# 臺灣博碩士論文加值系統

(3.90.139.113) 您好！臺灣時間：2022/01/16 17:57

:::

### 詳目顯示

:

• 被引用:1
• 點閱:354
• 評分:
• 下載:0
• 書目收藏:0
 由於快速、消耗功率小，雷射加工機已被廣泛應用在光罩製作、IC打印（Marking）等方面。當應用在打印時，往往需要將一個圖案的陣列打在IC上，即使每個圖樣的誤差很小，由於數量龐大而產生相當大的誤差累積，所以誤差的校正非常重要。 誤差參數的調整必須先觀察加工的結果，找出誤差的形式，再調整相關的參數。但由於誤差的現象是由數個參數所造成，而且參數間會交互影響，所以非常難調整，而且當機台有所變動時，如：更換鏡頭、改變焦距時，均必須重新調整，所以需要相當長的時間和豐富的經驗，因此參數調整程序的自動化非常重要。 首先將以田口法的理論，建立直交配置表，分析各可控因子對各種加工誤差影響的程度，接著利用田口法所得的結果，選定數組實驗參數作為實驗數據，接著利用類神經網路，配合最佳化理論，以前述的實驗參數及所得的數據來訓練類神經網路，找出誤差參數及加工結果的數學模式，再求出此數學模式的反函數，就可利用加工結果及初始的參數設定找出加工誤差最小的參數值。
 Because of high speed and low power consumption, laser machine has been applied to manufacturing of mask and IC marking. We always need to mark an pattern array on a workpiece, even if the error of each pattern is small, the total error will be large because of large amount of patterns, so correction of error is very important. In order to adjust parameters, we should observe results of machining first, find the trend of error. But errors are related to several parameters, and the correlations between each errors are nonlinear, so it’s hard to adjust, further more, when alterations happen to the machine, we should readjust parameters, it takes a lot of time and depends on experiences of engineers, so it’s important to automate computation of parameters. First, we build orthogonal array on the basis of Taguchi Method, analyze the degree of influence of controllable factors to machining errors. Then use previous result to determine several parameters of experiment, and use these data as training sets of neural network, find the mathematical model between error parameters and machining results, and inverse function of this model, then we can use Parameters and results to find optimal parameters.
 目錄 摘要………………………………………………………………….….i Abstract……………………………………………….……………..….ii 目錄……………………………………………….………………...….iv 圖目錄……………………………………………….……………….…v 表目錄……………………………………………….…………………vii 第一章 緒論….………………………………………….……….……..1 1.1研究動機………………………………………………….…….1 1.2文獻回顧………………………………………………….…….3 1.3研究流程………………………………………………….…….5 第二章 田口法….………………………………………….…….……..7 2.1田口法簡介………………………………………….…….……7 2.2田口法原理………………………………………….…….……7 第三章 類神經網路………………………………………….…….….14 3.1類神經網路簡介………………………………….….…….….14 3.2類神經網路組成架構……………………...………..….….18 3.3倒傳遞網路………………………………….…………….….21 第四章 雷射加工機參數調整……………………....…………….….27 4.1雷射加工機參數介紹……………………..…….……...….27 4.2系統建模…………………….....…….………...….….29 4.3取得訓練及測試範例……………………………...……....32 4.4訓練類神經網路………………………………….……......40 4.5雷射加工機參數調整實驗……………………………..…….45 第五章 結論………………………………………………..…….…...53 參考文獻………………………………………………………….…...55
 參考文獻1. T. Hagan, “Neural Network Design”,PWS PUBLISHING COMPANY 1995.2. S. Haykin, “Neural Networks : A Comprehensive Foundation”, Prentice Hall, 1999.3. N.Sundararajan, “Parallel Architectures for Artificial Neural Networks”, IEEE Computer Society, 1998.4. C. Principe, “Neural and Adaptive Systems”, John Wiley & Sons, Inc., 1999.5. K. Hornik,“Multilayer Feedforward Networks are Universal Approximators”, Neural Networks,1989.6. F.Scradelli, A.H. Tsoi, “Universal Approximation Using Feedforward Neural Networks:A Survey of Some Existing Methods, and Some New Results”, Neural Networks, 1998.7. U.Bhattacharya, “Self-adaptive Learning Rates in Backpropagation Algorithm Improve Its Function Approximation Performance”,IEEE.8. Yo-Ping Huang, “Improving the Backpropagation Learning Speed with Adpative Neuro-Fuzzy Technique”, Proceeding of 1993 International Joint Conference on Neural Networks.9. A. Zaghw, “An Automated Approach for Selecting the Learning Rate and Momentum in Back-Propagation Networks”, IEEE 1994.10. M.Riedmiller, “A Director Adaptive Method for Faster Backpropagation Learning: The RPROP Algorithm”, IEEE 1993.11. M.E. Rimer, “Speed Training: Improving the Rate of Backpropagation Learning through Stochastic Sample Presentation”, IEEE 2001.12. J. Lee, “Improvement on Function Approximation Capability of Backpropagation Neural Networks”, IEEE13. L. Marquez, “Function Approximation Using Backpropagation and General Regression Neural Networks”, IEEE 1993.14. David S. Chen, “A Robust Back Propagation Learning Algorithm for Function Approxiamtion”, IEEE 1994.15. J. Bilmes, “Using PHIPAC to Speed Error Back-Propagation Learning”, IEEE 1997.16. U. Vollmer, “Experimental study on the precision requirements of RBF, RPROP, and BPTT training”, IEE 1999.17. D. Nguyen “Improving the Learning Speed of 2-Layer Neural Networks by Choosing Initial Values of the Adaptive Weights”18. Martin T. Hagan, “training Feedforward Networks with the Marquart Algorithm”, IEEE 1994.19. J.C. Patra, “Chebyschev Functional Link Artifitial Neural Netwoprks for Nonlinear Dynamic System Identification”, IEEE 2000.20. Y-H Pao, ”Functional Link Net Computing:Theory, System Architecture, and Functionalities”, IJCNN 1992.21. M. Klassen, “Characteristics of The Functional Link Net: A Higher Order Delta Rule Net”.22. J.C. Patra, “Identification of Nonlinear Dynamic Systems Using Functional Link Artifitial Neural Networks”, IEEE 199423. J. Wang, “On the Design Principles of the Functional Link Nets”, IEEE 1990.24. B. Igelnik, “Additional Perspectives on Feedforward Neural-Nets and the Functional-Link”,Proceeding of 1993 IJCNN.25. J.A. Macias, “Evolving and Assembling Functional Link Networks”, IEEE 2000.26. J. Sola, “ Importance of Input Data Normalization for the Application of Neural Networks to Complex Industrial Problems”, IEEE 1997.27. W.J. Kim, “Application of Neural Networks to Signal Prediction in Nuclear Power Plant”, IEEE 1993.28. S.Satoh, “Fast Fuzzy Neural Networks for Fault Diagnois of Rotational Machine Parts using General Parameter Learning and Adaption”, IEEE 2001.29. 姚文龍, “滾動式學習類神經網路之動態用電預測系統”.30. 黃條嵩, “建立SKD61模具鋼之切削力預測及車消參數最佳化模式之探討”.
 國圖紙本論文
 推文當script無法執行時可按︰推文 網路書籤當script無法執行時可按︰網路書籤 推薦當script無法執行時可按︰推薦 評分當script無法執行時可按︰評分 引用網址當script無法執行時可按︰引用網址 轉寄當script無法執行時可按︰轉寄

