一种晶棒切割用定位工装及晶棒切割方法与流程

本发明属于蓝宝石加工，具体涉及一种晶棒切割用定位工装及晶棒切割方法。

背景技术：

1、蓝宝石是一种单晶材料，其主要成分为氧化铝，由于其优异的物理和化学特性，蓝宝石在光学、电子、半导体等领域得到了广泛应用。蓝宝石晶棒通常用于制造led衬底、光学窗口和高性能电子器件，其高硬度、高热导率和优良的耐腐蚀性能使得蓝宝石成为高精密切割加工的理想材料，蓝宝石晶棒在切割过程中，需要利用定位工装对其进行稳定夹持定位，以保证切割的精度。

2、如公开号为cn105538527a的专利申请公开了蓝宝石晶棒切割工装，其通过将晶棒放在定位槽内，再用压板压紧定位，使晶棒固定牢固，切割时晶棒不会跳动导致切割后端面不平整、边缘崩边现象，提高了加工质量和效率。

3、再如授权公告号为cn219686170u的中国专利公开了一种晶棒切割用定位工装，通过利用夹具机构中定夹头与动夹头的机械对夹，具有快速、高效的对夹固定性能，能够降低工作人员的操作强度，同时具有稳定的对夹功能，通过传动丝杆与推送滑台的组合，推动定夹头与动夹头的机械对夹，具有牢固稳定的定位夹固功能。

4、上述专利还存在如下问题：

5、在对晶棒进行定位时切割时，由于晶棒的特性不同，晶棒的加工用途也不同，进而切割的尺寸也不同，上述专利没有通过切割尺寸对晶棒进行精准定位，使得晶棒在切割过程中的稳定性不够，容易发生晃动，进而影响切割质量和切割效率；且现有的定位工装，在对晶棒进行夹持定位时，不能根据晶棒自身的特性，自适应夹持力度，容易因过度夹持导致晶棒表面损伤或内部应力增加，并且在切割过程中，不能实时监测晶棒的定位效果，智能化程度低，需要进行改进。

技术实现思路

1、本发明的目的在于提供一种晶棒切割用定位工装，用于解决现背景技术中提出的技术问题。

2、为了实现上述目的，本发明采用了如下技术方案：一种晶棒切割用定位工装，包括：基座；固定架，设置在所述基座上表面一端，用于承托晶棒；抵推结构，设置在所述基座上表面另一端，用于抵推晶棒前进；夹持定位机构，设置在所述固定架与所述抵推结构之间，并与所述基座滑动连接，用于对晶棒待切割位置的两侧进行夹持固定；控制系统，用于控制定位工装对晶棒进行自适应夹持定位；

3、所述控制系统包括：

4、第一数据采集模块，用于采集定位工装的历史训练数据集合，历史训练数据集合包括晶棒综合信息和切割尺寸；

5、第一数据处理模块，用于基于历史训练数据集合，训练预测出切割尺寸的机器学习模型，采集实时的晶棒的综合信息，并输入到训练完成的机器学习模型内预测出切割尺寸；

6、第二数据处理模块，采集历史切割参数，并基于历史训练数据集合和历史切割参数，训练预测出夹持力度的机器学习模型；

7、第二数据采集模块，用于实时采集定位工装的综合影响信息，所述综合影响信息包括夹持力度、振动影响系数和夹持距离；

8、分析控制模块，用于根据综合影响信息生成夹持稳定系数，并根据夹持稳定系数进行分析并生成优化指令。

9、优选的，所述夹持定位机构包括：底板，滑动设置在所述基座上；第一夹持结构，设置在所述底板上表面一侧，用于对晶棒进行夹持固定；第二夹持结构，与第一夹持结构相同，且与第一夹持结构对称设置在所述底板上表面另一侧；双向丝杠，转动安装在所述底板上，用于驱动第一夹持结构和第二夹持结构运动；丝杠螺母，设置在所述双向丝杠上，并分别与所述第一夹持结构和第二夹持结构连接；驱动马达，设置在所述底板一侧，输出端与所述双向丝杠一端固定连接。

10、优选的，所述第一夹持结构包括：夹持座，滑动设置在所述底板上，且上表面开设有v形凹槽；下压块，设置在所述夹持座上方，且下表面开设有v形凹槽；门式架，固定设置在所述夹持座上端；第一电推杆，固定设置在所述门式架上，延伸端与所述下压块顶端固定连接，用于调节下压块与夹持座之间的距离。

11、优选的，所述训练预测出切割尺寸的机器学习模型的方式如下：

12、将采集到的晶棒综合信息转换为对应的一组特征向量；

13、将每组特征向量作为所述机器学习模型的输入，所述机器学习模型以每组晶棒综合信息对应的切割尺寸作为输出，以每组晶棒综合信息实际对应的切割尺寸作为预测目标，以最小化所述机器学习模型损失函数值作为训练目标；当机器学习模型损失函数值小于等于预设的目标损失值时停止训练。

