CN117626409A - 熔接控制方法、装置、电子设备及存储介质 - Google Patents
熔接控制方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117626409A CN117626409A CN202210960940.XA CN202210960940A CN117626409A CN 117626409 A CN117626409 A CN 117626409A CN 202210960940 A CN202210960940 A CN 202210960940A CN 117626409 A CN117626409 A CN 117626409A
- Authority
- CN
- China
- Prior art keywords
- necking
- crystal
- characteristic data
- sample
- prediction model
- 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
- 238000003466 welding Methods 0.000 title claims abstract description 99
- 238000000034 method Methods 0.000 title claims abstract description 92
- 238000003860 storage Methods 0.000 title claims description 15
- 239000013078 crystal Substances 0.000 claims abstract description 312
- 230000004927 fusion Effects 0.000 claims abstract description 48
- 230000008569 process Effects 0.000 claims abstract description 32
- 238000012549 training Methods 0.000 claims abstract description 30
- 238000012544 monitoring process Methods 0.000 claims description 48
- 238000012216 screening Methods 0.000 claims description 32
- 238000006243 chemical reaction Methods 0.000 claims description 18
- 238000004891 communication Methods 0.000 claims description 18
- 239000007788 liquid Substances 0.000 claims description 17
- 230000008859 change Effects 0.000 claims description 16
- 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
- 238000010899 nucleation Methods 0.000 abstract description 20
- 238000010438 heat treatment Methods 0.000 abstract description 3
- 230000000875 corresponding effect Effects 0.000 description 15
- 238000012545 processing Methods 0.000 description 13
- 230000001276 controlling effect Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 238000004519 manufacturing process Methods 0.000 description 10
- 210000003739 neck Anatomy 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 6
- 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
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000003750 conditioning effect Effects 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
- 238000002844 melting Methods 0.000 description 2
- 230000008018 melting Effects 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
- 238000005496 tempering Methods 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
- 238000007600 charging 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
