温度的控制方法、装置、电子设备及存储介质制造方法及图纸

本申请适用于人工智能技术领域，提供了一种温度的控制方法、装置、电子设备及存储介质，所述方法包括：将获取到的半导体量测机台的当前机内温度和当前环境信息输入至神经网络的正向传播路径或者正向传播网络中，得到电源功率；若电源功率通过正向传播路径得到，则将电源功率输入至反向传播路径中，得到与电源功率对应的机内调控温度，机内调控温度与预设的机内目标温度的温度差值小于或者等于预设的温度差；若电源功率通过正向传播网络得到，则将电源功率输入至反向传播网络中，得到与电源功率对应的机内调控温度，从而解决因半导体量测机台所处的环境发生改变时，PID控制器的参数也需要人为地重新进行改变，导致耗费企业的售后和人力的问题。后和人力的问题。后和人力的问题。

【技术实现步骤摘要】
温度的控制方法、装置、电子设备及存储介质


[0001]本申请属于人工智能
，尤其涉及一种温度的控制方法、装置、电子设备及存储介质。

技术介绍

[0002]半导体量测是半导体行业检测良品率和控制质量不可或缺的工序，而温度的精准控制在半导体量测中至关重要。半导体硅片产品普遍对温度敏感，硅片在不同的温度条件下，物理特性会发生较大改变，进而极大地影响测量结果，也即影响芯片的良品率和成品率。为了保证芯片的良品率和成品率，需设置半导体量测的环境是恒温系统，即半导体量测机台的机内温度必须保持在恒定温度上下0.03度以内。
[0003]目前，国内外，普遍采用比例
‑
积分
‑
微分(proportional
‑
integral
‑
differential，PID)控制器对半导体量测机台的机内温度进行控制。
[0004]然而，PID控制器需要工程师人为地通过改变PID控制器的参数，比如比例项、积分项以及微分项来控制半导体量测机台的机内温度在一定的区间内波动。如果半导体量测机台所处的环境发生改变，PID控制器的参数也需要重新人为地进行改变，因此，非常耗费企业的售后和人力。

