[发明专利]高纯石英坩埚的制备方法及其系统

权利要求书

1.一种高纯石英坩埚的制备方法，其特征在于，包括：将纯度大于99.99%的石英砂原料与钡粉进行混合以得到混合物料；对所述混合物料进行真空装料成型以得到石英坩埚透明层；以及对所述石英坩埚透明层进行吹气熔制以得到高纯度石英坩埚。

2.根据权利要求1所述的高纯石英坩埚的制备方法，其特征在于，对所述混合物料进行真空装料成型以得到石英坩埚透明层，包括：获取预定时间段内多个预定时间点的熔制温度值、熔制功率值和电弧起弧位置，以及，所述多个预定时间点的金属模具内真空度；将所述多个预定时间点的金属模具内真空度按照时间维度排列为真空度时序向量；将所述多个预定时间点的熔制温度值、熔制功率值和电弧起弧位置按照时间维度和样本维度排列为多参数协同时序输入矩阵；将所述多参数协同时序输入矩阵通过使用空间注意力机制的卷积神经网络模型以得到多参数协同时序特征矩阵；将所述真空度时序向量通过多尺度邻域特征提取模块以得到真空度时序特征向量；计算所述真空度时序特征向量与所述多参数协同时序特征矩阵之间的乘积以得到分类特征向量；基于所述多参数协同时序特征矩阵，对所述分类特征向量进行优化以得到优化后分类特征向量；以及将所述优化后分类特征向量通过分类器以得到分类结果，所述分类结果用于表示当前时间点的金属模具内真空度应增大或应减小。

3.根据权利要求2所述的高纯石英坩埚的制备方法，其特征在于，将所述多参数协同时序输入矩阵通过使用空间注意力机制的卷积神经网络模型以得到多参数协同时序特征矩阵，包括：所述使用空间注意力机制的卷积神经网络模型的各层在层的正向传递过程中对输入数据分别进行：对输入数据进行卷积处理以生成第一卷积特征图；对所述第一卷积特征图进行池化处理以生成第一池化特征图；对所述第一池化特征图进行非线性激活以生成第一激活特征图；计算所述第一激活特征图的各个位置沿通道维度的均值以生成空间特征矩阵；计算所述空间特征矩阵中各个位置的类Softmax函数值以获得空间得分矩阵；以及计算所述空间特征矩阵和所述空间得分图的按位置点乘以获得特征矩阵；其中，所述使用空间注意力机制的卷积神经网络模型的最后一层输出的所述多参数协同时序特征矩阵。

4.根据权利要求3所述的高纯石英坩埚的制备方法，其特征在于，所述多尺度邻域特征提取模块包括并行的第一卷积层和第二卷积层，以及，与所述第一卷积层和所述第二卷积层连接的多尺度特征融合层，其中，所述第一卷积层和所述第二卷积层使用具有不同尺度的一维卷积核。

5.根据权利要求4所述的高纯石英坩埚的制备方法，其特征在于，将所述真空度时序向量通过多尺度邻域特征提取模块以得到真空度时序特征向量，包括：使用所述多尺度邻域特征提取模块的所述第一卷积层对所述真空度时序向量进行一维卷积编码以得到第一尺度真空度时序特征向量；其中，所述公式为：

 ，

其中，为第一一维卷积核在方向上的宽度、为第一一维卷积核参数向量、为与卷积核函数运算的局部向量矩阵，为第一一维卷积核的尺寸，表示所述真空度时序向量；使用所述多尺度邻域特征提取模块的所述第二卷积层对所述真空度时序向量进行一维卷积编码以得到第二尺度真空度时序特征向量；其中，所述公式为：

 ，

其中，为第二一维卷积核在方向上的宽度、为第二一维卷积核参数向量、为与卷积核函数运算的局部向量矩阵，为第二一维卷积核的尺寸，表示所述真空度时序向量；以及使用所述多尺度邻域特征提取模块的所述多尺度特征融合层对所述第一尺度真空度时序特征向量和所述第二尺度真空度时序特征向量进行级联以得到所述真空度时序特征向量。

6.根据权利要求5所述的高纯石英坩埚的制备方法，其特征在于，计算所述真空度时序特征向量与所述多参数协同时序特征矩阵之间的乘积以得到分类特征向量，包括：以如下公式计算所述真空度时序特征向量与所述多参数协同时序特征矩阵之间的乘积以得到所述分类特征向量；其中，所述公式为：，

其中，表示所述分类特征向量，表示所述真空度时序特征向量，表示所述多参数协同时序特征矩阵。