回归分析与ANN在磁头质量预测中的比较研究

VIP免费
3.0 牛悦 2024-11-19 4 4 1.28MB 62 页 15积分
侵权投诉
摘 要
作为现代磁存储关键部件之一的计算机磁头，是集电磁学、精密制造、力学、
材料、物理、化学、机械、控制论及信息学等众多学科于一体的高新技术产品，
其发展直接推动着磁记录技术乃至计算机产业的发展。
近年来，对计算机磁头的研究，大多集中于磁头的飞行高度、稳定性、表面
精加工及新一代超高密度磁头的研制上，而对于如何根据磁头的内部结构参数，
预测或优化磁头的静态输出电压均值(MF Avg，静态性能合格率最低的参数)，提
高产品质量，降低生产成本的报道，国内外十分鲜见。
本文以某型号 GMR(巨磁阻)磁头的静态输出电压均值(MF avg)为研究对象，
先用多元线性回归分析，从众多参数中找到了对 MF Avg 影响显著的参数，并给出
了优化 MF Avg 的改进方向；然后运用人工神经网络中的 BP 与RBF 网络对非线
性函数的任意逼近能力，进一步提高预测精度。综合运用回归分析与人工神经网
络，取长补短，达到了十分满意的预测与控制效果。
论文的研究重点：首次将回归分析与人工神经网络引入计算机磁头的设计与
制造，用于拟合磁头的内部结构参数与 MF Avg 的关系，达到了令人满意的预测与
控制效果；提出了基于 Excel 的改进逐步回归分析方法，收敛速度明显优于传统
的逐步回归方法；运用多种方法优化回归模型(包括非显著因素及异常样本的剔
除)、BP 与RBF 网络的泛化能力(包括归一化公式、隐层节点数、传递函数等的确
定)，预测值与实测值十分接近，预测精度高于大部分同类型预测工作。
关键词：多元线性回归分析，BP，RBF，磁头，预测，优化
ABSTRACT
As one of key parts of modern storage, computer slider is a hightec-product
integrated with electromagnetism, precision manufacturing, mechanics, material,
physics, chemist, machining, cybernetics and informatics. Based on slider’s
improvement, magnetism recording and computer industry gain progress, too.
In recent years, researches on sliders mostly focused on flying height, stability,
appearance finishing and new type slider of super high density for storage. But how to
predict or optimize the sliders’ static out put(the lowest yield in all static parameters)
according to inner structure parameters, so that we can promote the quality level and
reduce the manufacturing cost, there are very few reports home or over seas.
In this paper, we considered one type GMR sliders’ static out put average(MF Avg)
as research object. Firstly, we used Multiple Linear Regression Analysis to give the
prominent elements out of so many inner parameters, and the optimization orientation,
too. Then, by using BP and RBF network of Artificial Neural Networks’(ANN) random
approaching for nonlinear function, we give a prediction with more high precision. By
the aid of regression and ANN, we can get perfect results for prediction and controlling.
During the research, we draw conclusions: For the first time, we put regression and
ANN into slider’s design and manufacturing and fit the relation between inner
parameters and MF Avg, so that we get perfect results of prediction and controlling; Put
up with new stepwise regression based on Excel, whose convergence is obviously faster
than the old one. Using many methods to optimize the generalization for BP and RBF
networks, the precision is better than most similar works at now. At the end of the paper,
we give out the deeper research orientation.
