包括控制数据和监测数据,每隔所述设定时长,将所述特征数据输入直径差预测模型,其中,所述直径差预测模型通过特征数据样本,以及对应标记的转肩阶段完成时的样本晶体直径差训练得到;所述样本晶体直径差为实际直径和期望直径的差,每隔所述设定时长,根据所述特征数据,由所述直径差预测模型生成所述转肩阶段完成时的预测直径差,在所述预测直径差符合预设条件的情况下,确定所述转肩阶段的启动时机,使得转肩阶段完成时的晶体直径差能够提前被预测,并据此确定转肩阶段的启动时机,解决了转肩时机不好把控的问题,避免转肩阶段过早或过晚启动,提高了转肩时机确定的准确性。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
图4是根据一示例性实施例示出的一种用于转肩启动的电子设备400的结构框图。例如,电子设备400可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
参照图4,电子设备400可以包括以下一个或多个组件:处理组件402,存储器404,电源组件406,多媒体组件408,音频组件410,输入/输出(I/O)的接口412,传感器组件414,以及通信组件416。
处理组件402通常控制电子设备400的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件402可以包括一个或多个处理器420来执行指令,以完成上述的转肩启动时机确定方法的全部或部分步骤。此外,处理组件402可以包括一个或多个模块,便于处理组件402和其他组件之间的交互。例如,处理部件402可以包括多媒体模块,以方便多媒体组件408和处理组件402之间的交互。
存储器404被配置为存储各种类型的数据以支持在设备400的操作。这些数据的示例包括用于在电子设备400上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器404可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电力组件404为电子设备400的各种组件提供电力。电力组件404可以包括电源管理系统,一个或多个电源,及其他与为电子设备400生成、管理和分配电力相关联的组件。
多媒体组件408包括在所述电子设备400和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件408包括一个前置摄像头和/或后置摄像头。当电子设备400处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件410被配置为输出和/或输入音频信号。例如,音频组件410包括一个麦克风(MIC),当电子设备400处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器404或经由通信组件416发送。在一些实施例中,音频组件410还包括一个扬声器,用于输出音频信号。
I/O接口412为处理组件402和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件414包括一个或多个传感器,用于为电子设备400提供各个方面的状态评估。例如,传感器组件414可以检测到设备400的打开/关闭状态,组件的相对定位,例如所述组件为电子设备400的显示器和小键盘,传感器组件414还可以检测电子设备400或电子设备400一个组件的位置改变,用户与电子设备400接触的存在或不存在,电子设备400方位或加速/减速和电子设备400的温度变化。传感器组件414可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件414还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件414还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件416被配置为便于电子设备400和其他设备之间有线或无线方式的通信。电子设备400可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信部件414经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信部件414还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,电子设备400可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述转肩启动时机确定方法。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器404,上述指令可由电子设备400的处理器420执行以完成上述转肩启动时机确定方法。例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
一种非临时性计算机可读存储介质,当所述存储介质中的指令由终端的处理器执行时,使得终端能够执行一种转肩启动时机确定方法,所述方法包括:
在直拉单晶的放肩阶段中,每隔设定时长,获取特征数据,其中,所述特征数据包括控制数据和监测数据;
每隔所述设定时长,将所述特征数据输入直径差预测模型,其中,所述直径差预测模型通过特征数据样本,以及对应标记的转肩阶段完成时的样本晶体直径差训练得到;所述样本晶体直径差为实际直径和期望直径的差;
