本发明涉及磁控溅射真空镀膜，具体为一种基于等离子体负载电流态势感知的快速精准控弧电流方法。
背景技术：
1、磁控溅射技术作为一种沉积镀膜方法，在工业生产及科学研究领域被广泛应用，如微电子、光学薄膜以及材料表面处理等。随着科学技术的不断发展，人们对所用材料的耐磨、耐腐蚀、耐高温、耐氧化等性能提出了更高的要求。溅射镀膜技术所制得的薄膜具有结合力强、膜层致密、均匀、无污染、低成本、高效等优点，在世界各国得到了越来越广泛的关注与研究。
2、先进的电弧管理系统是溅射工艺的基础和高溅射速率的保证。溅射过程中由于负载及环境存在大范围的不断变化，因而对电源的输出性能有很高的要求。电源装置的稳定性和可靠性能否适应以上变化而提供良好的溅射条件严重影响薄膜的质量。特别地，溅射过程中由于阴极上电荷的不断积累，不可避免地在靶材和阳极之间形成电弧，发生打弧现象。形成的电弧如果不能及时得到抑制，容易造成膜层缺陷，影响膜层均匀性，并在表面出现斑点针孔等，严重时将被迫生产中断甚至损坏电源。因此，为保证镀膜质量，电源要具有良好的“稳流”能力，快速精准控制弧电流并抑制扰动，从而保证溅射沉积过程稳定进行。
技术实现思路
1、(一)解决的技术问题
2、针对现有技术的不足，本发明提供了一种基于等离子体负载电流态势感知的快速精准控弧电流方法，解决了溅射沉积过程中负载电流扰动导致电弧产生的问题。
3、(二)技术方案
4、为实现上述的目的，本发明提供如下技术方案：一种基于等离子体负载电流态势感知的快速精准控弧电流方法，包括以下步骤：
5、步骤1：负载电流要素提取
6、在真空镀膜沉积运行环境中，面向负载运行状态信息采集，包括实时电流数据、电压数据、频率数据、腔体内压强、气体流量和环境温度等信息，以此信息构建时间序列，是实现电流态势感知的数据基础；
7、步骤2：负载电流态势理解
8、针对负载电流要素提取所提供的数据信息中隐含的相关性关系、数据特殊性进行深度挖掘，充分理解负载电流变化规律，是对提取信息的深度理解；
9、步骤3：负载电流态势预测
10、采用cnn-gru模型算法学习经态势理解后的数据高层特征，挖掘长时间序列前后关系，实现负载电流变化趋势预测；
11、步骤4：快速精准弧电流控制策略
12、将预测值融合传统比例积分控制形成具有前馈功能的复合控制，通过负载电流前馈实现对电流尖峰的抑制，防止电源进入保护状态，从而保证工艺过程负载电流恒定，提升沉积膜层质量。
13、优选的，所述步骤1中真空镀膜的开关电源安装传感器单元，以及与镀膜设备之间的数据通信模块，构建时刻t的电压u、电流i、频率f三种电信号时间序列，腔体内压强p、气体流量q和环境温度k等镀膜设备关键参数时间序列：
14、vt＝[v1,v2,…,vj,…]τ,j∈ν (1)
15、it＝[i1,i2,…,ij,…]τ,j∈ν (2)
16、ft＝[f1,f2,…,fj,…]τ,j∈ν (3)
17、pt＝[p1,p2,…,pj,…]τ,j∈ν (4)
18、qt＝[q1,q2,…,qj,…]τ,j∈ν (5)
19、kt＝[k1,k2,…,kj,…]τ,j∈ν (6)
20、由于传感电信号的采样时间与镀膜设备关键参数数据时间不同步，从而导致式(1)-式(6)的时间尺度不一致，为了避免上述情况发生，统一按照态势预测时间尺度对所采集的数据以一定间隔时间提取平均值作为参考值，以时间段电流i和压强p序列为例，计算方法如式(7)-式(8)所示：
21、
22、式(7)和式(8)中，ij1和pj1分别对应时间段tj-1+δt内的电流和压强，ijm和pjm分别对应时间段tj+δt～tj+mδt内的电流和压强，在此基础上求得j时刻的平均电流和压强，从而推出模型的电流和压强输入时间序列。
23、优选的，所述步骤2中需要对异常值进行处理，首先对于异常值的检出采用无监督学习方法，含有数据密度和聚类分析，即根据时序数据本身的特性以负载电流序列数据密度和负载电流序列数据间的距离对正常值和异常值做出辨别；其次对于异常采集值的处理，保证负载电流数据和外部因素数据在时序上的连续性，通过局部加权回归插补法对缺失值进行填补，而对于异常偏离值则是先去除后局部加权回归插补。
