一种基于公式化非平稳故障注入增强的半导体运动台温压数据故障诊断方法

本发明涉及半导体装备状态监测、数据增强与智能故障诊断，尤其涉及一种基于公式化非平稳故障注入增强的半导体运动台温压数据故障诊断方法。

背景技术：

1、半导体运动台是光刻、检测、封装和精密定位设备中的关键部件，其气浮供压系统、伺服反馈系统和热稳定系统共同决定运动定位精度、重复定位稳定性和设备长期可靠性。在实际运行过程中，供气压力衰减、短时断气、伺服环振荡、热漂移以及多源复合异常往往表现为缓慢漂移、间歇冲击、时变振荡、滞后响应和多源叠加等非平稳特征，而不是简单的固定阈值越界。

2、真实故障样本稀缺是该类设备故障诊断的主要困难。半导体设备价值高、运行环境受控，实际生产中难以主动制造故障采集大量标注样本；即使存在历史异常记录，往往也存在数量少、类别不均衡、故障阶段不完整等问题。传统阈值法、3σ 方法、ewma 和 cusum等方法实现简单，但难以区分正常慢漂移与早期故障演化；pca-spe、isolation forest 和one-class svm 等无监督方法能够建立异常边界，但通常只能输出异常分数，难以识别故障类型。

3、因此，需要一种在真实故障样本不足条件下仍可实施的诊断方法，使其能够以真实正常运行数据为基础，按照半导体运动台气浮、伺服和热稳定运行机理构造可解释的增强故障样本，并结合多尺度温压融合特征实现异常检测和故障类型识别。

技术实现思路

1、本发明的目的在于提供一种基于公式化非平稳故障注入增强的半导体运动台温压数据故障诊断方法。该方法面向半导体运动台运行过程中产生的温度、压力检测数据，在真实故障样本不足的条件，基于“真实正常数据—公式化故障注入—多尺度温压融合特征—集成树诊断输出”的流程构建诊断技术方案。该方法适用于对供压稳定性和热稳定性敏感的半导体装备运行数据分析场景。

2、本发明提供一种基于公式化非平稳故障注入增强的半导体运动台温压数据故障诊断方法，包括如下步骤：

3、s1、获取目标半导体运动台运行过程中产生的多路温度信号和多路压力信号，并从正常运行状态数据中构建真实正常温压基线数据；

4、s2、基于所述真实正常温压基线数据，采用公式化非平稳故障注入机制构造带标签的增强样本，所述公式化非平稳故障注入机制包括气源供压缓慢衰减、间歇断气冲击、伺服时变振荡、热气耦合漂移和复合非平稳故障中的至少一种；

5、s3、对同一故障机制设置至少两个不同强度等级，生成多强度增强样本，并将正常基线样本、新正常慢漂移样本和所述五类故障增强样本共同构成诊断样本集；所述新正常慢漂移样本由真实正常温压基线叠加不超过正常工况允许范围的低幅值缓慢漂移项生成，用于模拟无故障条件下的环境或工况缓慢变化；

6、s4、针对压力信号快响应和温度信号慢响应的差异，对所述诊断样本集进行多时间尺度滑动窗口划分，得到短窗口、中窗口和长窗口样本片段；

7、s5、从每个窗口样本片段中提取压力统计特征、压力差分冲击特征、温度统计和梯度特征、温度通道差异特征、温压相关特征以及温压滞后耦合特征，形成多尺度温压融合特征向量；其中，压力统计特征包括压力均值、标准差、峰峰值和斜率，压力差分冲击特征包括最大跌落和差分标准差，温度统计和梯度特征包括温度均值、标准差和斜率，温度通道差异特征包括温度通道最大差异，温压相关特征包括温压相关性和温压差分相关性；

8、s6、基于所述多尺度温压融合特征向量训练监督诊断模型，执行二分类异常检测和多分类故障类型识别；

9、s7、对待诊断半导体运动台温压数据按照步骤 s4 至 s6 进行处理，输出是否异常、故障类别、类别置信度和关键贡献特征。

10、本发明中，步骤 s2 中，定义相对时间比例，并采用平滑增强包络函数表示故障随时间由弱到强的演化过程：

11、

12、其中， 为当前时刻， 为故障开始演化时刻， 为故障达到稳定强度的时刻， 为相对时间比例，即归一化的时间变量， 为平滑增强包络函数；当 < 时故障强度为0，当 ≤≤ 时故障强度平滑增强，当 > 时故障达到稳定强度。

