本發(fā)明涉及微電子領(lǐng)域，具體涉及一種脈沖調(diào)制等離子體射流的產(chǎn)生方法及其應(yīng)用。

背景技術(shù)：

1、等離子體射流技術(shù)自20世紀(jì)90年代興起以來，已逐步從實驗室研究走向工業(yè)應(yīng)用。在微電子領(lǐng)域，其被用于納米級刻蝕與薄膜沉積；在生物醫(yī)學(xué)中，低溫等離子體射流可選擇性誘導(dǎo)癌細(xì)胞凋亡；等離子體催化更成為廢氣處理的關(guān)鍵技術(shù)之一。然而，隨著應(yīng)用場景的復(fù)雜化，傳統(tǒng)射流生成方法的射流特性受多物理場強耦合影響，經(jīng)驗驅(qū)動的參數(shù)優(yōu)化效率低且泛化性差，且連續(xù)放電模式導(dǎo)致能量浪費顯著，脈沖調(diào)制技術(shù)雖可改善能效，但波形設(shè)計與動態(tài)調(diào)控缺乏理論指導(dǎo)。

2、現(xiàn)有的脈沖調(diào)制等離子體射流的產(chǎn)生方法及其應(yīng)用人工操作的需求較高，容易出現(xiàn)主觀偏差與信息損失，且對抗環(huán)境干擾的魯棒性較低，無法適應(yīng)高速、高精度工藝需求；此外，現(xiàn)有的脈沖調(diào)制等離子體射流的產(chǎn)生方法及其應(yīng)用存在無效參數(shù)組合的測試，降低搜索能力，實驗或仿真次數(shù)較多，降低射流系統(tǒng)對工況波動的抗干擾能力，維護(hù)頻率高；為此，我們提出一種脈沖調(diào)制等離子體射流的產(chǎn)生方法及其應(yīng)用。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的是為了解決現(xiàn)有技術(shù)中存在的缺陷，而提出的一種脈沖調(diào)制等離子體射流的產(chǎn)生方法及其應(yīng)用。

2、在本發(fā)明實施的第一方面，首先提出一種脈沖調(diào)制等離子體射流的產(chǎn)生方法及其應(yīng)用，所述方法包括：

3、ⅰ、構(gòu)建多學(xué)科關(guān)聯(lián)數(shù)據(jù)庫，并調(diào)制高壓脈沖電源，同時優(yōu)化脈沖波形參數(shù)；

4、ⅱ、通過高壓電極施加脈沖電壓生成等離子體射流，建立耦合仿真模型，模擬等離子體射流的演化過程；

5、ⅲ、采集等離子體射流數(shù)據(jù)，并實時預(yù)測射流形態(tài)，根據(jù)射流性能指標(biāo)，對等離子體射流進(jìn)行多參數(shù)協(xié)同優(yōu)化；

6、ⅳ、通過高速攝像頭與光譜儀采集射流圖像及發(fā)射光譜，再根據(jù)實時數(shù)據(jù)以及參數(shù)優(yōu)化結(jié)果，動態(tài)調(diào)整脈沖頻率與氣體流量。

7、作為本發(fā)明的進(jìn)一步方案，步驟ⅰ所述構(gòu)建多學(xué)科關(guān)聯(lián)數(shù)據(jù)庫：

8、s1.1：采集等離子體物理、氣體動力學(xué)以及電磁學(xué)各領(lǐng)域的文獻(xiàn)、實驗數(shù)據(jù)以及仿真結(jié)果各組數(shù)據(jù)，篩除不同數(shù)據(jù)源中收集的重復(fù)數(shù)據(jù)，同時利用箱線法識別并刪除各組數(shù)據(jù)中的異常數(shù)據(jù)，通過插值法填補各組數(shù)據(jù)中的缺失值；

9、s1.2：將處理后的各組數(shù)據(jù)轉(zhuǎn)換為文本格式，通過nlp技術(shù)進(jìn)行術(shù)語識別，并抽取各組文本數(shù)據(jù)中的實體與關(guān)系，再設(shè)置等離子體物理、氣體動力學(xué)以及電磁學(xué)的核心概念及其層次關(guān)系，并將識別出個各組實體作為節(jié)點，關(guān)系作為邊，根據(jù)識別結(jié)果將各節(jié)點通過對應(yīng)邊進(jìn)行兩兩相連；

10、s1.3：采用規(guī)則推理挖掘等離子體物理、氣體動力學(xué)以及電磁學(xué)各實體之間的交叉關(guān)系，并建立對應(yīng)的跨學(xué)科變量間的映射規(guī)則，以構(gòu)建多學(xué)科關(guān)聯(lián)圖譜，之后通過neo4j庫存儲多學(xué)科關(guān)聯(lián)圖譜，并設(shè)計對應(yīng)數(shù)據(jù)索引，以建立多學(xué)科關(guān)聯(lián)數(shù)據(jù)庫。

