PSO-SVM算法模型在CMP抛光液组分优化中的应用研究

目录

第一个书签之前

第一章 绪论

1.1 课题来源与研究背景及意义

1.1.1 课题来源

1.1.2 课题研究背景及意义

1.2 国内外研究现状

1.2.1 CMP技术研究现状

1.2.2 CMP抛光液组分配比优化研究现状

1.2.3 CMP抛光液组分配比优化研究中存在的问题

1.3 本文主要工作及章节安排

第二章 PSO-SVM算法原理

2.1 支持向量机（SVM）

2.1.1 SVM基本原理

2.1.2 SVM解决回归问题

2.1.3 核函数选取

2.2 粒子群优化（PSO）算法

2.2.1 PSO算法原理

2.2.2 基本PSO算法

2.2.3 标准PSO算法

2.3 PSO-SVM算法模型

2.3.1 PSO算法优化SVM参数

2.3.2 PSO-SVM算法模型

第三章 CMP抛光液组分配比实验

3.1 CMP抛光液组分

3.1.1 SiO2磨料

3.1.2 螯合剂

3.1.3 H2O2氧化剂

3.1.4 表面活性剂

3.1.5 pH值

3.2 CMP抛光液组分配比实验条件

3.2.1 实验所用设备

3.2.2 实验方法

3.3 抛光液各组分对去除速率的影响

3.3.1 pH值对去除速率的影响

3.3.2 H2O2氧化剂对去除速率的影响

3.3.3 FA/O I型螯合剂对去除速率的影响

3.3.4 磨料浓度对去除速率的影响

3.3.5 活性剂对去除速率的影响

3.4 CMP抛光液正交优化试验

3.4.1 正交试验方案

3.4.2 正交试验结果

3.5 本章小结

第四章 基于PSO-SVM的CMP抛光液组分配比优化

4.1 引言

4.2 CMP抛光液组分配比优化实验

4.2.1 数据预处理

4.2.2 CMP抛光液组分配比优化模型

4.2.3 CMP抛光液组分配比优化实验分析

4.2.4 CMP抛光液各组分配比数据的预测

4.3 遇到的问题及解决方法

4.3.1 数据集选取

4.3.2 自动获取最优结果

4.4 本章小结

第五章 基于PSO-SVR的压力传感器温度补偿

5.1 引言

5.2 PSO-SVR算法模型

5.2.1 使用PSO算法实现SVM参数优化

5.2.2 PSO-SVR模型实现流程

5.3 基于PSO-SVR的压力传感器温度补偿

5.3.1 实验数据获取

5.3.2 PSO-SVR温度补偿模型

5.3.3 PSO-SVR模型的训练及预测

5.3.4 温度补偿实验结果及分析

5.4 本章小结

第六章 总结与展望

6.1 本文总结

6.2 本文创新点

6.3 研究展望

参考文献

攻读学位期间所取得的相关科研成果

致谢