买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜北京珂阳科技有限公司申请的专利基于数据融合的半导体设备故障预测与维护方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119398764B 。

龙图腾网通过国家知识产权局官网在2025-03-14发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510015788.1，技术领域涉及：G06Q10/20；该发明授权基于数据融合的半导体设备故障预测与维护方法及系统是由李树盛;叶思龙;许莹设计研发完成，并于2025-01-06向国家知识产权局提交的专利申请。

本基于数据融合的半导体设备故障预测与维护方法及系统在说明书摘要公布了：本发明提供一种基于数据融合的半导体设备故障预测与维护方法及系统，涉及半导体设备故障预测与维护技术领域，包括采集多源传感器数据，构建工艺‑应力‑材料多维状态模型，计算关键部件失效概率。当失效概率超过阈值，触发故障诊断流程，基于数字孪生模型进行故障模式识别，并结合历史数据预测故障发展趋势。最后，构建维护目标函数，利用自适应优化算法和维护决策规则库确定最优维护方案，并进行维护引导。本发明通过构建维护知识图谱，实现故障预测与维护能力的持续优化，提高了半导体设备的可靠性和生产效率。

本发明授权基于数据融合的半导体设备故障预测与维护方法及系统在权利要求书中公布了：1.一种基于数据融合的半导体设备故障预测与维护方法，其特征在于，包括：采集半导体设备的振动传感器数据、温度传感器数据、压力传感器数据和电流传感器数据，通过降维映射构建特征空间，在所述特征空间中建立工艺-应力-材料多维状态模型，基于所述工艺-应力-材料多维状态模型计算工艺参数漂移值、应力分布值和材料退化值，根据所述工艺参数漂移值、应力分布值和材料退化值建立设备状态映射关系，计算所述半导体设备关键部件的失效概率，当所述失效概率超过预设阈值时触发故障诊断流程；在触发故障诊断流程后，根据所述设备状态映射关系确定目标监测部位，采集所述目标监测部位的多维监测数据，对所述多维监测数据进行特征提取得到综合故障特征，将所述综合故障特征输入预训练的数字孪生模型进行故障模式识别得到故障诊断结果，基于所述故障诊断结果构建故障预测模型，输入历史故障演化数据训练所述故障预测模型得到故障发展趋势；根据所述故障诊断结果和所述故障发展趋势构建维护目标函数，利用自适应优化算法对所述维护目标函数进行多目标寻优得到最优解集，将所述最优解集输入预设的维护决策规则库进行综合评价，选择综合评价得分最高的解作为最优维护方案，将最优维护方案转化为操作指令进行维护引导，采集维护过程数据和维护前后的设备状态数据，根据所述维护过程数据和设备状态数据构建维护知识图谱，基于所述维护知识图谱更新故障预测模型和维护决策规则库，实现半导体设备故障预测与维护能力的持续优化；将所述综合故障特征输入预训练的数字孪生模型进行故障模式识别得到故障诊断结果包括：将实际设备的历史运行数据输入物理知识引导网络，所述物理知识引导网络包括物理约束层和数据驱动层，其中，物理约束层采用设备动力学方程构建损失函数，数据驱动层采用时序特征提取模块提取数据关联特征，将所述损失函数和所述数据关联特征输入数字孪生模型训练单元，得到预训练的数字孪生模型；将所述综合故障特征输入预训练的数字孪生模型，输出预测特征，同时采用改进的深度残差网络对实时监测数据进行特征提取，所述深度残差网络包含多个残差学习单元，所述残差学习单元采用深度可分离卷积提取局部特征，得到实时故障特征；将所述预测特征与实时故障特征进行自适应融合，通过交叉注意力机制计算两类特征的相关性权重，基于所述相关性权重进行特征融合，得到增强故障特征；构建工况感知模块，将工况信息输入工况编码器得到工况编码向量，基于所述工况编码向量生成动态卷积核参数，利用所述动态卷积核参数对所述增强故障特征进行自适应卷积运算，得到工况适应特征；将所述工况适应特征输入多任务学习网络，所述多任务学习网络包括故障分类分支和故障程度评估分支，所述故障分类分支输出故障类型概率分布，所述故障程度评估分支输出故障程度评分，得到初步诊断结果；采用贝叶斯神经网络对所述初步诊断结果的不确定性进行建模，通过多次随机采样获取预测分布，基于所述预测分布计算置信区间，将置信区间高于预设置信度阈值的诊断结果作为最终的故障诊断结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京珂阳科技有限公司，其通讯地址为：100176 北京市通州区经济技术开发区西环南路26号院30号楼(嘉捷科技园A座)6层-605；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。