技术实现思路

[0005]本申请实施例提供了一种温度的控制方法、装置、电子设备及存储介质，可以解决因半导体量测机台所处的环境发生改变时，PID控制器的参数也需要人为地重新进行改变，导致耗费企业的售后和人力的问题。
[0006]第一方面，本申请实施例提供了一种温度的控制方法，所述温度的控制方法包括：
[0007]获取半导体量测机台的当前机内温度和当前环境信息，所述当前环境信息用来指示所述半导体量测机台当前所处的环境；
[0008]将所述当前机内温度和当前环境信息输入至神经网络的正向传播路径或者正向传播网络中，得到所述神经网络输出的电源功率，所述电源功率是将所述半导体量测机台的机内温度维持在预设的机内目标温度时，电源需要提供的功率；
[0009]若所述电源功率通过所述正向传播路径得到，则将所述电源功率输入至所述神经网络的反向传播路径中，得到所述反向传播路径输出的与所述电源功率对应的机内调控温度，所述机内调控温度与所述预设的机内目标温度的温度差值小于或者等于预设的温度差；
[0010]若所述电源功率通过所述正向传播网络得到，则将所述电源功率输入至所述神经网络的反向传播网络中，得到所述反向传播网络输出的与所述电源功率对应的机内调控温度。
[0011]可选的，所述神经网络的输入端包括至少两个神经元，通过所述至少两个神经元能够将所述环境信息作为影响因子输入到所述神经网络中。
[0012]可选的，所述神经网络为可逆神经网络，所述可逆神经网络包括正向传播路径和反向传播路径。
[0013]可选的，所述正向传播路径和所述反向传播路径中均包括生成式对抗网络，所述生成式对抗网络包括生成器和判别器，通过所述生成器与所述判别器调整所述可逆神经网络的权重值。
[0014]可选的，所述神经网络为双向神经网络，所述双向神经网络包括正向传播网络、反向传播网络和动态网络，所述正向传播网络和所述反向传播网络之间通过所述动态网络耦合在一起。
[0015]可选的，所述双向神经网络的正向传播网络与可逆神经网络的正向传播路径相同，所述双向神经网络的反向传播网络包括生成式对抗网络和普通神经网络，所述普通神经网络与可逆神经网络的反向传播路径不同。
[0016]可选的，所述当前环境信息包括所述半导体量测机台所处环境的温度、所述半导体量测机台所处环境的湿度、所述半导体量测机台的热风口温度以及所述半导体量测机台的蝶阀口温度中的至少一种。
[0017]第二方面，本申请实施例提供了一种温度的控制装置，所述温度的控制装置包括：
[0018]当前信息获取模块，用于获取半导体量测机台的当前机内温度和当前环境信息，所述当前环境信息用来指示所述半导体量测机台当前所处的环境；
[0019]正向输入模块，用于将所述当前机内温度和当前环境信息输入至神经网络的正向传播路径或者正向传播网络中，得到所述神经网络输出的电源功率，所述电源功率是将所述半导体量测机台的机内温度维持在预设的机内目标温度时，电源需要提供的功率；
[0020]第一反向输出模块，用于若所述电源功率通过所述正向传播路径得到，则将所述电源功率输入至所述神经网络的反向传播路径中，得到所述反向传播路径输出的与所述电源功率对应的机内调控温度，所述机内调控温度与所述预设的机内目标温度的温度差值小于或者等于预设的温度差；
[0021]第二反向输出模块，用于若所述电源功率通过所述正向传播网络得到，则将所述电源功率输入至所述神经网络的反向传播网络中，得到所述反向传播网络输出的与所述电源功率对应的机内调控温度。
[0022]可选的，所述神经网络的输入端包括至少两个神经元，通过所述至少两个神经元能够将所述环境信息作为影响因子输入到所述神经网络中。
[0023]可选的，所述神经网络为可逆神经网络，所述可逆神经网络包括正向传播路径和反向传播路径。
[0024]可选的，所述正向传播路径和所述反向传播路径中均包括生成式对抗网络，所述生成式对抗网络包括生成器和判别器，通过所述生成器与所述判别器调整所述可逆神经网络的权重值。
[0025]可选的，所述神经网络为双向神经网络，所述双向神经网络包括正向传播网络、反向传播网络和动态网络，所述正向传播网络和所述反向传播网络之间通过所述动态网络耦合在一起。
[0026]可选的，所述双向神经网络的正向传播网络与可逆神经网络的正向传播路径相同，所述双向神经网络的反向传播网络包括生成式对抗网络和普通神经网络，所述普通神
经网络与可逆神经网络的反向传播路径不同。
[0027]可选的，所述当前环境信息包括所述半导体量测机台所处环境的温度、所述半导体量测机台所处环境的湿度、所述半导体量测机台的热风口温度以及所述半导体量测机台的蝶阀口温度中的至少一种。
[0028]第三方面，本申请实施例提供了一种电子设备，包括：
[0029]存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现上述第一方面所述的温度的控制方法的步骤。
[0030]第四方面，本申请实施例提供了一种计算机可读存储介质，包括：所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的温度的控制方法的步骤。
[0031]第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在电子设备上运行时，使得电子设备执行上述第一方面所述的温度的控制方法的步骤。
[0032]本申请实施例与现有技术相比存在的有益效果是：由于输入至神经网络的数据除了包括当前机内温度，还包括影响半导体量测机台的当前环境信息，因此，神经网络的正向传播路径或者正向传播网络可以根据半本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种温度的控制方法，其特征在于，所述温度的控制方法包括：获取半导体量测机台的当前机内温度和当前环境信息，所述当前环境信息用来指示所述半导体量测机台当前所处的环境；将所述当前机内温度和当前环境信息输入至神经网络的正向传播路径或者正向传播网络中，得到所述神经网络输出的电源功率，所述电源功率是将所述半导体量测机台的机内温度维持在预设的机内目标温度时，电源需要提供的功率；若所述电源功率通过所述正向传播路径得到，则将所述电源功率输入至所述神经网络的反向传播路径中，得到所述反向传播路径输出的与所述电源功率对应的机内调控温度，所述机内调控温度与所述预设的机内目标温度的温度差值小于或者等于预设的温度差；若所述电源功率通过所述正向传播网络得到，则将所述电源功率输入至所述神经网络的反向传播网络中，得到所述反向传播网络输出的与所述电源功率对应的机内调控温度。2.如权利要求1所述的温度的控制方法，其特征在于，所述神经网络的输入端包括至少两个神经元，通过所述至少两个神经元能够将所述环境信息作为影响因子输入到所述神经网络中。3.如权利要求1或2所述的温度的控制方法，其特征在于，所述神经网络为可逆神经网络，所述可逆神经网络包括正向传播路径和反向传播路径。4.如权利要求3所述的温度的控制方法，其特征在于，所述正向传播路径和所述反向传播路径中均包括生成式对抗网络，所述生成式对抗网络包括生成器和判别器，通过所述生成器与所述判别器调整所述可逆神经网络的权重值。5.如权利要求1或2所述的温度的控制方法，其特征在于，所述神经网络为双向神经网络，所述双向神经网络包括正向传播网络、反向传播网络和动态网络，所述正向传播网络和所述反向传播网络之间通过所述动态网络耦合在一起。6.如权利要求5所述的温度的控制方法，其特征在于，所述双向神经网络的正向传播网络与可逆神经网络的正...

【专利技术属性】
技术研发人员：向世明，郑家意，洪峰，张雪娜，
申请(专利权)人：深圳市埃芯半导体科技有限公司，
类型：发明
国别省市：