每隔所述设定时长,根据所述特征数据,由所述直径差预测模型生成所述转肩阶段完成时的预测直径差;
在所述预测直径差符合预设条件的情况下,确定所述转肩阶段的启动时机。
可选地,所述特征数据包括对数转换后的特征数据,所述获取特征数据,还包括:
对直接获取到的多个所述控制数据和监测数据进行对数转换,得到所述对数转换后的特征数据;
将直接获取到的所述控制数据和监测数据,和所述对数转换后的特征数据,作为输入所述直径差预测模型的特征数据。
可选地,所述每隔设定时长,获取特征数据,包括:
在所述放肩阶段中,对所述控制数据和监测数据进行多次采集;
监测所述放肩阶段中的当前晶体长度;
在所述当前晶体长度达到预设晶体长度后,每隔所述设定时长,从多次采集到的所述控制数据和监测数据中,获取所述特征数据。
可选地,所述在所述预测直径差符合预设条件的情况下,确定所述转肩阶段的启动时机,包括:
检测在设定范围内的所述预测直径差的数量;
当所述数量达到设定阈值,且当前时间达到设定时间,则将所述当前时间确定为所述转肩阶段的启动时机。
可选地,在所述在直拉单晶的放肩阶段中,每隔设定时长,获取特征数据之前,所述方法还包括:
获取特征数据样本,以及对应标记的转肩阶段完成时的样本晶体直径差;其中,所述特征数据样本包括控制数据样本和监测数据样本;
将所述特征数据样本和对应标记的样本晶体直径差输入直径差预测模型;
采用针对所述特征数据样本标记的样本晶体直径差,训练所述直径差预测模型,直至所述直径差预测模型的损失值小于设定损失值,得到训练好的所述直径差预测模型。
可选地,所述获取特征数据样本,以及对应标记的转肩阶段完成时的样本晶体直径差,还包括:
对直接获取到的所述控制数据样本和监测数据样本进行筛选处理,得到所述特征数据样本;其中,所述筛选处理包括以下至少一种:文本类型数据剔除、冗余数据剔除、基于箱图法的异常数据剔除、基于相关性分析的特征筛选。
可选地,在所述将所述特征数据样本和对应标记的样本晶体直径差输入直径差预测模型之前,所述方法还包括:
基于随机森林模型,对所述特征数据样本进行重要性排序;
筛选出重要性排序靠前的预设个数的特征数据样本,作为输入所述直径差预测模型的特征数据样本。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白,本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此,本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以预测方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的一种转肩启动时机确定方法和装置、一种电子设备以及一种可读储存介质,进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种转肩启动时机确定方法,其特征在于,包括:
在直拉单晶的放肩阶段中,每隔设定时长,获取特征数据,其中,所述特征数据包括控制数据和监测数据;
每隔所述设定时长,将所述特征数据输入直径差预测模型,其中,所述直径差预测模型通过特征数据样本,以及对应标记的转肩阶段完成时的样本晶体直径差训练得到;所述样本晶体直径差为实际直径和期望直径的差;
每隔所述设定时长,根据所述特征数据,由所述直径差预测模型生成所述转肩阶段完成时的预测直径差;
在所述预测直径差符合预设条件的情况下,确定所述转肩阶段的启动时机。
2.根据权利要求1所述的方法,其特征在于,所述特征数据包括对数转换后的特征数据,所述获取特征数据,还包括:
对直接获取到的多个所述控制数据和监测数据进行对数转换,得到所述对数转换后的特征数据;
将直接获取到的所述控制数据和监测数据,和所述对数转换后的特征数据,作为输入所述直径差预测模型的特征数据。
3.根据权利要求1所述的方法,其特征在于,所述每隔设定时长,获取特征数据,包括:
在所述放肩阶段中,对所述控制数据和监测数据进行多次采集;
监测所述放肩阶段中的当前晶体长度;
在所述当前晶体长度达到预设晶体长度后,每隔所述设定时长,从多次采集到的所述控制数据和监测数据中,获取所述特征数据。
4.根据权利要求1所述的方法,其特征在于,所述在所述预测直径差符合预设条件的情况下,确定所述转肩阶段的启动时机,包括:
检测在设定范围内的所述预测直径差的数量;
当所述数量达到设定阈值,且当前时间达到设定时间,则将所述当前时间确定为所述转肩阶段的启动时机。
5.根据权利要求1所述的方法,其特征在于,在所述在直拉单晶的放肩阶段中,每隔设定时长,获取特征数据之前,所述方法还包括:
获取特征数据样本,以及对应标记的转肩阶段完成时的样本晶体直径差;其中,所述特征数据样本包括控制数据样本和监测数据样本;
将所述特征数据样本和对应标记的样本晶体直径差输入直径差预测模型;
采用针对所述特征数据样本标记的样本晶体直径差,训练所述直径差预测模型,直至所述直径差预测模型的损失值小于设定损失值,得到训练好的所述直径差预测模型。
6.根据权利要求5所述的方法,其特征在于,所述获取特征数据样本,以及对应标记的转肩阶段完成时的样本晶体直径差,还包括:
对直接获取到的所述控制数据样本和监测数据样本进行筛选处理,得到所述特征数据样本;其中,所述筛选处理包括以下至少一种:文本类型数据剔除、冗余数据剔除、基于箱图法的异常数据剔除、基于相关性分析的特征筛选。
7.根据权利要求6所述的方法,其特征在于,在所述将所述特征数据样本和对应标记的样本晶体直径差输入直径差预测模型之前,所述方法还包括:
