[发明专利]一种基于K-RVFL的固化热过程时空建模方法

摘要

本发明公开了一种基于K‑RVFL的固化热过程时空建模方法，步骤一，搭建芯片固化炉温度控制平台，步骤二，得到芯片固化炉在固化工作状态下的温度分布随时间变化的时空数据，步骤三，通过PCA算法(即主成分分析算法)学习一组表征空间非线性特征的空间基函数，步骤四，使用基于核函数的随机向量函数连接网络(即K‑RVFL网络)逼近常微分方程模型。从而，温度分布的动态模型就可以在以时间和空间为坐标轴的图上建立出来。与神经网络系统和最小二乘支持向量机(LS‑SVM)比较起来,本模型有更高的模型预测精度和更快的建模速度。

主权项

1.一种基于K‑RVFL的固化热过程时空建模方法，其特征在于：步骤一，搭建芯片固化炉温度控制平台，在芯片固化炉的炉腔底部安装引线框架，在引线框架的上表面均匀布置多个热电偶传感器，并由dSPACE实时仿真平台采集所有热电偶传感器的温度数据，还在引线框架的上方均匀布置多个加热器，每个加热器由一个脉宽调制信号和一个功率放大器提供输入信号使芯片固化炉进行固化工作；步骤二，dSPACE实时仿真平台统计所有热电偶传感器的温度数据，得到芯片固化炉在固化工作状态下的温度分布随时间变化的时空数据，并将所述时空数据定义为：{T(Z,t)|Z＝(x1,x2,x3),t＝1,...,L},其中，Z＝(x1,x2,x3)为空间指标，L为时间长度，从而T(Z,t)为在位置Z＝(x1,x2,x3)和时间t的温度；步骤三，dSPACE实时仿真平台通过PCA算法(即主成分分析算法)学习一组表征空间非线性特征的空间基函数从而将步骤二采集到的时空数据T(Z,t)解耦为：其中，ai(t)为时空数据T(Z,t)的常微分方程模型，n为常微分方程模型的阶数；步骤四，dSPACE实时仿真平台使用基于核函数的随机向量函数连接网络(即K‑RVFL网络)逼近常微分方程模型ai(t)；步骤五，dSPACE实时仿真平台通过整合所述空间基函数和所述常微分方程模型a_i(t)，时空合成获得芯片固化炉在固化工作状态下的温度时空分布模型。