功能材料
功能材料
공능재료
JOURNAL OF FUNCTIONAL MATERIALS
2013年
14期
2074-2078
,共5页
脉冲激光沉积%TiN/AlN硬质多层膜%支持向量回归%回归分析%工艺优化
脈遲激光沉積%TiN/AlN硬質多層膜%支持嚮量迴歸%迴歸分析%工藝優化
맥충격광침적%TiN/AlN경질다층막%지지향량회귀%회귀분석%공예우화
pulse laser deposition%TiN/AlN multilayer films%support vector regression%regression and analysis%process optimization
根据脉冲激光沉积(PLD)法在单晶Si试样表面沉积制备多层TiN/AlN硬质膜实验数据,应用基于粒子群算法(PSO)寻优的支持向量回归(SVR)方法,建立不同工艺参数下沉积的TiN/AlN多层膜的A1N膜厚及TiN薄膜硬度的SVR预测模型.在相同的训练与测试样本集下,将SVR所得的AlN膜厚预测值与免疫径向基函数(IRBF)神经网络的计算结果进行比较.结果表明,SVR模型训练和预测结果的平均绝对百分误差要比IRBFNN模型的小,其预测精度更高,预测效果更好.应用SVR的TiN薄膜硬度模型对PLD法沉积TiN薄膜的工艺参数进行了优化,分析了多因素对PLD法沉积TiN薄膜硬度的交互作用和影响.该方法可为人们利用PLD法沉积TiN/AlN多层功能薄膜提供科学的理论指导,具有重要的理论意义和实用价值.
根據脈遲激光沉積(PLD)法在單晶Si試樣錶麵沉積製備多層TiN/AlN硬質膜實驗數據,應用基于粒子群算法(PSO)尋優的支持嚮量迴歸(SVR)方法,建立不同工藝參數下沉積的TiN/AlN多層膜的A1N膜厚及TiN薄膜硬度的SVR預測模型.在相同的訓練與測試樣本集下,將SVR所得的AlN膜厚預測值與免疫徑嚮基函數(IRBF)神經網絡的計算結果進行比較.結果錶明,SVR模型訓練和預測結果的平均絕對百分誤差要比IRBFNN模型的小,其預測精度更高,預測效果更好.應用SVR的TiN薄膜硬度模型對PLD法沉積TiN薄膜的工藝參數進行瞭優化,分析瞭多因素對PLD法沉積TiN薄膜硬度的交互作用和影響.該方法可為人們利用PLD法沉積TiN/AlN多層功能薄膜提供科學的理論指導,具有重要的理論意義和實用價值.
근거맥충격광침적(PLD)법재단정Si시양표면침적제비다층TiN/AlN경질막실험수거,응용기우입자군산법(PSO)심우적지지향량회귀(SVR)방법,건립불동공예삼수하침적적TiN/AlN다층막적A1N막후급TiN박막경도적SVR예측모형.재상동적훈련여측시양본집하,장SVR소득적AlN막후예측치여면역경향기함수(IRBF)신경망락적계산결과진행비교.결과표명,SVR모형훈련화예측결과적평균절대백분오차요비IRBFNN모형적소,기예측정도경고,예측효과경호.응용SVR적TiN박막경도모형대PLD법침적TiN박막적공예삼수진행료우화,분석료다인소대PLD법침적TiN박막경도적교호작용화영향.해방법가위인문이용PLD법침적TiN/AlN다층공능박막제공과학적이론지도,구유중요적이론의의화실용개치.