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 229920005591 polysilicon Polymers 0.000 description 1
- 238000012802 pre-warming Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000002210 silicon-based material Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Landscapes
- Crystals, And After-Treatments Of Crystals (AREA)
Abstract
本发明实施例提供了一种熔接控制方法、装置、设备及介质。该方法包括:在直拉单晶的预调温阶段中,每隔设定时长,获取特征数据,每隔设定时长,将特征数据输入缩颈量预测模型,其中缩颈量预测模型通过特征数据样本,以及对应标记的籽晶和晶体溶液熔接后的样本缩颈量训练得到,根据特征数据,由缩颈量预测模型生成预测缩颈量,在预测缩颈量符合预设条件的情况下,控制籽晶和晶体溶液进行熔接,使得预调温阶段时籽晶和晶体溶液熔接后的缩颈量能够提前被预测,并据此在合适的时机进行熔接,解决了熔接时机不好把控的问题,避免熔接时机不合理造成引晶过程中位错排除不彻底,继而引晶失败或者放肩断线的问题,提高了熔接时机确定的准确性。
Description
技术领域
本发明涉及晶体制备技术领域,特别是涉及一种熔接控制方法、一种熔接控制装置、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、预调温、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。预调温是将温度调整到一个合适的温度,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,然后通过调温将温度调整到引晶的温度。引晶是在引晶温度下,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,籽晶与液面接触,也称为熔接。熔接时机的合适与否至关重要,直接影响引晶的成功率、甚至影响放肩的成功率。正常生产过程中,预调温过程会因为亮度(代表温度)测量、原料、加热器功率等各方面导致熔接时机不好把控。如果熔接时机不合理,进而会造成引晶过程中位错排除不彻底、而造成引晶失败或者放肩断线。
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熔接控制方法,以解决熔接时机不合理的问题。
相应的,本发明实施例还提供了一种熔接控制装置、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熔接控制方法,包括:
在直拉单晶的预调温阶段中,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缩颈量预测模型,其中,所述缩颈量预测模型通过特征数据样本,以及对应标记的籽晶和晶体溶液熔接后的样本缩颈量训练得到;所述缩颈量为籽晶的熔接前直径和籽晶在晶体溶液的液面处的直径的差值;
每隔所述设定时长,根据所述特征数据,由所述缩颈量预测模型生成籽晶和晶体溶液熔接后的预测缩颈量;
在所述预测缩颈量符合预设条件的情况下,控制籽晶和晶体溶液进行熔接。
可选地,所述在所述预测缩颈量符合预设条件的情况下,控制籽晶和晶体溶液进行熔接,包括:
确定连续的多个所述预测缩颈量的变化情况;
当所述变化情况表明所述预测缩颈量已经稳定,且所述多个预测缩颈量在预设合理范围内,则将当前时间确定为籽晶和晶体溶液的熔接时机;
根据所述熔接时机,控制籽晶和晶体溶液进行熔接。
可选地,在所述在直拉单晶的预调温阶段中,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,以及对应标记的籽晶和晶体溶液熔接后的样本缩颈量;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缩颈量输入缩颈量预测模型;
采用针对所述特征数据样本标记的样本缩颈量,训练所述缩颈量预测模型,直至所述缩颈量预测模型的损失值小于设定损失值,得到训练好的所述缩颈量预测模型。
可选地,所述获取特征数据样本,以及对应标记的籽晶和晶体溶液熔接后的样本缩颈量,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,所述特征数据包括对数转换后的特征数据,所述获取特征数据样本,以及对应标记的籽晶和晶体溶液熔接后的样本缩颈量,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对数转换,得到所述对数转换后的特征数据样本;
将直接获取到的所述控制数据样本和监测数据样本,和所述对数转换后的特征数据样本,作为输入所述缩颈量预测模型的特征数据样本。
可选地,在所述将所述特征数据样本和对应标记的样本缩颈量输入缩颈量预测模型之前,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多个特征数据样本,作为输入所述缩颈量预测模型的特征数据样本。
可选地,所述样本缩颈量为在籽晶和晶体溶液熔接后的预设时长内检测的多个缩颈量的平均值;所述预测缩颈量为在籽晶和晶体溶液熔接后的预设时长内缩颈量的预测平均值。
本发明实施例还公开了一种熔接控制装置,包括:
数据获取模块,用于在直拉单晶的预调温阶段中,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缩颈量预测模型,其中,所述缩颈量预测模型通过特征数据样本,以及对应标记的籽晶和晶体溶液熔接后的样本缩颈量训练得到;所述缩颈量为籽晶的熔接前直径和籽晶在晶体溶液的液面处的直径的差值;
缩颈量生成模块,用于每隔所述设定时长,根据所述特征数据,由所述缩颈量预测模型生成籽晶和晶体溶液熔接后的预测缩颈量;
熔接控制模块,用于在所述预测缩颈量符合预设条件的情况下,控制籽晶和晶体溶液进行熔接。
可选地,所述熔接控制模块,包括:
变化情况确定模块,用于确定连续的多个所述预测缩颈量的变化情况;
熔接时机确定模块,用于当所述变化情况表明所述预测缩颈量已经稳定,且所述多个预测缩颈量在预设合理范围内,则将当前时间确定为籽晶和晶体溶液的熔接时机;
熔接控制模块,用于根据所述熔接时机,控制籽晶和晶体溶液进行熔接。
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预调温阶段中,每隔设定时长,获取特征数据之前,获取特征数据样本,以及对应标记的籽晶和晶体溶液熔接后的样本缩颈量;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缩颈量输入缩颈量预测模型;
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缩颈量,训练所述缩颈量预测模型,直至所述缩颈量预测模型的损失值小于设定损失值,得到训练好的所述缩颈量预测模型。
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,所述特征数据包括对数转换后的特征数据,所述样本获取模块,还包括:
对数转换子模块,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对数转换,得到所述对数转换后的特征数据样本;
样本获取子模块,用于将直接获取到的所述控制数据样本和监测数据样本,和所述对数转换后的特征数据样本,作为输入所述缩颈量预测模型的特征数据样本。
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缩颈量输入缩颈量预测模型之前,基于随机森林模型,对所述特征数据样本进行重要性排序;
筛选模块,用于筛选出重要性排序靠前的多个特征数据样本,作为输入所述缩颈量预测模型的特征数据样本。
可选地,所述样本缩颈量为在籽晶和晶体溶液熔接后的预设时长内检测的多个缩颈量的平均值;所述预测缩颈量为在籽晶和晶体溶液熔接后的预设时长内缩颈量的预测平均值。
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熔接控制方法。
本发明实施例包括以下优点:
依据本发明实施例,通过在直拉单晶的预调温阶段中,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缩颈量预测模型,其中,所述缩颈量预测模型通过特征数据样本,以及对应标记的籽晶和晶体溶液熔接后的样本缩颈量训练得到;所述缩颈量为籽晶的熔接前直径和籽晶在晶体溶液的液面处的直径的差值,每隔所述设定时长,根据所述特征数据,由所述缩颈量预测模型生成籽晶和晶体溶液熔接后的预测缩颈量,在所述预测缩颈量符合预设条件的情况下,控制籽晶和晶体溶液进行熔接,使得预调温阶段时籽晶和晶体溶液熔接后的缩颈量能够提前被预测,并据此在合适的时机进行熔接,解决了熔接时机不好把控的问题,避免熔接时机不合理造成引晶过程中位错排除不彻底,继而引晶失败或者放肩断线的问题,提高了熔接时机确定的准确性。
附图说明
图1是本发明的一种熔接控制方法实施例的步骤流程图;
图2是本发明的一种熔接控制方法实施例的步骤流程图;
图3是本发明的一种熔接控制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熔接控制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熔接控制方法实施例的步骤流程图,具体可以包括如下步骤:
步骤101,在直拉单晶的预调温阶段中,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预调温阶段、调温阶段、引晶阶段、放肩阶段等。
在本发明实施例中,在直拉单晶过程的预调温阶段中,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:BASEAREA(产地标识),CRYSTALID(晶体编码),CRYSTALLENGTH(晶体长度),REMAINWEIGHT(剩料量),MELTDIAMETER(籽晶的熔接前直径),SETMELTSURTEMP(设定液面亮度),CRYSTALPOS(籽晶位置),MELTSURTEMP(液面亮度)等。
在预调温阶段中,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,以便及时确定熔接时机。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,在进入预调温阶段的10分钟后启动模型进行预测,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缩颈量预测模型,其中,所述缩颈量预测模型通过特征数据样本,以及对应标记的籽晶和晶体溶液熔接后的样本缩颈量训练得到;所述缩颈量为籽晶的熔接前直径和籽晶在晶体溶液的液面处的直径的差值。