 1 雷射微孔軸加工的研究與應用 2 射出成型機最佳參數之預測 3 電子構裝熱音波銲線製程分析研究 4 工具機最佳加工參數的設定 5 以自迴歸式建模倒傳遞網路為基礎之即時用電需量預測研究 6 應用拓樸理論與基因演算法於電動代步車結構最佳化設計之研究 7 應用田口法與類神經網路於射出成型製程之建構與分析 8 脈衝電流應用於微電鑄最適化之研究 9 類神經網路結合田口法與灰關聯理論應用於擠製製程參數分析之研究 10 智慧型控制系統應用於射出成型產品品質控制 11 應用田口方法於類神經網路輸入參數設計-零售商快速回應系統模式之建立為例 12 電腦輔助織物表面柔軟度加工條件之研究 13 IC導線架橋帶剪切製程之剪切參數模型與沖頭磨耗分析研究 14 光耦合器產品品質之發展 15 運用柔性演算法求解最佳參數設計

 1 7.王宗雄，「增層法基板專利地圖分析」，工業材料，民國八十六年 2 6.謝葆如，「熱昇華彩色印表機用色帶之專利地圖分析」，工業材料，民國八十七年 3 5.邱正茂 苑承剛，「蝕刻網罩製造專利地圖分析」，工業材料，民國八十九年 4 鄭湧涇、黃璧祈（民81）。職前與在職生物教師的生物教材有關能力研究。師大學報，37，482-504。 5 鄭湧涇（民84）。中等學校生物教師教學能力之研究。師大學報，40，443-474。 6 樊琳（民90）。臺灣地區國中、小教師及職前教師對現代生物科技發展了解之調查研究。通識教育季刊，8（2），33-63。 7 樓永堅（民88）。問題次序的訪答效應之初探。調查研究，7，5-31。 8 吳正桓(民81)，態度形成方式對其結構的影響：情感、認知及其測量，中華心理學刊，34，41-55。 9 朱文深（民90）。生物技術與基因改造食品。環境檢驗，34，7-26。 10 王三郎（民89）。基因改造作物─淺談生物科技（1）。生物資源生物技術，2（2），13-17。 11 9.洪瑞章，「論功能手段語言申請專利範圍之解釋」，智慧財產權，民國八十九年 12 8.邵宇奇，「專利侵害鑑定之功能手段結果及非實質之改變」，智慧財產權，民國八十九年

 1 設計一種以IC封裝/測試業為主的自動化生產排程系統 2 應用人工智慧之機車造型自動化設計系統 3 飛秒雷射脈衝量測與形變之研究 4 嬰兒車骨架設計自動化模式研究 5 離心式微型機器人的運動模擬與控制 6 微振量測器之分析與應用 7 五軸同動CNC工具磨床之電腦輔助銑刀磨製系統 8 物料供應鏈電腦自動化模型之研究 9 線性致動器系統元件選取流程自動化研究 10 以晶片融合技術研發下發射型850nm面射型雷射 11 應用人工智慧於變電所自動化故障診斷 12 雷射直寫灰階光罩之製作 13 AZ91D鎂合金經應變導引熔漿活化法（SIMA）之顯微結構研究 14 薄壁鎂合金筆記型電腦上蓋之壓鑄模澆流道設計分析 15 腔內倍頻綠光雷射的回授控制與功率穩定性之研究

 簡易查詢 | 進階查詢 | 熱門排行 | 我的研究室