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
河北工业大学;