11、作為本發(fā)明的進(jìn)一步方案，步驟ⅰ所述優(yōu)化脈沖波形參數(shù)的具體步驟如下：

12、s2.1：通過多學(xué)科關(guān)聯(lián)數(shù)據(jù)庫中多學(xué)科關(guān)聯(lián)圖譜的關(guān)系推理，獲取射流發(fā)生器的等離子體擊穿電壓的脈沖波形參數(shù)組合及其參數(shù)范圍，以設(shè)定參數(shù)搜索空間，其參數(shù)組合包括上升時間、脈寬以及重復(fù)頻率，并基于各氣體類型、氣體壓力以及脈沖波形設(shè)置目標(biāo)函數(shù)；

13、s2.2：設(shè)置種群數(shù)量以及迭代次數(shù)，并隨機初始化種群各個體在搜索空間中的位置，并為搜索空間中的各參數(shù)組合的信息素濃度初始化為相同值，同時計算各個體當(dāng)前參數(shù)組合下的擊穿電壓反比，并將其作為其啟發(fā)式因子；

14、s2.3：根據(jù)信息素濃度以及啟發(fā)式因子計算各脈沖波形參數(shù)的選擇概率，并基于選擇概率進(jìn)行隨機選擇，以逐步在搜索空間內(nèi)構(gòu)造完整的參數(shù)路徑，以構(gòu)建完整參數(shù)組合，通過目標(biāo)函數(shù)計算當(dāng)前路徑對應(yīng)的擊穿電壓值，同時根據(jù)各路徑對應(yīng)的擊穿電壓值，更新對應(yīng)路徑的信息素濃度；

15、s2.4：重復(fù)進(jìn)行路徑構(gòu)建以及信息素濃度更新，直至各路徑信息素濃度變化值收斂值預(yù)設(shè)閾值，或達(dá)到預(yù)設(shè)迭代次數(shù)，之后遍歷構(gòu)建的各組路徑，并選擇信息素濃度最高的路徑對應(yīng)的參數(shù)組合，將其作為最優(yōu)脈沖參數(shù)組合。

16、作為本發(fā)明的進(jìn)一步方案，步驟ⅲ所述采集等離子體射流數(shù)據(jù)，并實時預(yù)測射流形態(tài)的具體步驟如下：

17、s3.1：收集并預(yù)處理歷史等離子體射流的脈沖波形以及標(biāo)量參數(shù)各組數(shù)據(jù)，再將處理后的各組數(shù)據(jù)歸一化至[-1,1]區(qū)間，將處理完成的各組數(shù)據(jù)劃分為訓(xùn)練集、驗證集以及測試集，之后設(shè)計并構(gòu)建混合輸入結(jié)構(gòu)的預(yù)測模型，再收集歷史等離子體射流的實際圖像，將實際圖像縮放到固定尺寸，并轉(zhuǎn)換為灰度圖；

18、s3.2：將訓(xùn)練集輸入到預(yù)測模型中，該預(yù)測模型對訓(xùn)練集進(jìn)行前向傳播，訓(xùn)練集中的脈沖波形數(shù)據(jù)通過預(yù)測模型中一維卷積分支的多層1d卷積與池化，輸出全局平均池化特征向量，標(biāo)量參數(shù)數(shù)據(jù)通過預(yù)測模型中全連接層映射至高維空間，并將映射后的數(shù)據(jù)與特征向量進(jìn)行拼接，以生成融合特征，通過多層轉(zhuǎn)置卷積將融合特征上采樣至目標(biāo)圖像尺寸，再通過輸出層生成預(yù)測圖像；

19、s3.3：結(jié)合mse函數(shù)與ssim函數(shù)計算預(yù)測圖像與實際圖像的損失值，再將計算出的損失值從預(yù)測模型輸出層開始進(jìn)行反向傳播，并計算損失值對模型參數(shù)的梯度，再使用adam優(yōu)化器更新參數(shù)；

20、s3.4：每輪訓(xùn)練結(jié)束后，將驗證集輸入預(yù)測模型中，并計算其對應(yīng)損失值，若驗證損失連續(xù)多次未下降，則停止訓(xùn)練，否則重新對預(yù)測模型進(jìn)行訓(xùn)練與驗證，訓(xùn)練結(jié)束后，通過測試集評估預(yù)測模型的峰值信噪比以及結(jié)構(gòu)相似性，并將通過訓(xùn)練的預(yù)測模型部署至監(jiān)測平臺；

