一种面向泛半导体STK/LUL搬运机构运动部件的故障诊断数据处理方法和计算机设备与流程
本发明属于设备故障检测,具体地说,本发明涉及一种面向泛半导体stk/lul搬运机构运动部件的故障诊断数据处理方法和计算机设备。
背景技术:
1、在显示面板、泛半导体及其他高端制造产线中,stk(stocker)和lul(load/unload)等搬送设备承担玻璃基板、晶圆盒或载具的缓存、升降、移载和出入库动作。上述设备的整机结构复杂,但现场状态劣化通常首先表现为导轨-滑块运动副、轴承座、滚轮、同步带轮、升降轴或移载轴等运动部件的振动、声学和温度异常。
2、中国专利116394251a提供一种晶圆搬运机器人及其故障检测方法,以及一种半导体设备。晶圆搬运机器人包括垂直臂、水平臂、末端执行部、第一姿态传感器、第二姿态传感器及控制器,水平臂一端与垂直臂相连接,另一端与末端执行部相连接,第一姿态传感器设置于垂直臂上,第二姿态传感器设置于水平臂上,控制器与第一姿态传感器及第二姿态传感器相连接,以基于第一姿态传感器及第二姿态传感器监测到的晶圆搬运机器人的局部及整体振动频率分布、波形特性、幅值、温度和水平状态参数中的若干个,判断晶圆搬运机器人是否发生故障。
3、现有技术通过简单的振动、温度参数检测判断设备故障,对搬运机构运动部件的故障检测准确性低。
技术实现思路
1、本发明旨在提供一种面向泛半导体stk/lul搬运机构运动部件的故障诊断数据处理方法和计算机设备,以达到提高对搬运机构运动部件的故障检测准确性的技术目的。
2、为了实现上述目的,本发明采取的技术方案为:
3、本发明提供一种面向泛半导体stk/lul搬运机构运动部件的故障诊断数据处理方法,包括以下步骤:
4、步骤一:接收安装于搬运机构运动部件处的声振温一体传感器采集的传感器信号及对应工况元数据,以统一的物理时间窗提取信号片段;
5、步骤二:对各信号片段执行离散余弦变换得到频域系数序列,并对频域系数序列执行频域选择、能量归一化与长度一致化处理,生成查询频域表示及对应频带掩码;
6、步骤三:调取预构建的无故障正常参考库,按照工况相似度从参考库中检索正常参考片段,构造加权正常参考频谱,计算查询频域表示与加权正常参考频谱的频域残差,拼接查询频域、参考频谱、残差、频带掩码及工况信息,生成诊断证据张量;
7、步骤四:将诊断证据张量输入有监督分类网络进行特征编码,经多通道宽卷积与多尺度通道注意力编码后,得到隐藏特征;基于异常贡献度筛选高贡献局部特征,生成若干诊断证据令牌;
8、步骤五:通过特征对齐层将诊断证据令牌序列映射至大语言模型的词嵌入空间,大语言模型结合设备元数据、诊断证据令牌生成故障诊断结果、维护建议;引入机理一致性损失,约束大语言模型输出内容与分类网络证据、专家规则库保持一致;当大语言模型输出文本与分类网络证据、专家规则库判定冲突时,降低诊断可信等级并触发复核流程;
9、步骤六:输出结构化故障诊断结果与自然语言诊断报告。
10、步骤一中,传感器信号包括振动通道信号、声学通道信号和温度通道信号;工况元数据包括设备类型、设备编号、轴号、运动部件类型、传感器安装位置、采样率、搬运方向、轨道段或层位、运行速度、加速度、载荷状态、动作阶段、维护记录和采集时间。
11、步骤二中,长度一致化处理方法为:先根据故障相关频带的重要度对频域系数进行分段保留;再进行后续处理:当频域系数超过预设维度时,保留故障特征频段与高能量异常频段;当频域系数长度不足预设维度时,采用零填充并生成对应填充掩码。
12、步骤三中,无故障正常参考库存储历史正常信号片段、对应工况元数据、设备类型、轴号、运动部件类型、传感器安装位置、动作阶段、轨道段或层位、速度加速度状态、载荷状态、维护记录和正常状态统计特征;工况相似度通过离散工况匹配项、连续工况距离项、动作阶段匹配项和时间衰减项确定。
13、步骤三中,按照工况相似度从高到低选取多个正常参考片段,通过softmax函数加权生成加权正常参考频谱。
14、步骤三中,诊断证据张量由查询频域表示、加权正常参考频谱、频域残差、残差绝对值、频带掩码、参考片段相似度统计量和查询工况元编码向量拼接构成。
15、步骤四中,有监督分类网络包括依次连接的多通道宽卷积层、多尺度通道注意力块和诊断头;多通道宽卷积层采用不共享权重的卷积核,分别对查询频域表示、参考频谱、残差信号和频带掩码提取基础特征;多尺度通道注意力块对低频偏移、高频冲击、周期性峰值和宽带噪声的故障模式采用不同感受野的一维卷积结合通道注意力进行特征融合;诊断头输出故障类别、异常程度、部件位置、置信度以及异常频带索引,故障类别包括轴承磨损、导轨润滑不足、滑块或紧固件松动、滚轮偏磨、同步带轮异常、升降轴偏载、传感器安装松动和正常状态。
