[发明专利]形成电铸构件的方法及相关系统

权利要求书

1.一种使用包括阳极、阴极和包含金属盐的电解质的电铸设备通过电铸工艺形成构件的方法，所述方法包括：

接收成组训练电铸工艺参数；

基于所述成组训练电铸工艺参数的至少子集来训练机器学习算法；

根据所训练过的机器学习算法生成成组更新的操作电铸参数；以及

基于所述成组更新的操作电铸参数来操作所述电铸设备，其中操作所述电铸设备包括：

在所述电解质存在下在所述阳极和所述阴极之间施加电流，以及

在阴极表面上沉积多个金属层以形成所述构件。

2.根据权利要求1所述的方法，其特征在于，所述成组训练电铸参数包括所述电铸设备的初始的成组操作参数，以及在通过所述电铸工艺形成的所述构件的整个表面上的初始厚度变化。

3.根据权利要求2所述的方法，其特征在于，通过将所述电铸设备的所述初始的成组操作参数应用于计算电沉积模型来计算所述初始厚度变化。

4.根据权利要求2至权利要求3中任一项所述的方法，其特征在于，所述成组的初始操作参数包括以下项中的一个或多个：所述阳极的坐标、所述阳极的定向状态、所述阴极的坐标、所述阴极的定向状态、屏蔽件的坐标、屏蔽件的定向状态、辅助电极的坐标、辅助电极的定向状态、或所施加的电流的波形特性。

5.根据权利要求4所述的方法，其特征在于，所述成组更新的操作参数包括以下项中的一个或多个：所述阳极的更新坐标、所述阳极的更新定向状态、所述阴极的更新坐标、所述阴极的更新定向状态、所述屏蔽件的更新坐标、所述屏蔽件的更新定向状态、所述辅助电极的更新坐标、所述辅助电极的更新定向状态、或所施加电流的更新的波形特性。

6.根据权利要求5所述的方法，其特征在于，操作所述电铸设备包括：基于所述阳极的所述更新坐标、所述阳极的所述更新定向状态、所述阴极的所述更新坐标、所述阴极的所述更新定向状态、所述屏蔽件的所述更新坐标、所述屏蔽件的所述更新定向状态、所述辅助电极的所述更新坐标、或所述辅助电极的所述更新定向状态中的一个或多个，使用机器人组件移动所述阴极、所述阳极、所述辅助电极或所述屏蔽件中的一个或多个。

7.根据权利要求5所述的方法，其特征在于，操作所述电铸设备包括基于所施加的电流的所述更新的波形特性，使用可编程电源来改变所施加的电流。

8.根据权利要求1至权利要求3中任一项所述的方法，其特征在于，训练所述机器学习算法包括将通过所述电铸工艺形成的所述构件的整个表面上的厚度变化的均方根误差(RMSE)保持在从大约1微米至大约200微米的范围内。

9.根据权利要求1至权利要求3中的任一项所述的方法，其特征在于，训练所述机器学习算法包括：

基于所述成组训练电铸工艺参数训练所述机器学习算法；

基于成组测量的电铸工艺参数来验证所述机器学习算法；以及

将所验证过的机器学习算法存储为所训练过的机器算法。

10.根据权利要求1至权利要求3中的任一项所述的方法，其特征在于，训练所述机器学习算法包括：

基于所述成组训练电铸工艺参数的第一子集训练所述机器学习算法；

基于所述成组训练电铸工艺参数的第二子集验证所述机器学习算法；以及

将所验证过的机器学习算法存储为所训练过的机器算法。