21、s3.5：將采集的實時等離子體射流數(shù)據(jù)輸入訓(xùn)練完成的預(yù)測模型中，并通過預(yù)測模型的前向傳播獲取射流形態(tài)預(yù)測圖像，同時實時收集實際射流形態(tài)圖像，并定位預(yù)測誤差區(qū)域，以進(jìn)行后續(xù)訓(xùn)練調(diào)整。

22、作為本發(fā)明的進(jìn)一步方案，步驟ⅲ所述對等離子體射流進(jìn)行多參數(shù)協(xié)同優(yōu)化的具體步驟如下：

23、s4.1：根據(jù)多學(xué)科關(guān)聯(lián)數(shù)據(jù)庫確定射流性能的可調(diào)參數(shù)，包括脈沖電壓、氣壓、氣體流速以及脈沖頻率，并設(shè)置各參數(shù)的取值范圍，以構(gòu)建對應(yīng)參數(shù)空間，之后將將多參數(shù)指標(biāo)進(jìn)行加權(quán)組合，并將組合結(jié)果通過歸一化后生成對應(yīng)的單目標(biāo)函數(shù)；

24、s4.2：通過拉丁超立方采樣在參數(shù)空間內(nèi)生成多個樣本點，并通過耦合仿真模型對每個樣本點運行實驗或仿真，同時利用單目標(biāo)函數(shù)計算各樣本點的適應(yīng)度值，將計算出的適應(yīng)度值與對應(yīng)樣本點匹配，構(gòu)建初始數(shù)據(jù)集；

25、s4.3：構(gòu)建高斯過程代理模型，并高斯過程代理模型通過最大化邊緣似然函數(shù)獲取初始數(shù)據(jù)集對應(yīng)均值、標(biāo)準(zhǔn)差以及長度尺度，之后選擇改進(jìn)概率作為采集函數(shù)，并通過高斯過程預(yù)測的均值和標(biāo)準(zhǔn)差計算初始數(shù)據(jù)集中各數(shù)據(jù)的改進(jìn)概率；

26、s4.4：選擇改進(jìn)概率最高的樣本點對作為下一個評估點，利用耦合仿真模型對改進(jìn)概率最高的樣本點對應(yīng)參數(shù)組合進(jìn)行仿真模擬，并計算其對應(yīng)適應(yīng)度值，再將新數(shù)據(jù)加入數(shù)據(jù)集中，重新擬合高斯過程，重復(fù)多次迭代更新，直至多輪新樣本點的適應(yīng)度值提升幅度小于預(yù)設(shè)閾值時，停止迭代，并輸出適應(yīng)度值最高的參數(shù)組合。

27、在本發(fā)明實施的第二方面，提出一種脈沖調(diào)制等離子體射流的產(chǎn)生方法應(yīng)用，包括：

28、(1)輸入需求，通過多學(xué)科關(guān)聯(lián)數(shù)據(jù)庫自動匹配歷史數(shù)據(jù)，選取氬氣作為工質(zhì)氣體，設(shè)置脈沖電壓范圍為8～12kv，電極間距范圍設(shè)置為2～5mm，并生成初始參數(shù)組合；

29、(2)設(shè)置目標(biāo)加工精度以及等離子體射流能量效率，并通過高斯過程模型預(yù)測不同參數(shù)組合的改進(jìn)概率，并優(yōu)先測試高改進(jìn)概率的參數(shù)；

30、(3)按優(yōu)化后的參數(shù)啟動高壓脈沖電源，生成脈寬為200ns的階梯式脈沖波形，之后氬氣經(jīng)高壓脈沖電離后形成穩(wěn)定射流，并通過文丘里噴嘴加速至150m/s；

31、(4)射流通過物理濺射與化學(xué)反應(yīng)對代加工材料進(jìn)行刻蝕，同時實時監(jiān)測射流溫度，避免材料熱損傷，利用幀率為10khz的高速攝像頭采集射流形態(tài)圖像，光譜儀監(jiān)測活性粒子濃度；

32、(5)根據(jù)當(dāng)前脈沖參數(shù)和射流圖像，輸出預(yù)測刻蝕深度誤差，若預(yù)測誤差大于5％，則在±10hz的范圍內(nèi)調(diào)節(jié)脈沖頻率，在±1m/s的范圍內(nèi)調(diào)整氣體流速；

33、(6)將實際加工參數(shù)輸入comsol多物理場模型，模擬射流-材料相互作用，若加工結(jié)果未達(dá)標(biāo)，則更新知識圖譜數(shù)據(jù)庫，重新啟動參數(shù)優(yōu)化流程。