基于随机森林模型,对所述特征数据样本进行重要性排序;
筛选出重要性排序靠前的预设个数的特征数据样本,作为输入所述直径差预测模型的特征数据样本。
8.一种转肩启动时机确定装置,其特征在于,包括:
数据获取模块,用于在直拉单晶的放肩阶段中,每隔设定时长,获取特征数据,其中,所述特征数据包括控制数据和监测数据;
数据输入模块,用于每隔所述设定时长,将所述特征数据输入直径差预测模型,其中,所述直径差预测模型通过特征数据样本,以及对应标记的转肩阶段完成时的样本晶体直径差训练得到;所述样本晶体直径差为实际直径和期望直径的差;
直径差生成模块,用于每隔所述设定时长,根据所述特征数据,由所述直径差预测模型生成所述转肩阶段完成时的预测直径差;
时机确定模块,用于在所述预测直径差符合预设条件的情况下,确定所述转肩阶段的启动时机。
9.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1-7任一所述的方法步骤。
10.一种可读存储介质,其特征在于,当所述存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行如方法权利要求1-7中一个或多个所述的转肩启动时机确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210562143.6A CN117144464A (zh) | 2022-05-23 | 2022-05-23 | 转肩启动时机确定方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210562143.6A CN117144464A (zh) | 2022-05-23 | 2022-05-23 | 转肩启动时机确定方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117144464A true CN117144464A (zh) | 2023-12-01 |
Family
ID=88899349
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210562143.6A Pending CN117144464A (zh) | 2022-05-23 | 2022-05-23 | 转肩启动时机确定方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117144464A (zh) |
-
2022
- 2022-05-23 CN CN202210562143.6A patent/CN117144464A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110827253A (zh) | 一种目标检测模型的训练方法、装置及电子设备 | |
CN111160448B (zh) | 一种图像分类模型的训练方法及装置 | |
CN109783656B (zh) | 音视频数据的推荐方法、系统及服务器和存储介质 | |
CN108833781B (zh) | 图像预览方法、装置、终端及计算机可读存储介质 | |
CN117166042A (zh) | 断线控制方法、装置、电子设备及存储介质 | |
CN112445832A (zh) | 数据异常检测方法、装置、电子设备及存储介质 | |
WO2023221576A1 (zh) | 氧含量控制方法、装置、电子设备及存储介质 | |
CN117144464A (zh) | 转肩启动时机确定方法、装置、电子设备及存储介质 | |
CN112712385B (zh) | 广告推荐方法、装置、电子设备及存储介质 | |
CN105224950A (zh) | 滤镜类别识别方法及装置 | |
CN111209429A (zh) | 用于度量语音数据库覆盖性的无监督模型训练方法及装置 | |
CN117626409A (zh) | 熔接控制方法、装置、电子设备及存储介质 | |
CN116356417A (zh) | 转肩启动方法、装置、电子设备及存储介质 | |
CN114268815A (zh) | 视频质量确定方法、装置、电子设备及存储介质 | |
CN117286565A (zh) | 参数设定方法、装置、电子设备及存储介质 | |
CN116024649A (zh) | 拉速控制方法、装置、电子设备及存储介质 | |
CN111064773B (zh) | 会话优先级判定方法及装置 | |
CN116189814A (zh) | 功率设定方法、装置、电子设备及存储介质 | |
CN116145237A (zh) | 拉速调整方法、装置、电子设备及存储介质 | |
CN117904704A (zh) | 断线控制方法、装置、电子设备及存储介质 | |
CN116361637A (zh) | 氧含量预测方法、装置、电子设备及存储介质 | |
CN117845320A (zh) | 加料时机检测方法、装置、电子设备及存储介质 | |
CN112825247A (zh) | 一种数据处理方法、装置和电子设备 | |
CN116484228B (zh) | 模型训练方法、工艺确定方法、装置、电子设备和介质 | |
CN114722238B (zh) | 视频推荐方法、装置、电子设备、存储介质及程序产品 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |