买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉科大智能物联技术股份有限公司申请的专利一种基于机器学习的多晶硅生长重量计算方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119361024B 。

龙图腾网通过国家知识产权局官网在2025-11-11发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411395602.1，技术领域涉及：G16C20/70；该发明授权一种基于机器学习的多晶硅生长重量计算方法是由庄恒锋;张勤;孙铁;李兆虎;张永强;李帅;刘逸菲;钟智敏设计研发完成，并于2024-10-08向国家知识产权局提交的专利申请。

本一种基于机器学习的多晶硅生长重量计算方法在说明书摘要公布了：本发明公开了一种基于机器学习的多晶硅生长重量计算方法，包括将炉次数据按时间排序，统一为时序格式，填充缺失值并移除低质量炉次数据；硅棒直径与初步重量预估：基于预设参数和实时电阻，通过简化模型计算硅棒预估直径，并据此初步估算硅棒重量；模型训练与初步预测：划分数据集，训练多元线性回归模型进行初步重量预测，并评估预测效果；使用Transformer深度学习模型对多元线性回归模型预测残差进行估计；结合启炉重量和运行时间，对预测重量进行残差修正和时间加权处理，得到最终的实时重量估计值。本发明使用具有更多参数的深度模型提取时序特征以拟合残差，具有更高的拟合精度；还结合正向机理以及时间加权计算，防止对出炉重量的计算失真。

本发明授权一种基于机器学习的多晶硅生长重量计算方法在权利要求书中公布了：1.一种基于机器学习的多晶硅生长重量计算方法，其特征在于，包括以下步骤： 步骤S1、数据预处理与标准化：将炉次数据按时间排序，统一为时序格式，填充缺失值并移除低质量炉次数据，进行数据标准化，形成数据集； 步骤S2、硅棒直径与初步重量预估：基于预设参数和实时电阻，通过简化模型计算硅棒预估直径，并据此初步估算硅棒重量； 所述步骤S2中硅棒直径与初步重量预估的具体步骤包括： 步骤S21、将多晶硅还原炉中的硅棒分为组，组内硅芯之间串联成一个电相，并视为一个均匀柱状导体； 根据预设硅棒电阻率、硅棒密度，以及实时的电阻，计算硅棒的预估正向实时直径，公式为： ，为硅棒相数； 步骤S22、再根据得到的直径计算正向实时重量，公式为： 其中，为简记系数，表示第相硅棒的体积，表示第相硅棒的总长度，表示第相硅棒的电阻； 步骤S23、在数据集上基于评测指标评价重量预测效果，对于数据集的每一条数据，计算出炉时的重量； 其中，评测指标包括平均偏差、平均绝对误差、平均百分比绝对误差，以及决定系数； 评测指标的公式为： ； ； ； ； 式中，表示数据集大小，表示真实重量的均值，表示真实重量值； 根据计算得到的评测指标，若有一项大于或小于基准值，则基于机器学习方法计算重量所需参数； 步骤S24、根据真实出炉重量计算真实简记系数，公式为：； 其中，为硅棒相数，为第相硅棒的总长度，为第相硅棒的电阻； 步骤S25、传感器点位数据计算出炉时刻的特征数据； 其中，特征到分别为电流和电压的实时值、氢气和原料气的摩尔比的前序数据平均值、冷却水流量实时值、尾气温度实时值，以及硅芯总长度； 对所有炉次数据的启炉和出炉重量重复步骤S24和步骤S25并组合，得到特征，以及对应拟合目标，总计组数据，即个炉次的特征数据； 步骤S3、模型训练与初步预测：划分数据集，训练多元线性回归模型进行初步重量预测，并评估预测效果； 步骤S4、引入残差估计与深度学习模型：使用Transformer深度学习模型对多元线性回归模型预测残差进行估计； 步骤S5、残差修正与最终重量估计：结合启炉重量和运行时间，对预测重量进行残差修正和时间加权处理，得到最终的实时重量估计值。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人科大智能物联技术股份有限公司，其通讯地址为：230031 安徽省合肥市中国(安徽)自由贸易试验区合肥市高新区望江西路900号中安创谷科技园一期A1楼6、7层；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。