16、步骤四中,诊断证据令牌的生成方法为:通过证据选择函数选取异常贡献度最高的多个局部特征,经证据令牌生成层生成诊断证据令牌序列;每个诊断证据令牌包含连续特征向量与对应的可解释索引,可解释索引至少包括频带编号、运动部件类型、轴号或轨道段、动作阶段、传感器安装位置、参考增益、分类置信度和工况相似度。
17、步骤五还包括机理一致性冲突校验步骤:专家规则库存储stk/lul运动部件与特征频率、典型故障模式、可观测信号变化和处置动作的对应关系;当大语言模型生成的文本结论满足至少一种冲突判定条件时,降低诊断结果的可信等级,触发重新检索参考片段、调整证据令牌权重或输出复核提示;冲突判定条件包括:生成文本指向的故障部件与分类网络输出部件不一致;生成文本描述的异常频带与诊断证据令牌对应频带的重叠率低于预设频带重叠阈值;生成文本建议的处置动作不属于专家规则库中该故障类别对应的允许动作集合;生成文本给出的故障原因与残差能量主峰不匹配;分类置信度低于预设置信度阈值但生成文本输出高确定性结论。
18、本发明提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行程序时实现上述的方法。
19、本发明的技术效果为:
20、(1)本发明提高了多源信号机理导向的一致表征能力,针对泛半导体stk/lul搬送机构声振温多通道信号采样率不统一、响应频带差异大、直接重采样易丢失故障机理特征的问题,采用工况锚定自适应分片与离散余弦归一化频域处理相结合的技术手段;以统一物理时间窗为基准,按动作阶段提取可变采样点数的信号片段,使不同采样率的振动、声学、温度信号对齐至同一运行时间跨度,避免固定采样点数导致的工况错位;基于stk/lul运动部件故障机理设置频带优先级,对频域系数执行优先级保留、能量归一化与长度一致化处理;同时声学通道辅助校验摩擦、冲击与异响事件,温度通道辅助判别润滑不足与轴承发热,使多模态信号形成面向故障机理的统一可比表征,有效抑制设备批次、安装位置、轨道段差异带来的伪特征,提升后续分类模型的特征学习精度与诊断可靠性。
21、(2)本发明提高了分类网络与大语言模型深度协同的闭环诊断能力,通过有监督分类网络生成携带可解释索引的诊断证据令牌,将频域残差、相对参考增益、工况相似度、分类置信度、部件位置等结构化故障证据,以可训练的连续向量形式注入大语言模型语义空间,而非仅传递故障类别文本标签;联合训练阶段引入机理一致性损失,约束大语言模型输出的故障原因、异常频带、维护动作与分类网络证据、专家规则库保持机理一致;推理阶段设置部件一致性、频带重叠度、处置动作合规性、置信度匹配等多维度冲突判定规则,当大模型输出与分类结果、机理规则冲突时,自动触发参考片段重检索、证据令牌权重调整或人工复核提示,使大语言模型深度参与证据组织与机理校验,而非仅承担文本生成功能,二者协同产生优于单一模型的诊断准确性与可解释性。
22、(3)本发明提高了工况锚定的跨场景迁移与少样本适配能力,针对stk/lul设备动作阶段多、工况参数复杂、跨设备跨产线迁移故障样本不足的问题,构建覆盖全工况元数据的无故障参考库,设计融合离散工况匹配项、连续工况距离项与时间衰减项的基础工况相似度,并针对部件类型、动作阶段、轨道位置增设stk/lul场景增强权重,实现精细化工况匹配;采用softmax加权融合多近邻正常片段生成加权参考频谱,与查询频谱作差构造残差信号;通过残差信号剥离速度、载荷、位置等正常工况波动带来的频谱变化,使模型能够精准区分正常工况差异与部件劣化异常,在新产线部署、新设备投用或少样本故障场景下,无需大量标注故障样本即可实现有效诊断,显著降低跨设备、跨工况迁移的适配成本与数据依赖,提升方案的工程落地适配性。
23、(4)本发明具有全链路可追溯的证据化输出与运维闭环支撑能力,同时输出结构化诊断结果与可溯源自然语言报告,结构化结果覆盖设备编号、轴号、轨道层位、目标部件、动作阶段、故障类别、异常程度、置信度、异常频带、匹配参考片段、处置级别等全维度运维信息;每条自然语言诊断结论均关联至少一条诊断证据令牌或专家规则条目,运维人员可反向追溯结论对应的异常频段、参考样本、机理依据与置信水平,解决传统诊断结果依据缺失、难以复核的问题;结合专家规则库输出分级处置建议,明确停机检修、降载运行、定点复检、备件筹备等不同优先级的运维动作,支撑现场运维人员快速决策,有效提升stk/lul搬送设备运维的响应效率与决策科学性,降低非计划停机风险。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com