在本发明实施例中,籽晶进入晶体溶液后,当晶体溶液的温度较高时,籽晶会有部分熔化,籽晶的直径就会变细,当晶体溶液的温度较低时,在籽晶上会固化部分晶体溶液,籽晶的直径就会变粗。通常为了生产安全,预调温会让温度较高,避免籽晶的直径变粗的情况,但也要避免籽晶变得太细或完全熔化。缩颈量是指籽晶的熔接前直径和籽晶在晶体溶液的液面处的直径的差值,当熔接后籽晶的直径变细,缩颈量为正数,当熔接后籽晶的直径变粗,缩颈量为负数。预测预调温阶段中的熔接后的缩颈量可以采用机器学习的方式,根据预调温阶段中的特征数据和熔接后的缩颈量之间的相关关系,得到一个可以预测籽晶和晶体溶液熔接后的缩颈量的缩颈量预测模型。
为了训练缩颈量预测模型,需要准确样本数据以及对应的标签数据,即在预调温阶段中获取的特征数据样本,以及对应标记的籽晶和晶体溶液熔接后的样本缩颈量。具体可以通过多次实验,获得特征数据样本以及样本缩颈量,也可以从历史数据中选取特征数据样本以及样本缩颈量。样本缩颈量是通过对样本中的熔接后籽晶在晶体溶液的液面处的直径进行测量,再对样本中籽晶的熔接前直径与籽晶在晶体溶液的液面处的直径做差得到的。
在本发明实施例中,缩颈量预测模型可以采用极端梯度提升(eXtreme GradientBoosting,XGboost)模型、类别梯度提升(Categorical Gradient 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,XGboost模型是一种集成学习算法,对于缩颈量预测有较好效果。
在本发明实施例中,在预测阶段,缩颈量预测模型的输入为预调温阶段中获取的特征数据,每次获取到特征数据后,输入缩颈量预测模型。该模型输出为籽晶和晶体溶液熔接后的缩颈量的预测值,记为预测缩颈量。
在本发明的一种可选实施例中,在所述在直拉单晶的预调温阶段中,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,以及对应标记的籽晶和晶体溶液熔接后的样本缩颈量;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缩颈量输入缩颈量预测模型;采用针对所述特征数据样本标记的样本缩颈量,训练所述缩颈量预测模型,直至所述缩颈量预测模型的损失值小于设定损失值,得到训练好的所述缩颈量预测模型。
对缩颈量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缩颈量。采用标记的样本缩颈量,对缩颈量预测模型的神经网络进行训练。也就是说,模型每次输出缩颈量的预测值后,与实际值(即标记的样本缩颈量)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XGboost模型预测籽晶和晶体溶液熔接后的缩颈量。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0.81,表明缩颈量预测模型对测试集数据有较好的效果,缩颈量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,以及对应标记的籽晶和晶体溶液熔接后的样本缩颈量的一种具体实现中,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,所述特征数据包括对数转换后的特征数据,所述获取特征数据样本,以及对应标记的籽晶和晶体溶液熔接后的样本缩颈量,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对数转换,得到所述对数转换后的特征数据样本;将直接获取到的所述控制数据样本和监测数据样本,和所述对数转换后的特征数据样本,作为输入所述缩颈量预测模型的特征数据样本。
在直拉单晶过程中,有的特征数据样本是可以直接获取到的控制数据样本和监测数据样本。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样本。对数转换是对控制数据样本和监测数据样本取对数,从而将控制数据样本和监测数据样本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,使得缩颈量预测模型可以更准确的生成预测缩颈量,提高了模型的准确率。
显然,在模型进行预测时,与特征数据样本相对应,特征数据也包括对数转换后的特征数据。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,作为输入所述缩颈量预测模型的特征数据。
在本发明的一种可选实施例中,在所述将所述特征数据样本和对应标记的样本缩颈量输入缩颈量预测模型之前,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多个特征数据样本,作为输入所述缩颈量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多个特征数据样本。其中特征数据样本的个数可以根据实际需要调整,本发明实施例对此不做限制。
在对特征数据样本进行筛选,以及添加对数转换后的特征数据样本之后,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,由所述缩颈量预测模型生成籽晶和晶体溶液熔接后的预测缩颈量。
在本发明实施例中,每隔所述设定时长,缩颈量预测模型根据输入的特征数据进行预测,生成预测缩颈量。获得缩颈量预测模型的输出,进而将缩颈量预测模型的输出作为籽晶和晶体溶液熔接后的预测缩颈量。
