论文部分内容阅读
随着我国超精密加工水平的迅速发展,功能陶瓷在微电子、信息等领域应用开发正不断深入。但与国外超精密加工相比,在加工精度、加工效率等方面国内还存在较大差距。化学机械抛光(Chemical-mechanical polishing,CMP)作为超精密加工的主要手段,由于在抛光过程中人为因素影响极大,导致抛光效率低、质量稳定性差、加工成本高。如何以科学决策优化手段来降低人为因素的影响是CMP领域的一项重要课题。因此,迫切需要深入研究功能陶瓷精密CMP抛光工艺参数优化技术以构建功能陶瓷精密CMP抛光的有效工艺参数决策支持平台。本文综合利用正交试验、田口法、BP神经网络、实例推理+BP神经网络的混合推理和数据库技术等实验和理论方法,探索了CMP抛光工艺参数优化、表面粗糙度预测以及工艺参数决策等技术,具体研究工作如下:1)利用正交试验和田口法,以表面粗糙度为评价条件,探寻抛光速度、抛光压力和抛光液浓度与表面粗糙度的关系,在此基础上,对功能陶瓷精密CMP平面抛光工艺参数进行优化,获得最优的工艺参数组合,实现工艺参数的优化;2)利用BP神经网络,以抛光速度、抛光压力和抛光液浓度为输入,表面粗糙度为输出,建立了模拟功能陶瓷精密CMP平面抛光过程的映射模型,利用1)所获得的实验数据训练预测模型,完成了碳化硅功能陶瓷精密CMP平面抛光映射模型的建立,实现了抛光表面粗糙度的有效预测;3)在1)、2)的基础之上,利用实例推理+BP神经网络的混合推理技术,建立功能陶瓷精密CMP平面抛光决策模型,为功能陶瓷精密CMP平面抛光工艺参数决策提供了科学依据;4)利用Access,参考相关工艺手册、工程人员的经验及实验数据等建立了功能陶瓷精密CMP平面抛光工艺参数数据库;5)基于上述工作的基础之上,利用PowerBuilder开发出功能陶瓷精密CMP平面抛光工艺参数的优化支持系统,能够实现功能陶瓷精密CMP平面抛光的工艺参数优化、表面粗糙度预测、和工艺参数决策,实验与预测结果吻合较好。综上,本文的研究为改变功能陶瓷CMP抛光中工艺参数凭经验选择的滞后现状提供了科学解决方案,为提升我国CMP抛光工艺整体水平奠定了理论基础。