一种硅材料提纯工艺智能优化方法

本发明涉及硅提纯工艺优化方法领域，具体是一种硅材料提纯工艺智能优化方法。

背景技术：

1、硅材料是光伏、半导体等产业的关键原料。提升硅材料的纯度和良品率是硅提纯工艺的重要目标。传统的工艺参数优化主要依靠专家经验和"试错法",效率低下且成本高昂。随着人工智能技术的发展,利用机器学习优化工艺参数已成为新的研究热点。但现有的硅提纯工艺流程参数优化方法普遍存在以下问题:

2、1.历史工艺数据利用率低,难以充分挖掘关键参数与优化目标间的内在联系。

3、2.缺乏对全局工艺流程的整体考虑,局部参数优化效果有限。

4、3.参数搜索和调整效率低下,难以快速找到最优参数组合。

5、4.优化结果与实际生产脱节,缺乏可视化辅助决策和动态反馈校正机制。

技术实现思路

1、针对上述技术问题,本发明提供了一种硅材料提纯工艺智能优化方法。

2、为了达到上述目的，本发明所采用的技术方案为：

3、一种硅材料提纯工艺智能优化方法，包括以下步骤：

4、步骤1、根据现有工业生产中每种硅材料提纯工艺流程产出硅材料的等级和最终提纯纯度，将现有工业生产中的多种硅材料提纯工艺流程划分为若干类别，并按照重要程度对各类别硅材料提纯工艺流程进行排序和加权，由此得到工艺流程样本；

5、步骤2、利用深度学习算法构建硅提纯工艺流程参数优化模型，并采用步骤1中工艺流程样本中每种硅材料提纯工艺流程的各道子工艺的工艺参数，对所述硅提纯工艺流程参数优化模型进行训练，使所述硅提纯工艺流程参数优化模型学习既最大化不同硅材料提纯工艺流程间的差异性，又最小化每种硅材料提纯工艺流程中每道子工艺内部工艺参数的差异；

6、步骤3、将现有工业生产中所有硅材料提纯工艺流程的工艺参数输入到步骤2中已训练好的硅提纯工艺流程参数优化模型，通过硅提纯工艺流程参数优化模型进行迭代优化，以寻找每种硅材料提纯工艺流程的最优参数组合；

7、步骤4、将步骤3得到的每种硅材料提纯工艺流程的最优参数组合输入数字孪生系统，通过数字孪生系统控制实际生产工艺以最优参数组合运行。

8、进一步的，步骤2中，所述硅提纯工艺流程参数优化模型包括第一transformer模块、全局平均池化层、池化操作层、引入相对位置偏置的第二transformer模块，硅提纯工艺流程参数优化模型训练时的数据处理过程如下：

9、设每种硅材料提纯工艺流程中具有m道子工艺，其中第i道子工艺的工艺参数个数为ni个；

10、首先使用第一transformer模块对第i道子工艺的工艺参数进行特征提取和信息融合，输出为一个形状为(b, ni, c)的张量tensor_i，其中b为训练批次大小,c为参数编码的维度；然后，通过全局平均池化层对张量tensor_i的第二维度ni进行全局平均池化,将每个工艺参数的特征表示压缩为一个长度为c的向量,从而得到一个形状为(b, 1, c)的张量local_tensor_i； 由此，对于每种硅材料提纯工艺流程中m道子工艺，第一transformer模块输出的总共m道子工艺的张量tensor_1、tensor_2、...、 tensor_m；

11、第一transformer模块输出的总共m道子工艺的张量tensor_1、tensor_2、...、tensor_m，分别通过池化操作层进行池化操作后再在第二维度上拼接,由此得到一个形状为(b, m, c)的张量global_tensor；然后通过引入相对位置偏置的第二transformer模块对张量global_tensor进行y次特征提取和信息融合，得到一个形状为(b, m, c)的张量tensor_y。

12、进一步的，步骤2中，训练时的损失函数采用全局差异损失和各道子工艺的局部一致性损失的加权求和，其中每道子工艺的局部一致性损失计算过程如下：

13、计算张量local_tensor_i与其对应的张量tensor_i之间的均方误差mse，作为第i道子工艺的局部一致性损失loss_i；

14、全局差异损失的计算过程如下：

15、对张量tensor_y进行全局平均池化,得到全局平均池化处理结果refined_global_tensor；然后计算refined_global_tensor与张量global_tensor之间的均方误差mse,作为全局差异性损失loss_global。