步骤104,在所述预测缩颈量符合预设条件的情况下,控制籽晶和晶体溶液进行熔接。
在本发明实施例中,在预调温阶段中,对籽晶和晶体溶液进行熔接的时机进行预测。当然缩颈量越接近期望值越好,但由于熔接后物理化学过程非常复杂,缩颈量变化规律还不明确,需要为预测缩颈量设定一个合适的预设条件来确定熔接时机。预设条件包括连续多个预测缩颈量是否在设定范围内,或者连续多个预测缩颈量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。
在本发明实施例中,在预测缩颈量符合预设条件的情况下,表明当前时间为熔接的合适时机,因此,控制籽晶和晶体溶液进行熔接。具体可以由设备自动进行熔接,也可以提示人工进行手动操作,人工确认时机合适,再进行熔接,或者其他任意适用的方式,本发明实施例对此不做限制。
依据本发明实施例,通过在直拉单晶的预调温阶段中,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缩颈量预测模型,其中,所述缩颈量预测模型通过特征数据样本,以及对应标记的籽晶和晶体溶液熔接后的样本缩颈量训练得到;所述缩颈量为籽晶的熔接前直径和籽晶在晶体溶液的液面处的直径的差值,每隔所述设定时长,根据所述特征数据,由所述缩颈量预测模型生成籽晶和晶体溶液熔接后的预测缩颈量,在所述预测缩颈量符合预设条件的情况下,控制籽晶和晶体溶液进行熔接,使得预调温阶段时籽晶和晶体溶液熔接后的缩颈量能够提前被预测,并据此在合适的时机进行熔接,解决了熔接时机不好把控的问题,避免熔接时机不合理造成引晶过程中位错排除不彻底,继而引晶失败或者放肩断线的问题,提高了熔接时机确定的准确性。
在本发明的一种可选实施例中,样本缩颈量为在籽晶和晶体溶液熔接后的预设时长内检测的多个缩颈量的平均值;所述预测缩颈量为在籽晶和晶体溶液熔接后的预设时长内缩颈量的预测平均值。
由于籽晶和晶体溶液熔接的物理化学过程非常复杂,籽晶进入晶体溶液后,缩颈量随时间变化的规律还不明确,将籽晶和晶体溶液熔接后的某一个时刻的预测缩颈量作为确定熔接时机是不够科学的。
为此,样本缩颈量可以是在籽晶和晶体溶液熔接后的预设时长内检测的多个缩颈量的平均值。例如,在确定样本缩颈量时,籽晶和晶体溶液熔接后的10分钟内每隔30秒检测一个缩颈量,再计算多个缩颈量的平均值,作为样本缩颈量。预设时长可以根据实际需要设置,本发明实施例对此不做限制。预设时长内检测缩颈量的数量和时间间隔可以根据实际需要设置,本发明实施例对此不做限制。由于模型训练时,采用的是预设时长内检测的多个缩颈量的平均值,因此,训练好的缩颈量预测模型输出的预测缩颈量也是在籽晶和晶体溶液熔接后的预设时长内缩颈量的预测平均值。由于平均值更加稳定,更能代表熔接后一段时间的缩颈量的情况,因此,缩颈量预测模型的预测结果也能更加准确,据此确定熔接时机更加科学,提高了熔接时机的准确性。
参照图2,示出了本发明的一种熔接控制方法实施例的步骤流程图,具体可以包括如下步骤:
步骤201,在直拉单晶的预调温阶段中,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,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202,每隔所述设定时长,将所述特征数据输入缩颈量预测模型,其中,所述缩颈量预测模型通过特征数据样本,以及对应标记的籽晶和晶体溶液熔接后的样本缩颈量训练得到;所述缩颈量为籽晶的熔接前直径和籽晶在晶体溶液的液面处的直径的差值。
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203,每隔所述设定时长,根据所述特征数据,由所述缩颈量预测模型生成籽晶和晶体溶液熔接后的预测缩颈量。
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204,确定连续的多个所述预测缩颈量的变化情况。
在本发明实施例中,由于单次生成的预测缩颈量可能存在不准确的情况,通过多个预测缩颈量来避免单次结果可能不准确的问题。在预调温阶段中,缩颈量预测模型在不同时间多次生成预测缩颈量。根据连续的多个预测缩颈量,确定变化情况。变化情况可以采用多个预测缩颈量的极差表示,或者一组连续的两两预测缩颈量之间的差值表示,或者其他任意适用的方式表示,本发明实施例对此不做限制。
步骤205,当所述变化情况表明所述预测缩颈量已经稳定,且所述多个预测缩颈量在预设合理范围内,则将当前时间确定为籽晶和晶体溶液的熔接时机。
在本发明实施例中,根据变化情况,确定预测缩颈量是否已经稳定。例如,极差在设定的取值范围内,或者可以是一组连续的两两预测缩颈量之间的差值在设定的取值范围内等,具体可以采用任意适用的确定方式,本发明实施例对此不做限制。
在本发明实施例中,上述的多个预测缩颈量还需要在预设合理范围内,表明预测缩颈量是符合生产安全要求的。预测缩颈量偏低的话,籽晶进入晶体溶液后,籽晶会有部分熔化,籽晶的直径就会变细,甚至籽晶完全熔化,此时需要重新将一个新的籽晶和晶体溶液进行熔接,浪费了籽晶,而且耽误工时。预测缩颈量偏高的话,籽晶进入晶体溶液后,在籽晶上会固化部分晶体溶液,籽晶的直径就会变粗,甚至过多的晶体溶液固化,出现生产安全事故。因此,根据经验设置一个合理的缩颈量范围,避免籽晶的直径变粗的情况,但也要避免籽晶变得太细或完全熔化。预设合理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,当变化情况表明所述预测缩颈量已经稳定,且多个预测缩颈量在预设合理范围内时,然后将当前时间确定为籽晶和晶体溶液的熔接时机。
