基于神经网络的金刚线硅片工艺优化研究

作     者：李宁 谷书辉 陈秋颖 任丙彦 Li Ning, Gu Shuhui, Chen Qiuying, Ren Bingyan

作者机构：河北工业大学材料科学与工程学院 

出 版 物：《太阳能学报》 (Acta Energiae Solaris Sinica)

年 卷 期：2018年第39卷第9期

页      面：2381-2386页

核心收录：

学科分类：08[工学] 080502[工学-材料学] 0805[工学-材料科学与工程（可授工学、理学学位）] 

基　　金：国家高技术研究发展(863)计划(2012AA050301) 

主　　题：硅片 人工神经网络 工艺优化 金刚线切割 

摘      要：使用Tensorflow对金刚线切割过程深度学习，通过对500组样本的训练和预测，得到金刚线切割的神经网络模型。高进给速度（〉1．4mm／min）和高线速（〉1400mm／min）可发挥高颗粒密度（〉100cm^-1）的优势，在提高切割效率的同时获得较低的总厚度变化（total thickness variation，TTV）。在切割过程中，高颗粒密度的钢线耐磨损能力强，有更大的工艺窗口。将神经网络技术应用到工艺优化方面可直观找到调整参数与实验结果的量化关系，为优化工艺提供一种简便高效的方法。