34、本發(fā)明的有益效果：

35、本發(fā)明提出了一種脈沖調(diào)制等離子體射流的產(chǎn)生方法及其應(yīng)用，通過設(shè)計并構(gòu)建混合輸入結(jié)構(gòu)的預(yù)測模型，再收集歷史等離子體射流的實際圖像，將實際圖像縮放到固定尺寸，并轉(zhuǎn)換為灰度圖，將訓(xùn)練集輸入到預(yù)測模型中，該預(yù)測模型對訓(xùn)練集進(jìn)行前向傳播，訓(xùn)練集中的脈沖波形數(shù)據(jù)通過預(yù)測模型中一維卷積分支的多層1d卷積與池化，輸出全局平均池化特征向量，標(biāo)量參數(shù)數(shù)據(jù)通過預(yù)測模型中全連接層映射至高維空間，并將映射后的數(shù)據(jù)與特征向量進(jìn)行拼接，以生成融合特征，通過多層轉(zhuǎn)置卷積將融合特征上采樣至目標(biāo)圖像尺寸，再通過輸出層生成預(yù)測圖像，結(jié)合mse函數(shù)與ssim函數(shù)計算預(yù)測圖像與實際圖像的損失值，再將計算出的損失值從預(yù)測模型輸出層開始進(jìn)行反向傳播，并計算損失值對模型參數(shù)的梯度，再使用adam優(yōu)化器更新參數(shù)，每輪訓(xùn)練結(jié)束后，將驗證集輸入預(yù)測模型中，并計算其對應(yīng)損失值，若驗證損失連續(xù)多次未下降，則停止訓(xùn)練，否則重新對預(yù)測模型進(jìn)行訓(xùn)練與驗證，訓(xùn)練結(jié)束后，通過測試集評估預(yù)測模型的峰值信噪比以及結(jié)構(gòu)相似性，并將通過訓(xùn)練的預(yù)測模型部署至監(jiān)測平臺，將采集的實時等離子體射流數(shù)據(jù)輸入訓(xùn)練完成的預(yù)測模型中，并通過預(yù)測模型的前向傳播獲取射流形態(tài)預(yù)測圖像，同時實時收集實際射流形態(tài)圖像，并定位預(yù)測誤差區(qū)域，以進(jìn)行后續(xù)訓(xùn)練調(diào)整，能夠減少人工操作的需求，避免主觀偏差與信息損失，提高對抗環(huán)境干擾的魯棒性，能夠適應(yīng)高速、高精度工藝需求。

36、本發(fā)明提出了一種脈沖調(diào)制等離子體射流的產(chǎn)生方法及其應(yīng)用，根據(jù)多學(xué)科關(guān)聯(lián)數(shù)據(jù)庫確定射流性能的可調(diào)參數(shù)，包括脈沖電壓、氣壓、氣體流速以及脈沖頻率，并設(shè)置各參數(shù)的取值范圍，以構(gòu)建對應(yīng)參數(shù)空間，之后將將多參數(shù)指標(biāo)進(jìn)行加權(quán)組合，并將組合結(jié)果通過歸一化后生成對應(yīng)的單目標(biāo)函數(shù)，通過拉丁超立方采樣在參數(shù)空間內(nèi)生成多個樣本點，并通過耦合仿真模型對每個樣本點運行實驗或仿真，同時利用單目標(biāo)函數(shù)計算各樣本點的適應(yīng)度值，將計算出的適應(yīng)度值與對應(yīng)樣本點匹配，構(gòu)建初始數(shù)據(jù)集，構(gòu)建高斯過程代理模型，并高斯過程代理模型通過最大化邊緣似然函數(shù)獲取初始數(shù)據(jù)集對應(yīng)均值、標(biāo)準(zhǔn)差以及長度尺度，之后選擇改進(jìn)概率作為采集函數(shù)，并通過高斯過程預(yù)測的均值和標(biāo)準(zhǔn)差計算初始數(shù)據(jù)集中各數(shù)據(jù)的改進(jìn)概率，選擇改進(jìn)概率最高的樣本點對作為下一個評估點，利用耦合仿真模型對改進(jìn)概率最高的樣本點對應(yīng)參數(shù)組合進(jìn)行仿真模擬，并計算其對應(yīng)適應(yīng)度值，再將新數(shù)據(jù)加入數(shù)據(jù)集中，重新擬合高斯過程，重復(fù)多次迭代更新，直至多輪新樣本點的適應(yīng)度值提升幅度小于預(yù)設(shè)閾值時，停止迭代，并輸出適應(yīng)度值最高的參數(shù)組合，能夠避免無效參數(shù)組合的測試，提高搜索能力，減少實驗或仿真次數(shù)，提升射流系統(tǒng)對工況波動的抗干擾能力，降低維護(hù)頻率。