步骤206,根据所述熔接时机,控制籽晶和晶体溶液进行熔接。
在本发明实施例中,当确定熔接时机后,可以由设备自动开始熔接,或者可以将熔接时机向人工进行提示,人工确认该熔接时机合适,手动开始熔接,或者其他任意适用的方式,本发明实施例对此不做限制。
依据本发明实施例,通过在直拉单晶的预调温阶段中,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缩颈量预测模型,其中,所述缩颈量预测模型通过特征数据样本,以及对应标记的籽晶和晶体溶液熔接后的样本缩颈量训练得到;所述缩颈量为籽晶的熔接前直径和籽晶在晶体溶液的液面处的直径的差值,每隔所述设定时长,根据所述特征数据,由所述缩颈量预测模型生成籽晶和晶体溶液熔接后的预测缩颈量,确定连续的多个所述预测缩颈量的变化情况,当所述变化情况表明所述预测缩颈量已经稳定,且所述多个预测缩颈量在预设合理范围内,则将当前时间确定为籽晶和晶体溶液的熔接时机,根据所述熔接时机,控制籽晶和晶体溶液进行熔接,使得预调温阶段时籽晶和晶体溶液熔接后的缩颈量能够提前被预测,并据此在合适的时机进行熔接,解决了熔接时机不好把控的问题,避免熔接时机不合理造成引晶过程中位错排除不彻底,继而引晶失败或者放肩断线的问题,提高了熔接时机确定的准确性。
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熔接控制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,用于在直拉单晶的预调温阶段中,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缩颈量预测模型,其中,所述缩颈量预测模型通过特征数据样本,以及对应标记的籽晶和晶体溶液熔接后的样本缩颈量训练得到;所述缩颈量为籽晶的熔接前直径和籽晶在晶体溶液的液面处的直径的差值;
缩颈量生成模块303,用于每隔所述设定时长,根据所述特征数据,由所述缩颈量预测模型生成籽晶和晶体溶液熔接后的预测缩颈量;
熔接控制模块304,用于在所述预测缩颈量符合预设条件的情况下,控制籽晶和晶体溶液进行熔接。
在本发明的一种可选实施例中,所述熔接控制模块,包括:
变化情况确定模块,用于确定连续的多个所述预测缩颈量的变化情况;
熔接时机确定模块,用于当所述变化情况表明所述预测缩颈量已经稳定,且所述多个预测缩颈量在预设合理范围内,则将当前时间确定为籽晶和晶体溶液的熔接时机;
熔接控制模块,用于根据所述熔接时机,控制籽晶和晶体溶液进行熔接。
在本发明的一种可选实施例中,所述装置还包括:
样本获取模块,用于在所述在直拉单晶的预调温阶段中,每隔设定时长,获取特征数据之前,获取特征数据样本,以及对应标记的籽晶和晶体溶液熔接后的样本缩颈量;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缩颈量输入缩颈量预测模型;
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缩颈量,训练所述缩颈量预测模型,直至所述缩颈量预测模型的损失值小于设定损失值,得到训练好的所述缩颈量预测模型。
在本发明的一种可选实施例中,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。
在本发明的一种可选实施例中,所述特征数据包括对数转换后的特征数据,所述样本获取模块,还包括:
对数转换子模块,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对数转换,得到所述对数转换后的特征数据样本;
样本获取子模块,用于将直接获取到的所述控制数据样本和监测数据样本,和所述对数转换后的特征数据样本,作为输入所述缩颈量预测模型的特征数据样本。
在本发明的一种可选实施例中,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缩颈量输入缩颈量预测模型之前,基于随机森林模型,对所述特征数据样本进行重要性排序;
筛选模块,用于筛选出重要性排序靠前的多个特征数据样本,作为输入所述缩颈量预测模型的特征数据样本。
在本发明的一种可选实施例中,所述样本缩颈量为在籽晶和晶体溶液熔接后的预设时长内检测的多个缩颈量的平均值;所述预测缩颈量为在籽晶和晶体溶液熔接后的预设时长内缩颈量的预测平均值。
依据本发明实施例,通过在直拉单晶的预调温阶段中,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缩颈量预测模型,其中,所述缩颈量预测模型通过特征数据样本,以及对应标记的籽晶和晶体溶液熔接后的样本缩颈量训练得到;所述缩颈量为籽晶的熔接前直径和籽晶在晶体溶液的液面处的直径的差值,每隔所述设定时长,根据所述特征数据,由所述缩颈量预测模型生成籽晶和晶体溶液熔接后的预测缩颈量,在所述预测缩颈量符合预设条件的情况下,控制籽晶和晶体溶液进行熔接,使得预调温阶段时籽晶和晶体溶液熔接后的缩颈量能够提前被预测,并据此在合适的时机进行熔接,解决了熔接时机不好把控的问题,避免熔接时机不合理造成引晶过程中位错排除不彻底,继而引晶失败或者放肩断线的问题,提高了熔接时机确定的准确性。
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,以完成上述的熔接控制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,用于执行上述熔接控制方法。
