文献

J-GLOBAL ID：202202278148601667   整理番号：22A0847847

ローラミル配向装置に適用した単結晶品質検出と評価アルゴリズム【JST・京大機械翻訳】

Single-Crystal Quality Detection and Evaluation Algorithms Applied to Roller Mill Orientation Instrument

著者 (3件)： Guan Shouping (College of Information Science and Engineering, Northeastern University, Shenyang, China) ,  Wang Wenqi (College of Information Science and Engineering, Northeastern University, Shenyang, China) ,  Guan Tianyi (College of Information Science and Engineering, Northeastern University, Shenyang, China)
資料名： IEEE Transactions on Instrumentation and Measurement  (IEEE Transactions on Instrumentation and Measurement)
巻： 71  ページ： ROMBUNNO.2501514.1-14  発行年： 2022年 
JST資料番号： C0232A  ISSN： 0018-9456  CODEN： IEIMAO  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ローラミル配向装置(RMOI)は,単結晶棒の加工と配向を統合する。この型の装置は,単結晶インゴットの研削と単結晶棒の配向の2つのプロセスの統合を実現する。この統合は,生産効率および配向の精度を高めた。しかし,この種のアプローチは2つの重要な制約がある。1)結晶棒の平面に対する品質検出アルゴリズムは存在しない。したがって,配向のための結晶面をランダムに見つけるのは,現在,切削後の平面の品質の保証がなく,そして2)結晶棒の全体的品質を決定する評価方法が不足していることを意味する。これは製造プロセスと結晶棒の品質に対する要求に影響し,さらに装置の普及と応用に影響する。ここでは,これらの制約を克服するために,まず,単結晶のロッキングカーブに基づく特徴抽出と教師つき分類を行うための深層学習1D畳込みニューラルネットワーク(1-D-CNN)アルゴリズムを提案した。浅い学習法サポートベクターマシン(SVM)とは対照的に,SVM特徴抽出は不十分であり,精度は低い。1-D-CNNの平均精度は92.00%であった。これは結晶面の成功した検出に対する品質要求を実現する。次に,各結晶面の得られた品質検出結果を用いて,改良Canopy(ICanopy)とK-平均アルゴリズムを組み合わせたハイブリッドアルゴリズムを提示して,それは従来のCanopy-K-平均アルゴリズムと比較して平均精度を10%改善し,k-最近傍(kNN)アルゴリズムをさらに利用した。最後に,ICanopy-K-means-kNNアルゴリズムを形成し,種々の状況の下で結晶棒の全体的品質評価を実現し,平均精度は3.33%→90%増加した。提案アルゴリズムの有効性を,実際のデータから得た結果の解析によって実証した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  *単結晶 ,  学習 ,  研削 ,  切削 ,  特徴抽出 ,  一次元 ,  ロッキングカーブ ,  *ロールミル ,  生産工程 ,  結晶面 ,  サポートベクトルマシン
準シソーラス用語： 品質評価 ,  深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： ローラミル ,  配向 ,  結晶品質 ,  評価 ,  アルゴリズム