来源：期刊VIP网 时间：
作者：程晓鼎;周耀鉴;张惠娟;康梦娇;周垚宇;
单位：中北大学软件学院;山西师范大学物理与信息工程学院;天津大学智能与计算学部;
摘要：在高精密电子器件喷墨打印制造过程中，墨滴状态的精确控制对器件的性能至关重要。然而，获取大量的墨滴状态数据费时费力，因此，本研究提出一种基于小样本数据的喷墨打印墨滴状态预测方法。首先采用单级梯形波驱动喷头，通过改变驱动电压幅值与持续时间产生不同状态的墨滴作为样本数据；然后对样本数据进行预处理后采用支持向量机(Support Vector Machine, SVM)、反向传播神经网络(Back Propagation Neural Network, BPNN)、决策树(Decision Tree, DT)、随机森林(Random Forest, RF)和极限梯度提升(Extreme Gradient Boosting, XGBoost)等五种方法对墨滴状态进行预测。实验结果表明XGBoost方法在小样本情况下具有较大优势，其平均绝对误差、均方根误差和平均绝对百分比误差分别为0.088、0.123和1.85%，均为五种方法中最优，可将其作为一种小样本数据的喷墨打印墨滴状态预测方法。
关键词：小样本;;印制电子;;墨滴状态;;极限梯度提升
基金资助：山西省基础研究计划自由探索类自然科学研究面上项目(No.20210302123032)