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执行以完成上述熔接控制方法。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熔接控制方法,所述方法包括:
在直拉单晶的预调温阶段中,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缩颈量预测模型,其中,所述缩颈量预测模型通过特征数据样本,以及对应标记的籽晶和晶体溶液熔接后的样本缩颈量训练得到;所述缩颈量为籽晶的熔接前直径和籽晶在晶体溶液的液面处的直径的差值;
每隔所述设定时长,根据所述特征数据,由所述缩颈量预测模型生成籽晶和晶体溶液熔接后的预测缩颈量;
在所述预测缩颈量符合预设条件的情况下,控制籽晶和晶体溶液进行熔接。
可选地,所述在所述预测缩颈量符合预设条件的情况下,控制籽晶和晶体溶液进行熔接,包括:
确定连续的多个所述预测缩颈量的变化情况;
当所述变化情况表明所述预测缩颈量已经稳定,且所述多个预测缩颈量在预设合理范围内,则将当前时间确定为籽晶和晶体溶液的熔接时机;
根据所述熔接时机,控制籽晶和晶体溶液进行熔接。
可选地,在所述在直拉单晶的预调温阶段中,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,以及对应标记的籽晶和晶体溶液熔接后的样本缩颈量;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缩颈量输入缩颈量预测模型;
采用针对所述特征数据样本标记的样本缩颈量,训练所述缩颈量预测模型,直至所述缩颈量预测模型的损失值小于设定损失值,得到训练好的所述缩颈量预测模型。
可选地,所述获取特征数据样本,以及对应标记的籽晶和晶体溶液熔接后的样本缩颈量,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,所述特征数据包括对数转换后的特征数据,所述获取特征数据样本,以及对应标记的籽晶和晶体溶液熔接后的样本缩颈量,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对数转换,得到所述对数转换后的特征数据样本;
将直接获取到的所述控制数据样本和监测数据样本,和所述对数转换后的特征数据样本,作为输入所述缩颈量预测模型的特征数据样本。
可选地,在所述将所述特征数据样本和对应标记的样本缩颈量输入缩颈量预测模型之前,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多个特征数据样本,作为输入所述缩颈量预测模型的特征数据样本。
可选地,所述样本缩颈量为在籽晶和晶体溶液熔接后的预设时长内检测的多个缩颈量的平均值;所述预测缩颈量为在籽晶和晶体溶液熔接后的预设时长内缩颈量的预测平均值。
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熔接控制方法和装置、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)
1.一种熔接控制方法,其特征在于,包括:
在直拉单晶的预调温阶段中,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缩颈量预测模型,其中,所述缩颈量预测模型通过特征数据样本,以及对应标记的籽晶和晶体溶液熔接后的样本缩颈量训练得到;所述缩颈量为籽晶的熔接前直径和籽晶在晶体溶液的液面处的直径的差值;
每隔所述设定时长,根据所述特征数据,由所述缩颈量预测模型生成籽晶和晶体溶液熔接后的预测缩颈量;
在所述预测缩颈量符合预设条件的情况下,控制籽晶和晶体溶液进行熔接。
2.根据权利要求1所述的方法,其特征在于,所述在所述预测缩颈量符合预设条件的情况下,控制籽晶和晶体溶液进行熔接,包括:
确定连续的多个所述预测缩颈量的变化情况;
当所述变化情况表明所述预测缩颈量已经稳定,且所述多个预测缩颈量在预设合理范围内,则将当前时间确定为籽晶和晶体溶液的熔接时机;
根据所述熔接时机,控制籽晶和晶体溶液进行熔接。
3.根据权利要求1所述的方法,其特征在于,在所述直拉单晶的预调温阶段中,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,以及对应标记的籽晶和晶体溶液熔接后的样本缩颈量;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缩颈量输入缩颈量预测模型;
采用针对所述特征数据样本标记的样本缩颈量,训练所述缩颈量预测模型,直至所述缩颈量预测模型的损失值小于设定损失值,得到训练好的所述缩颈量预测模型。
4.根据权利要求3所述的方法,其特征在于,所述获取特征数据样本,以及对应标记的籽晶和晶体溶液熔接后的样本缩颈量,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。
5.根据权利要求4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,所述获取特征数据样本,以及对应标记的籽晶和晶体溶液熔接后的样本缩颈量,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对数转换,得到所述对数转换后的特征数据样本;
将直接获取到的所述控制数据样本和监测数据样本,和所述对数转换后的特征数据样本,作为输入所述缩颈量预测模型的特征数据样本。
