Jan, 2024

基于张量的半导体制造过程控制和监控技术在不稳定干扰下的应用

PDF
TL;DR该论文提出了一种新颖的高维基于图像的覆盖误差处理控制与监测方法，利用有限的控制配方来减少覆盖误差。通过构建高维过程模型并提出不同的张量与向量回归算法来估计模型中的参数，减轻维度诅咒。基于张量参数的估计，设计了指数加权移动平均（EWMA）张量数据控制器，其稳定性经过理论保证。为了防止无法控制的高维扰动的显著漂移，检测控制残差。通过大量的仿真和真实案例研究，评估了参数估计算法和张量空间中 EWMA 控制器的性能。与现有的基于图像的反馈控制器相比，我们的方法在扰动不稳定时表现出明显的优势。
发现论文，激发创造
  • 基于稀疏注意力的数字孪生中生产过程优化的质量预测

    通过使用生产线的数学模型，基于质量预测模型的数字孪生模型在虚拟和实际生产线之间实现了流畅的集成，提高了过程质量和生产效率。

    May, 2024

  • 人工神经孪生 —— 分布式工艺链的过程优化和持续学习

    工业过程优化和控制是提高经济和生态效益的关键。我们提出了人工神经双胞胎，结合了模型预测控制、深度学习和传感器网络的概念，以解决数据主权、不同目标或实施所需的专业知识等问题。通过将相互连接的过程步骤视为准神经网络，我们可以对过程优化或模型微调进行损失梯度的反向传播，从而调整过程参数或人工智能模型。该概念在 Unity 中模拟的虚拟机群中进行了演示，其中包括塑料回收中的散粒材料处理过程。

    Mar, 2024

  • 用神经网络揭示控制工程师的技艺

    本文提出了一种直接基于数据驱动的控制器调整方法，利用数字孪生来产生输入 - 输出数据和适当的控制器，并使用先进的神经网络架构学习控制器调整规则，从而对控制器进行重新校准，将控制工程师的角色实际上用机器学习模型代替。

    Nov, 2023

  • 运用人工智能和动态模拟进行软传感器与过程控制

    本文介绍使用基于化学工程知识和强化学习算法的动态模拟器进行预测并作为软传感器来估计化工厂内部状态变量的方法，并探讨了使用这种软传感器进行化工厂操作和控制的前景及其所需预测模型的方法。

    Aug, 2022

  • 大数据处理的新方法：张量网络和张量分解

    本研究主要介绍了张量网络、张量分解、多元分析，低秩逼近以及大数据分析等多个方面，并讨论了其在异常检测、特征提取、分类、聚类分析、数据融合和集成、模式识别、预测建模、回归、时间序列分析和多元分析等领域中的潜在应用。

    Mar, 2014

  • 监测多模式过程：一种具有持续学习能力的改进 PCA 算法

    基于主成分分析，我们提出了一种具有持续学习能力的监控多模式过程的改进算法 PCA-EWC，该算法通过采用弹性权重一致化方法来解决 PCA 对于连续模式的灾难性遗忘，有效地保留了先前模式的显著特征。我们还扩展了该算法以适应于一般多模式过程，并通过数值实验和实际工业系统的应用来验证其有效性。

    Dec, 2020

  • 基于物理的数字孪生技术在自主热食品加工中的应用：高效、非侵入式的简化建模

    本文提出了一种基于物理和数据驱动的数字孪生框架，用于自主食品加工，该框架含有最小计算负载、数据存储和传感器数据要求的精益数字孪生概念，并采用一个节俭的实验设计用于训练热处理的非侵入式降阶模型，其最佳模型的测试均方根误差小于 1 开尔文（0.2％平均百分比误差），模拟速度加快达到 1.8E4 Sp，可用于设备内的模型预测控制。

    Sep, 2022

  • 基于共形预测的随机传感器不确定性下安全感知控制

    使用感知映射通过学习获取状态估计的感知控制，通过量化感知映射的估计不确定性并将这些不确定性表示整合到控制设计中，采用符合预测来计算有效的状态估计区域，从而设计采用自我触发控制思想的取样数据控制器，以避免使用随机微积分并在具有李达（LiDAR）能力的 F1 / 10th 汽车中演示了控制器的有效性。

    Apr, 2023

  • 分类与回归的多尺度张量网络架构

    通过对数据进行一系列的小波变换，提出一种使用张量网络进行监督学习的算法，其中使用了矩阵乘积状态来处理粗粒化的数据，并使用基于密度矩阵重整化群算法的自适应算法来训练 MPS。

    Jan, 2020

  • 塑料成形演示下连续宏观过程实时自主控制

    应用实时原位表征和基于主动学习算法的自主系统，在无人干预的情况下，确定特定目标薄膜尺寸的工艺条件，具有高效准确的特点，为加快研究和工业过程提供了重要的启示。

    Dec, 2023