【技术实现步骤摘要】
本专利技术涉及碳化硅检测，具体来说，涉及一种用于碳化硅提纯处理的杂质含量检测方法及系统。
技术介绍
1、碳化硅，作为一种由碳和硅元素稳定结合而成的晶体材料，展现出诸多独特的结构特性和卓越的物理、化学性质，这些特性使其在多个领域拥有极其重要的应用价值，特别是在能源、电子、半导体、陶瓷和涂层等关键领域中，碳化硅的应用日益广泛。例如，在制造高温炉具、高性能半导体器件、光电器件、高频器件，以及作为陶瓷涂层和磨料等方面，碳化硅都展现出了其卓越的应用价值。
2、随着科技的飞速发展，碳化硅的应用领域仍在不断拓展，为相关产业带来了前所未有的发展机遇和新的可能性。为了满足不同应用领域对高性能、高纯度碳化硅材料的需求，同时提升生产效率、降低成本并促进环保与可持续发展，进行碳化硅的提纯处理至关重要。在提纯过程中，虽然会采取多种措施以减少杂质的生成，但杂质的含量仍需受到严格的控制，以确保最终产品的纯度。因此，对提纯后的碳化硅进行精确的杂质含量检测，是确保材料质量、满足应用需求的重要步骤。
3、在碳化硅材料的提纯处理流程中，光学光谱分析技术是检测杂质含量的重要手段；然而，光学光谱分析技术在实际应用中具有一定的局限性，这些局限性可能包括对于特定杂质检测的灵敏度限制、样品杂质的复杂性、数据解析的难度等。由于这些因素，光学光谱分析技术有时无法提供碳化硅提纯后杂质含量的精确测量，从而影响了对碳化硅产品性能的准确评估，导致碳化硅产品无法满足高标准的性能要求。
4、针对相关技术中的问题，目前尚未提出有效的解决方案。
>技术实现思路
1、针对相关技术中的问题，本专利技术提出一种用于碳化硅提纯处理的杂质含量检测方法及系统，以克服现有相关技术所存在的上述技术问题。
2、为此，本专利技术采用的具体技术方案如下：
3、根据本专利技术的一个方面，提供了一种用于碳化硅提纯处理的杂质含量检测方法，该方法包括以下步骤：
4、s1、从碳化硅数据库中采集预设数量提纯处理后的碳化硅检测的历史样本；
5、s2、基于碳化硅检测的历史样本，获取历史样本的质谱数据及光谱数据，并分别对质谱数据及光谱数据进行处理，得到基于历史样本的有机杂质数据及无机杂质数据；
6、s3、对基于历史样本的有机杂质数据及无机杂质数据进行处理，结合机器学习算法，构建杂质含量预测模型；
7、s4、获取提纯处理后的实时有机杂质数据及实时无机杂质数据，将实时有机杂质数据及实时无机杂质数据输入至杂质含量预测模型中，得到有机杂质含量及无机杂质含量的预测结果；
8、其中，基于碳化硅检测的历史样本，获取历史样本的质谱数据及光谱数据，并分别对质谱数据及光谱数据进行处理，得到基于历史样本的有机杂质数据及无机杂质数据包括以下步骤：
9、s21、基于碳化硅检测的历史样本，分离碳化硅检测历史样本中的有机杂质与碳化硅成分，得到质谱数据；通过x射线激发碳化硅检测的历史样本，得到光谱数据；
10、s22、利用碳化硅处理法，分别对获取历史样本的质谱数据及光谱数据进行处理，识别有机特征峰与无机特征峰；
11、s23、结合有机特征峰与质谱数据库，得到有机杂质含量数据；
12、s24、提取无机特征峰的峰高，结合光谱数据库，得到无机杂质含量数据。
13、进一步的，利用碳化硅处理法，分别对获取历史样本的质谱数据及光谱数据进行处理，识别有机特征峰与无机特征峰包括以下步骤：
14、s221、利用数据筛选算法对质谱数据及光谱数据进行筛选；
15、s222、利用不同的预处理组合对筛选后的质谱数据及光谱数据进行处理，得到若干对质谱特征峰点与光谱特征峰点；
16、s223、基于若干对质谱特征峰点与光谱特征峰点，选取最优的质谱特征峰点与光谱特征峰点；
17、s224、分析最优质谱特征峰点，确定每个质谱特征峰点的质荷比，结合已知有机杂质的质荷比，识别得到有机特征峰；
18、s225、分析最优光谱特征峰点，利用峰值检测算法识别出与已知无机杂质相关联的特征峰点，得到无机特征峰。
19、进一步的，利用数据筛选算法对质谱数据及光谱数据进行筛选包括以下步骤：
20、s2211、对质谱数据及光谱数据进行归一化处理，并利用线性判别分析法降低质谱数据及光谱数据的维度；
21、s2212、利用曼哈顿距离，计算降维处理后质谱数据之间的质谱距离与光谱数据之间的光谱距离；
22、s2213、基于质谱距离与光谱距离，筛选出高于预设阈值的质谱数据及光谱数据离。
23、进一步的，预处理组合包括基线校正、散射校正、平滑处理及尺度缩放。
24、进一步的，提取无机特征峰的峰高，结合光谱数据库，得到无机杂质含量数据包括以下步骤：
25、s241、基于无机特征峰，利用傅里叶变换提取无机特征峰的峰高；