16、进一步的，步骤2中，训练时采用反向传播算法和优化器来更新所述硅提纯工艺流程参数优化模型的参数。

17、进一步的，步骤3过程如下：

18、（3.1）、将现有工业生产中所有硅材料提纯工艺流程的工艺参数输入到步骤2中已训练好的硅提纯工艺流程参数优化模型进行推理，通过比较不同硅材料提纯工艺流程对应的类间均方误差,判断哪些硅材料提纯工艺流程的工艺参数组合需要进一步优化；对于需要优化的硅材料提纯工艺流程,再利用类内均方误差确定具体需要优化的工艺参数；

19、（3.2）、确定需要优化的硅材料提纯工艺流程和相应的工艺参数后,利用所述硅提纯工艺流程参数优化模型对工艺参数进行小幅度改动，然后将改动后的工艺参数重新输入所述硅提纯工艺流程参数优化模型,比较修改前后工艺参数对应的均方误差,以判断调整的效果和方向；

20、如果均方误差减小,则保持当前调整方向,继续优化；如果均方误差增大,先判断均方误差是否连续减小n次后突然增大,若是则认为上一步的参数已达到最优点,停止调整，若不是则反转调整方向,继续搜索最优参数组合。

21、（3.3）、迭代执行步骤（3.2）中的工艺参数调整和均方误差比较的过程,直到满足迭代优化终止条件。

22、进一步的，步骤（3.3）中，满足以下两个迭代优化终止条件中任意一者时停止迭代：

23、(1)如果均方误差连续减小n次后突然增大,则认为上一步的参数即为最优；

24、(2)如果经过m次迭代后,均方误差仍未达到预设的收敛阈值,则认为当前的最优参数即为全局最优点。

25、与现有技术相比，本发明优点为：

26、1.通过分类和加权设计,充分利用有限的历史数据,提高样本利用效率,兼顾全局优化和局部重点。

27、2.利用深度学习和对比学习,构建了高效、精准的工艺参数优化模型。既最大化工艺间差异,又最小化工艺内参数差异。

28、3.引入大模型对参数进行智能调整,通过迭代优化快速搜索最优参数组合,降低传统"试错法"的时间和成本。

29、4.将优化后参数应用于数字孪生系统,借助可视化和虚拟建议辅助实际生产决策。数字孪生与智能优化的结合,形成闭环反馈,持续提升硅提纯工艺水平。

30、5.本发明可显著提高硅提纯工艺的生产效率、产品品质和收益水平,有力推动硅提纯行业的智能化升级,具有广阔的应用前景。

技术特征：

1.一种硅材料提纯工艺智能优化方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种硅材料提纯工艺智能优化方法，其特征在于，步骤2中，所述硅提纯工艺流程参数优化模型包括第一transformer模块、全局平均池化层、池化操作层、引入相对位置偏置的第二transformer模块，硅提纯工艺流程参数优化模型训练时的数据处理过程如下：

3.根据权利要求2所述的一种硅材料提纯工艺智能优化方法，其特征在于，步骤2中，训练时的损失函数采用全局差异损失和各道子工艺的局部一致性损失的加权求和，其中每道子工艺的局部一致性损失计算过程如下：

4.根据权利要求2所述的一种硅材料提纯工艺智能优化方法，其特征在于，步骤2中，训练时采用反向传播算法和优化器来更新所述硅提纯工艺流程参数优化模型的参数。

5.根据权利要求1所述的一种硅材料提纯工艺智能优化方法，其特征在于，步骤3过程如下：

6.根据权利要求1所述的一种硅材料提纯工艺智能优化方法，其特征在于，步骤（3.3）中，满足以下两个迭代优化终止条件中任意一者时停止迭代：

技术总结本发明公开了一种硅材料提纯工艺智能优化方法，包括以下步骤：步骤1、将现有硅材料提纯工艺流程划分为若干类别，得到工艺流程样本；步骤2、构建硅提纯工艺流程参数优化模型，并采用工艺流程样本进行训练；步骤3、将现有工业生产中所有硅材料提纯工艺流程的工艺参数输入到步骤2中已训练好的硅提纯工艺流程参数优化模型，以寻找每种硅材料提纯工艺流程的最优参数组合；步骤4、将步骤3得到的每种硅材料提纯工艺流程的最优参数组合输入数字孪生系统，以控制实际生产工艺以最优参数组合运行。本发明可显著提高硅提纯工艺的生产效率、产品品质和收益水平,有力推动硅提纯行业的智能化升级。技术研发人员：宋万,臧怀娟,刘鑫之,詹曙受保护的技术使用者：合肥工业大学技术研发日：技术公布日：2024/11/14