24、优选的，所述步骤2中要对负载电流数据和外部因素数据进行值标准化处理，计算如下所示：
25、
26、式中，qt'表示时刻t的值标准化数据，qt表示时刻t的原始数据，qmax和qmin分别表示各维度时序数据中的最大值和最小值。
27、优选的，所述步骤2中负载电流数据作为一种时序数据，首先需要分析其在时序上的相关性，以提供态势预测模型的输入时间步长获得最佳预测效果，即距离当前时刻多少秒内的历史数据作为输入，自相关系数c(l)可以度量在两个不同时间点的负载电流时序数据相关程度，c(l)的取值范围为[-1，1]，若c(l)>0，则两负载电流时序数据正相关，反之则负相关；|c(l)|越大，相关程度越高，计算方法如式(10)所示：
28、
29、式中，c(l)为自相关系数，l是滞后时间点，qt表示时刻t的负载电流值，qt+p表示时刻t+p的负载电流值，是整个负载电流序列均值，m为总时刻。
30、优选的，所述步骤2中负载电流变化可能与多种影响因素有关，为充分考虑其他变量因素的影响，采用最大信息系数(maximal information coefficient，mic)计算法，用于衡量两个不同变量之间的线性及非线性关联强度，通过给定两个具有离散值的随机变量，x＝{xi,i＝1,2,…,n}和y＝{yi,i＝1,2,…,n}，其中n是这些变量中元素的数量，互信息i(x,y)被定义为：
31、
32、对互信息进行标准化，求出最大信息系数如下：
33、
34、式中，p(x,y)为变量x和y之间的联合概率，a，b是在x，y轴方向上划分格子的数目，b(n)为划分网格数目上限值，mic取值区间为[0,1]，其值越大，负载电流与外部变量因素间的相关程度越高。
35、优选的，所述步骤3中cnn-gru混合模型将电流质量高层特征提取和电流质量时间序列预测两个任务解耦运行，实现电流扰动情况下的高效处理和准确预测，电流预测模型构建包括cnn层数、卷积核数目和大小、gru层数、gru隐含单元数目等参数的确定，首先设置初始化cnn-gru模型参数，在训练中先不变动gru模块的参数，通过枚举法分析cnn层数、卷积核数目和大小变动后的mae和rmse情况，确定预测误差最低的cnn模块参数；然后cnn模块参数不变动进行实验，计算gru层数和隐含单元数目变动后的mae和rmse，最后得到最优的cnn-gru模型结构参数。
36、优选的，所述步骤2中负载电流序列分别选择合适的误差评估指标和方差评估指标以衡量模型在预测准确度和鲁棒性两方面的表现，针对电流数据的数量级和变化特点采用平均绝对误差(mean absolute error，mae)和均方根误差(root mean square error，rmse)来评估模型的表现，能更好地体现模型的优劣，计算方法如式(13)、式(14)所示：
37、
38、式中，n是预测电流样本总数，为预测第i个时间点的电流实际值，为预测i个时间点的电流预测值。
39、优选的，所述步骤4中弧电流复合控制是将预测值融入传统的pi控制形成一种复合控制，控制器的输入输出关系如式(15)所示：
40、
41、式中，u(t)为t时刻控制器输出值，k为控制器增益，1/s为积分函数，ti为积分时间常数，iref为电流给定值，iact为电流实际值，ipre为电流预测值，α为预测值加权系数，该值在[0,1]区间。
42、(三)有益效果
43、与现有技术相比，本发明提供了一种基于等离子体负载电流态势感知的快速精准控弧电流方法，具备以下有益效果：
44、该基于等离子体负载电流态势感知的快速精准控弧电流方法，通过负载电流态势感知算法，精确预测负载电流变化趋势，从而提前对负载电流精准调控，达到尽早消灭电弧的目的，避免电源进入保护状态，保证镀膜工艺过程负载电流恒定，提升沉积膜层质量。