26、s242、利用峰高匹配算法，将无机特征峰的峰高与光谱数据库中已知无机杂质光谱数据的峰高进行匹配，获取无机杂质含量数据。
27、进一步的，利用峰高匹配算法，将无机特征峰的峰高与光谱数据库中已知无机杂质光谱数据的峰高进行匹配，获取无机杂质含量数据包括以下步骤：
28、s2421、基于提取的无机特征峰的峰高，选取低于预设距离的若干个光谱数据构成子序列；
29、s2422、将子序列分成若干个区间，并对每个区间使用最小二乘法进行拟合，得到区间的斜率；
30、s2423、将所有区间的斜率整合成描述子，并利用动态时间规整算法将描述子与光谱数据库中的描述子进行匹配，得到描述子的匹配路径；
31、s2424、基于描述子的匹配路径，结合构建平方和的成本函数，获取成本函数最优路径；
32、s2425、根据成本函数最优路径对应的索引矩阵，获取无机特征峰的峰高与光谱数据库中已知无机杂质峰高的对应关系；
33、s2426、基于无机特征峰的峰高与光谱数据库中已知无机杂质峰高的对应关系，得到无机杂质含量数据。
34、进一步的，成本函数的公式为：
35、
36、式中， n表示成本函数；
37、 x表示描述子的索引关系；
38、 k表示描述子序列匹配完成需要的步数；
39、 r表示描述子序列匹配的第 r步；
40、 d表示无机特征峰的峰高；
41、 t表示时间。
42、进一步的，对基于历史样本的有机杂质数据及无本文档来自技高网...
【技术保护点】
1.一种用于碳化硅提纯处理的杂质含量检测方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的一种用于碳化硅提纯处理的杂质含量检测方法，其特征在于，所述利用碳化硅处理法，分别对获取历史样本的质谱数据及光谱数据进行处理，识别有机特征峰与无机特征峰包括以下步骤：
3.根据权利要求2所述的一种用于碳化硅提纯处理的杂质含量检测方法，其特征在于，所述利用数据筛选算法对质谱数据及光谱数据进行筛选包括以下步骤：
4.根据权利要求2所述的一种用于碳化硅提纯处理的杂质含量检测方法，其特征在于，所述预处理组合包括基线校正、散射校正、平滑处理及尺度缩放。
5.根据权利要求1所述的一种用于碳化硅提纯处理的杂质含量检测方法，其特征在于，所述提取无机特征峰的峰高，结合光谱数据库，得到无机杂质含量数据包括以下步骤：
6.根据权利要求5所述的一种用于碳化硅提纯处理的杂质含量检测方法，其特征在于，所述利用峰高匹配算法，将无机特征峰的峰高与光谱数据库中已知无机杂质光谱数据的峰高进行匹配，获取无机杂质含量数据包括以下步骤：
7.根据权利
8.根据权利要求1所述的一种用于碳化硅提纯处理的杂质含量检测方法，其特征在于，所述对基于历史样本的有机杂质数据及无机杂质数据进行处理，结合机器学习算法，构建杂质含量预测模型包括以下步骤：
9.根据权利要求1所述的一种用于碳化硅提纯处理的杂质含量检测方法，其特征在于，所述获取提纯处理后的实时有机杂质数据及实时无机杂质数据，将实时有机杂质数据及实时无机杂质数据输入至杂质含量预测模型中，得到有机杂质含量及无机杂质含量的预测结果包括以下步骤：
10.一种用于碳化硅提纯处理的杂质含量检测系统，用于实现权利要求1-9中任一项所述的用于碳化硅提纯处理的杂质含量检测方法，其特征在于，该用于碳化硅提纯处理的杂质含量检测系统包括样本采集模块、杂质数据获取模块、模型构建模块及杂质含量预测模块；
...【技术特征摘要】
1.一种用于碳化硅提纯处理的杂质含量检测方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的一种用于碳化硅提纯处理的杂质含量检测方法，其特征在于，所述利用碳化硅处理法，分别对获取历史样本的质谱数据及光谱数据进行处理，识别有机特征峰与无机特征峰包括以下步骤：
3.根据权利要求2所述的一种用于碳化硅提纯处理的杂质含量检测方法，其特征在于，所述利用数据筛选算法对质谱数据及光谱数据进行筛选包括以下步骤：
4.根据权利要求2所述的一种用于碳化硅提纯处理的杂质含量检测方法，其特征在于，所述预处理组合包括基线校正、散射校正、平滑处理及尺度缩放。
5.根据权利要求1所述的一种用于碳化硅提纯处理的杂质含量检测方法，其特征在于，所述提取无机特征峰的峰高，结合光谱数据库，得到无机杂质含量数据包括以下步骤：
6.根据权利要求5所述的一种用于碳化硅提纯处理的杂质含量检测方法，其特征在于，所述利用峰高匹配算法，将无机特征峰的峰高与光谱数据库中已...
【专利技术属性】
技术研发人员：石广申，马嘉骏，章萌春，杨青，
申请(专利权)人：南通罡丰科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。