6.根据权利要求5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缩颈量输入缩颈量预测模型之前,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多个特征数据样本,作为输入所述缩颈量预测模型的特征数据样本。
7.根据权利要求1-6中任一所述的方法,其特征在于,所述样本缩颈量为在籽晶和晶体溶液熔接后的预设时长内检测的多个缩颈量的平均值;所述预测缩颈量为在籽晶和晶体溶液熔接后的预设时长内缩颈量的预测平均值。
8.一种熔接控制装置,其特征在于,包括:
数据获取模块,用于在直拉单晶的预调温阶段中,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缩颈量预测模型,其中,所述缩颈量预测模型通过特征数据样本,以及对应标记的籽晶和晶体溶液熔接后的样本缩颈量训练得到;所述缩颈量为籽晶的熔接前直径和籽晶在晶体溶液的液面处的直径的差值;
缩颈量生成模块,用于每隔所述设定时长,根据所述特征数据,由所述缩颈量预测模型生成籽晶和晶体溶液熔接后的预测缩颈量;
熔接控制模块,用于在所述预测缩颈量符合预设条件的情况下,控制籽晶和晶体溶液进行熔接。
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熔接控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210960940.XA CN117626409A (zh) | 2022-08-11 | 2022-08-11 | 熔接控制方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210960940.XA CN117626409A (zh) | 2022-08-11 | 2022-08-11 | 熔接控制方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117626409A true CN117626409A (zh) | 2024-03-01 |
Family
ID=90034342
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210960940.XA Pending CN117626409A (zh) | 2022-08-11 | 2022-08-11 | 熔接控制方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117626409A (zh) |
-
2022
- 2022-08-11 CN CN202210960940.XA patent/CN117626409A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2649294C2 (ru) | Способ и устройство для построения шаблона и способ и устройство для идентификации информации | |
CN111160448B (zh) | 一种图像分类模型的训练方法及装置 | |
US20180240069A1 (en) | Method and apparatus for updating information, and storage medium | |
CN111210844B (zh) | 语音情感识别模型的确定方法、装置、设备及存储介质 | |
CN117166042A (zh) | 断线控制方法、装置、电子设备及存储介质 | |
CN117626409A (zh) | 熔接控制方法、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 | |
CN114840761B (zh) | 推送模型的训练方法、装置、设备、存储介质及程序产品 | |
CN117286565A (zh) | 参数设定方法、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 | |
CN117904704A (zh) | 断线控制方法、装置、电子设备及存储介质 | |
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 | |
CN117845320A (zh) | 加料时机检测方法、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 | |
CN114268815A (zh) | 视频质量确定方法、装置、电子设备及存储介质 | |
CN111681118A (zh) | 一种数据处理方法及装置 | |
CN117702265A (zh) | 加料提示信息确定方法、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 | |
CN115313530A (zh) | 电池状态的确定方法、装置、电子设备及存储介质 | |
CN117552080A (zh) | 加料控制方法、装置、电子设备及存储介质 | |
CN117702266A (zh) | 加料时机确定方法、装置、电子设备及存储介质 | |
CN117364230A (zh) | 工艺节点管控方法、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 |
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 |