1.一种基于等离子体负载电流态势感知的快速精准控弧电流方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于等离子体负载电流态势感知的快速精准控弧电流方法，其特征在于：所述步骤1中真空镀膜的开关电源安装传感器单元，以及与镀膜设备之间的数据通信模块，构建时刻t的电压u、电流i、频率f三种电信号时间序列，腔体内压强p、气体流量q和环境温度k等镀膜设备关键参数时间序列：
3.根据权利要求1所述的一种基于等离子体负载电流态势感知的快速精准控弧电流方法，其特征在于：所述步骤2中需要对异常值进行处理，首先对于异常值的检出采用无监督学习方法，含有数据密度和聚类分析，即根据时序数据本身的特性以负载电流序列数据密度和负载电流序列数据间的距离对正常值和异常值做出辨别；其次对于异常采集值的处理，保证负载电流数据和外部因素数据在时序上的连续性，通过局部加权回归插补法对缺失值进行填补，而对于异常偏离值则是先去除后局部加权回归插补。
4.根据权利要求1所述的一种基于等离子体负载电流态势感知的快速精准控弧电流方法，其特征在于：所述步骤2中要对负载电流数据和外部因素数据进行值标准化处理，计算如下所示：
5.根据权利要求1所述的一种基于等离子体负载电流态势感知的快速精准控弧电流方法，其特征在于：所述步骤2中负载电流数据作为一种时序数据，首先需要分析其在时序上的相关性，以提供态势预测模型的输入时间步长获得最佳预测效果，即距离当前时刻多少秒内的历史数据作为输入，自相关系数c(l)可以度量在两个不同时间点的负载电流时序数据相关程度，c(l)的取值范围为[-1，1]，若c(l)>0，则两负载电流时序数据正相关，反之则负相关；|c(l)|越大，相关程度越高，计算方法如式(10)所示：
6.根据权利要求1所述的一种基于等离子体负载电流态势感知的快速精准控弧电流方法，其特征在于：所述步骤2中负载电流变化可能与多种影响因素有关，为充分考虑其他变量因素的影响，采用最大信息系数(maximal information coefficient，mic)计算法，用于衡量两个不同变量之间的线性及非线性关联强度，通过给定两个具有离散值的随机变量，x＝{xi,i＝1,2,…,n}和y＝{yi,i＝1,2,…,n}，其中n是这些变量中元素的数量，互信息i(x,y)被定义为：
7.根据权利要求1所述的一种基于等离子体负载电流态势感知的快速精准控弧电流方法，其特征在于：所述步骤3中cnn-gru混合模型将电流质量高层特征提取和电流质量时间序列预测两个任务解耦运行，实现电流扰动情况下的高效处理和准确预测，电流预测模型构建包括cnn层数、卷积核数目和大小、gru层数、gru隐含单元数目等参数的确定，首先设置初始化cnn-gru模型参数，在训练中先不变动gru模块的参数，通过枚举法分析cnn层数、卷积核数目和大小变动后的mae和rmse情况，确定预测误差最低的cnn模块参数；然后cnn模块参数不变动进行实验，计算gru层数和隐含单元数目变动后的mae和rmse，最后得到最优的cnn-gru模型结构参数。
8.根据权利要求1所述的一种基于等离子体负载电流态势感知的快速精准控弧电流方法，其特征在于：所述步骤2中负载电流序列分别选择合适的误差评估指标和方差评估指标以衡量模型在预测准确度和鲁棒性两方面的表现，针对电流数据的数量级和变化特点采用平均绝对误差(mean absolute error，mae)和均方根误差(root mean square error，rmse)来评估模型的表现，能更好地体现模型的优劣，计算方法如式(13)、式(14)所示：
9.根据权利要求1所述的一种基于等离子体负载电流态势感知的快速精准控弧电流方法，其特征在于：所述步骤4中弧电流复合控制是将预测值融入传统的pi控制形成一种复合控制，控制器的输入输出关系如式(15)所示：
