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。
分类：期刊> 自然科学与工程技术> 工程科技II> 新能源
收录：北大期刊(中国人文社会科学期刊) > CSCD 中国科学引文数据库来源期刊(含扩展版) > 统计源期刊(中国科技论文优秀期刊) > 知网收录(中) > 维普收录(中) > 万方收录(中) > EI 工程索引(美) > CA 化学文摘(美) > JST 日本科学技术振兴机构数据库(日) > 国家图书馆馆藏 > 上海图书馆馆藏 > 文摘与引文数据库
关键词：硅片 人工神经网络 工艺优化 金刚线切割
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
