[發明專利]形成電鑄構件的方法及相關系統

在審

• 申請號: 201911307779.0
• 申請日: 2019-12-18
• 公開（公告）號: CN111339581A
• 公開（公告）日: 2020-06-26
• 發明（設計）人: A.J.德托爾;P-H.郭
• 申請（專利權）人: 通用電氣公司
• 主分類號: G06F30/10
• 分類號: G06F30/10;C25D1/00;G06N20/00
• 代理公司: 中國專利代理(香港)有限公司 72001
• 代理人: 蔡宗鑫;陳浩然

1.一種使用包括陽極、陰極和包含金屬鹽的電解質的電鑄設備通過電鑄工藝形成構件的方法，所述方法包括：

接收成組訓練電鑄工藝參數；

基于所述成組訓練電鑄工藝參數的至少子集來訓練機器學習算法；

根據所訓練過的機器學習算法生成成組更新的操作電鑄參數；以及

基于所述成組更新的操作電鑄參數來操作所述電鑄設備，其中操作所述電鑄設備包括：

在所述電解質存在下在所述陽極和所述陰極之間施加電流，以及

在陰極表面上沉積多個金屬層以形成所述構件。

2.根據權利要求1所述的方法，其特征在于，所述成組訓練電鑄參數包括所述電鑄設備的初始的成組操作參數，以及在通過所述電鑄工藝形成的所述構件的整個表面上的初始厚度變化。

3.根據權利要求2所述的方法，其特征在于，通過將所述電鑄設備的所述初始的成組操作參數應用于計算電沉積模型來計算所述初始厚度變化。

4.根據權利要求2至權利要求3中任一項所述的方法，其特征在于，所述成組的初始操作參數包括以下項中的一個或多個：所述陽極的坐標、所述陽極的定向狀態、所述陰極的坐標、所述陰極的定向狀態、屏蔽件的坐標、屏蔽件的定向狀態、輔助電極的坐標、輔助電極的定向狀態、或所施加的電流的波形特性。

5.根據權利要求4所述的方法，其特征在于，所述成組更新的操作參數包括以下項中的一個或多個：所述陽極的更新坐標、所述陽極的更新定向狀態、所述陰極的更新坐標、所述陰極的更新定向狀態、所述屏蔽件的更新坐標、所述屏蔽件的更新定向狀態、所述輔助電極的更新坐標、所述輔助電極的更新定向狀態、或所施加電流的更新的波形特性。

6.根據權利要求5所述的方法，其特征在于，操作所述電鑄設備包括：基于所述陽極的所述更新坐標、所述陽極的所述更新定向狀態、所述陰極的所述更新坐標、所述陰極的所述更新定向狀態、所述屏蔽件的所述更新坐標、所述屏蔽件的所述更新定向狀態、所述輔助電極的所述更新坐標、或所述輔助電極的所述更新定向狀態中的一個或多個，使用機器人組件移動所述陰極、所述陽極、所述輔助電極或所述屏蔽件中的一個或多個。

7.根據權利要求5所述的方法，其特征在于，操作所述電鑄設備包括基于所施加的電流的所述更新的波形特性，使用可編程電源來改變所施加的電流。

8.根據權利要求1至權利要求3中任一項所述的方法，其特征在于，訓練所述機器學習算法包括將通過所述電鑄工藝形成的所述構件的整個表面上的厚度變化的均方根誤差(RMSE)保持在從大約1微米至大約200微米的范圍內。

9.根據權利要求1至權利要求3中的任一項所述的方法，其特征在于，訓練所述機器學習算法包括：

基于所述成組訓練電鑄工藝參數訓練所述機器學習算法；

基于成組測量的電鑄工藝參數來驗證所述機器學習算法；以及

將所驗證過的機器學習算法存儲為所訓練過的機器算法。

10.根據權利要求1至權利要求3中的任一項所述的方法，其特征在于，訓練所述機器學習算法包括：

基于所述成組訓練電鑄工藝參數的第一子集訓練所述機器學習算法；

基于所述成組訓練電鑄工藝參數的第二子集驗證所述機器學習算法；以及

將所驗證過的機器學習算法存儲為所訓練過的機器算法。