13、本发明中，步骤s2 中，气源供压缓慢衰减故障按照以下公式注入：

14、

15、

16、其中， 为第  路正常压力信号， 为第  路正常温度信号， 和 分别为注入后的压力和温度信号， 为供压衰减幅值， 为压力通道系数， 为温度轻微响应系数， 为温度滞后时间， 为平滑增强包络函数， 为考虑温度滞后后的增强包络函数。

17、本发明中，步骤s2 中，，间歇断气冲击故障按照以下公式注入：

18、

19、

20、其中， 为断气冲击次数，、 和  分别为第  次冲击的中心时刻、持续宽度和相对强度， 为由多个高斯脉冲叠加形成的断气冲击函数， 为归一化后的断气冲击函数， 为冲击幅值， 为压力通道系数， 为避免除零的小常数，为间歇断气冲击故障注入后的压力， 为第  路正常压力信号。

21、本发明中，步骤s2 中，伺服时变振荡故障按照以下公式注入：

22、

23、

24、其中， 和  分别为初始和末端振荡频率， 为振荡持续时间尺度， 为初始相位， 为频率随时间变化的相位函数， 为振荡幅值， 为压力通道振荡系数，为通道相位差， 为平滑增强包络函数， 为伺服时变振荡故障注入后的压力，为第  路正常压力信号。

25、本发明中，步骤s2 中，热气耦合漂移故障按照以下公式注入：

26、

27、

28、其中， 为压力慢漂移幅值， 为温度慢漂移幅值， 为压力跌落对温度滞后响应的耦合系数， 为压力通道系数， 为温度通道系数， 为温度滞后时间， 和 分别为热气耦合漂移故障注入后的压力和温度， 为第  路正常压力信号， 为第  路正常温度信号， 为滞后  后的第一路正常压力信号， 为滞后  后的第一路注入后压力信号。

29、本发明中，步骤s2 中，复合非平稳故障由供压衰减、间歇冲击、伺服振荡和温压耦合漂移中的至少两种机制叠加形成，其压力通道注入公式为：

30、

31、其中， 为复合非平稳故障注入后的压力， 为第  路正常压力信号，、 和  分别为衰减、冲击和振荡幅值， 和  分别为衰减项和振荡项的增强包络， 为归一化断气冲击函数， 为时变振荡相位函数，、 和  分别为衰减、冲击和振荡分量的压力通道系数， 为通道相位差，、 和  为复合故障中各故障分量的权重。

32、本发明中，步骤 s4 中，短窗口、中窗口和长窗口分别对应压力短时冲击、伺服中频振荡和温压慢漂移的不同响应时间尺度，且每个诊断样本的多尺度温压融合特征向量表示为：

33、

34、其中， 为第  个诊断样本的多尺度温压融合特征向量，、 和 分别表示在短窗口、中窗口和长窗口尺度下，以  为窗口端点提取的温压特征。

35、本发明中，步骤 s5 中，所述温压滞后耦合特征包括不同滞后量下的温压相关系数：

36、

37、其中， 为滞后量  下的温压滞后相关系数，  为窗口内压力序列的差分或去均值表示，为相对压力滞后  后的温度序列差分或去均值表示， 为相关系数计算函数， 为温度相对压力的滞后量。

38、本发明中，步骤s6中，利用基于真实正常基线样本、新正常慢漂移样本以及按照步骤s2采用公式化非平稳故障注入机制生成的故障增强样本构建的带标签训练集对监督诊断模型进行训练，并基于所述多尺度温压融合特征向量实现异常检测和故障类型识别；其诊断输出为：

39、

40、其中， 为故障类别输出， 为类别置信度， 为由监督诊断模型参数  确定的类别判别函数， 为监督诊断模型在参数  下输出的类别后验概率或置信度， 为第  个诊断样本的多尺度温压融合特征向量。

41、与现有技术相比，本发明具有如下有益效果：

42、基于真实正常温压数据和公式化故障注入函数构造增强样本，在真实故障样本不足时仍可形成带标签训练数据。

43、将气源供压衰减、间歇断气、伺服时变振荡、热气耦合漂移和复合非平稳故障分别写成可复现的数学注入模型，增强了样本构造过程的可解释性和可实施性。

44、通过短、中、长多尺度窗口同时表达压力快变量、温度慢变量和温压滞后耦合关系，能够覆盖短时冲击、中频振荡和慢漂移等不同故障演化形式。

45、在异常检测之外进一步输出故障类别和关键贡献特征，便于维护人员判断异常来源。

46、集成树诊断器可替换为随机森林、xgboost、梯度提升树等等效监督模型，便于工程部署。