14、优选的，所述预测出夹持力度的机器学习模型的训练方法包括：

15、将历史训练数据集合和历史切割参数转换为对应的一组特征向量，将每组特征向量作为所述机器学习模型的输入，所述机器学习模型以每组历史训练数据集合和历史切割参数对应的一组夹持力度作为输出，以每组历史训练数据集合和历史切割参数实际对应的一组夹持力度作为预测目标，以最小化机器学习模型损失函数值作为训练目标；当机器学习模型损失函数值小于或等于预设的目标损失值时停止训练。

16、优选的，所述振动影响系数的生成方式如下：

17、与振动影响系数相关的参数包括：振动频率、振动幅度和振动持续时间；

18、振动持续时间表示振动开始时至采样结束时的时间；

19、

20、式中，zd表示振动影响系数，zp表示振动频率，zf表示振动幅度，zs表示振动持续时间，均为权重系数，均大于0。

21、优选的，所述夹持稳定系数的生成方式如下：

22、

23、式中，wd表示夹持稳定系数，jc表示夹持力度，zd表示振动影响系数，jl表示夹持距离；均为权重系数，均大于0。

24、优选的，所述根据夹持稳定系数进行分析并生成优化指令的方式如下：

25、预设夹持稳定系数阈值wd1；

26、若wd≤wd1，则表示夹持稳定系数小于或等于夹持稳定系数阈值，晶棒被夹持的稳定性较差，此时，生成优化指令；

27、若wd＞wd1，则表示夹持稳定系数大于夹持稳定系数阈值，晶棒被夹持的稳定性较好，此时，不生成优化指令。

28、优选的，所述优化指令包括：

29、设置夹持力度、夹持距离对应的阈值，分别记为最大夹持力度、最小夹持距离；

30、设置夹持距离的优先级高于夹持力度的优先级；

31、当夹持距离、夹持力度均没有到达各自对应的阈值时，首先减小夹持距离，直至夹持稳定系数大于夹持稳定系数阈值，停止减小夹持距离；

32、当夹持距离减小到最小夹持距离时，且夹持稳定系数依然小于或等于夹持稳定系数阈值，其次增加夹持力度，直至夹持稳定系数大于夹持稳定系数阈值，夹持力度停止增加。

33、一种晶棒切割方法，应用于上述的一种晶棒切割用定位工装，包括如下步骤：

34、步骤一：将待切割的晶棒v端放置在推板上，另一端放置在固定架上；

35、步骤二：采集定位工装的历史训练数据集合，历史训练数据集合包括晶棒综合信息和切割尺寸；

36、步骤三：基于历史训练数据集合，训练预测出切割尺寸的机器学习模型，采集实时的晶棒的综合信息，并输入到训练完成的机器学习模型内预测出切割尺寸，并基于预测出的切割尺寸，将夹持定位机构移动至相应位置处；

37、步骤四：采集历史切割参数，并基于历史训练数据集合和历史切割参数，训练预测出夹持力度的机器学习模型，基于预测出的夹持力度，利用夹持定位机构对晶棒进行夹持固定；

38、步骤五：利用切割刀对被夹持的晶棒在相应的切割点处进行切割；

39、步骤六：切割过程中，实时采集定位工装的综合影响信息，所述综合影响信息包括夹持力度、振动影响系数和夹持距离；

40、步骤七：根据综合影响信息生成夹持稳定系数，并根据夹持稳定系数进行分析并生成优化指令。

41、综上所述，由于采用了上述技术方案，本发明的有益效果是：

42、1、本发明通过根据待切割晶棒的长度、直径、形状、晶体取向、晶体质量等级预测晶棒的切割尺寸，可以显著提高切割精度和质量，优化材料利用率；通过准确预测和确定夹持位置和夹持力，减少切割过程中的调整时间，提升整体生产效率；且合适的夹持力度，可以避免过度夹持导致晶棒表面损伤或内部应力增加，合适的夹持力和稳定的切割过程可以减少设备的磨损。

43、2、本发明通过实时监测晶棒切割过程中的夹持稳定系数，可以实时反馈晶棒在切割中的稳定情况，并根据实时监测的结果进行优化和调整，可以显著减少振动对切割精度的影响，确保切割面光滑平整，减少了由于振动或不稳定性引起的停机调整时间，实时优化调整夹持力，可以防止过度夹持导致晶棒损坏，且实时优化调整夹持距离，可以降低切割过程中的振动，提高了操作环境的安全性，同时保证了切割质量。