Key words: Multiple Linear Regression Analysis, BP, RBF, slider,
prediction, optimization
1
目 录
中文摘要
ABSTRACT
第一章 绪论
§1.1计算机磁头发展概述 …………………………………………………1
§1.2 回归分析概述 …………………………………………………………2
§1.3 人工神经网络研究简史 ………………………………………………5
§1.4 将预测引入磁头制造业的意义 ………………………………………9
§1.5 本文的研究内容 ………………………………………………………10
§1.5.1 研究内容 …………………………………………………………10
§1.5.2 实施方案 …………………………………………………………10
§1.5.3 主要关键技术 ……………………………………………………11
第二章 实验数据的获取 …………………………………………………………12
§2.1 静态性能实测数据抽样 ………………………………………………12
§2.2 磁头来料数据的获取 …………………………………………………12
§2.3 来料数据与实测值的配对 ……………………………………………13
第三章 回归分析及 MF Avg 预测模型的建立、优化及检验 ………………15
§3.1 回归分析的原理 ……………………………………………………15
§3.1.1 回归分析原理 …………………………………………………15
§3.1.2 变量的确定与逐步回归 ………………………………………17
§3.2 MF Avg 预测模型的建立 ……………………………………………19
§3.2.1 建模过程 ………………………………………………………19
§3.2.2 模型的优化 ……………………………………………………19
§3.3 MF Avg 回归模型的检验 ……………………………………………21
§3.3.1 回归分析的检验方法 …………………………………………21
§3.3.2 MF Avg 回归模型的显著性检验 ……………………………24
§3.4 MF Avg 回归模型的预测效果检验 …………………………24
§3.5 本章小结 …………………………………………………………25
第四章 BP 网络及 MF Avg 预测模型的建立、优化及检验 ………………26
§4.1 BP 网络原理及训练算法 …………………………………………26
§4.1.1 人工神经元模型 ……………………………………………26
§4.1.2 激活函数 …………………………………………………28
§4.1.3 网络结构及工作方式 ……………………………………29
2
§4.1.4 ANN 的学习方式 ……………………………………………31
§4.1.5 ANN 的学习算法 …………………………………………32
§4.1.6 反向传播学习算法 …………………………………………32
§4.1.7 BP 算法的步骤 ………………………………………………36
§4.2 MF Avg 预测模型的建立及优化 …………………………………37
§4.2.1 BP 网络的设计考虑 …………………………………………37
§4.2.2 MF Avg 预测模型的建立 ……………………………………38
§4.2.3 MF Avg 预测模型泛化能力的改进 …………………………40
§4.3 MF Avg 预测模型的效果检验 ……………………………………42
§4.4 本章小结 ……………………………………………………………43
第五章 RBF 网络及 MF Avg 预测模型的建立、优化及检验 ……………44
§5.1 RBF 网络原理及训练算法……………………………………………44
§5.1.1 原理 ……………………………………………………………45
§5.1.2 RBF 网络的结构 ………………………………………………45
§5.1.3 RBF 的映射关系 ……………………………………………46
§5.1.4 RBF 网络的学习 ……………………………………………47
§5.2 MF Avg 预测模型的建立及优化 ……………………………………49
§5.2.1 MF Avg 预测模型的建立 ……………………………………49
§5.2.2 MF Avg 预测模型泛化能力的改进 …………………………50
§5.3 MF Avg 模型的预测效果检验 ……………………………………52
§5.4 本章小结 ……………………………………………………………52
第六章 总结与展望 …………………………………………………………53
§6.1 主要研究结论 ………………………………………………………53
§6.2 论文创新之处 ………………………………………………………55
§6.3 进一步研究工作 ……………………………………………………55
参考文献 ………………………………………………………………………56
在读期间公开发表的论文和承担科研项目及取得的成果 …………………59
致谢 …………………………………………………………………………60
第一章 绪 论
1
第一章 绪 论
计算机磁头是集电磁学、精密制造、力学、材料、物理、化学、机械、控制
论及信息学等众多学科于一体的高新技术产品[1,2,3,4,5,6,7]，其发展直接推动着磁记录
技术乃至计算机产业的发展，而高密度，大容量的磁记录要求，又对磁头的小型
化，高精度，高稳定性提出了更高的要求。目前，在计算机磁头行业，美国、日
本一直占据着磁头设计与制造的高端市场。我国对磁头的研究起步较晚，加上决
策因素的影响，行业发展相对滞后，产业化程度不高。磁头制造中需要大量的劳
务人员，因此，国外众多知名公司纷纷来我国大陆设厂，以利用中国的廉价劳动
力来获得最大的利润。较有规模的有广东东莞的新科公司(日本 TDK 独资)、深圳
的日立等。总产量己在国际市场上占有不小的份额，但它们目前都没有设计与制
造磁头来料(WF，
Wafer)的能力。国内的一些科研单位如清华大学、华中科技大学、
华南理工大学等在磁头研制方面也取得了一定的成就，但离产业化显然还有差距。
目前对磁头的研究多针对磁头的飞行高度[8,9]控制，稳定性[10,11]控制，表面精加工
[12,13]及新一代超高密度[14,15,16]磁头的研制上，而对于现有磁头内部结构参数对磁头
静态输出电压均值 MF Avg (最重要的一项静态参数，其不合格品约占静态性能测
试次品总数的 70%)影响的研究，国内外尚鲜见报道。查阅与磁头静态性能参数预
测与优化的相关参考文献，国内外亦未见报道。
§1.1 计算机磁头发展概述
磁头是计算机对磁记录介质实现数据的写入与读出的两个关键部件之一(另
一个是磁盘)。磁记录的工作原理[17]：将要记录的信息首先变成电流信号，然后通
过磁头转变为记录磁场，用这个磁场去磁化贴近硬磁盘表面的磁性介质，并以介
质的剩磁形式将信息保存在硬磁盘片的介质表面，这个过程称为记录过程；当计
算机要求读出磁介质中的信息时，则将记录在硬磁盘片介质表面的剩磁通过磁头
转换为电信号，这个过程称为读出过程。在记录和读出信息时，硬磁盘片做高速
旋转，磁头则在磁盘半径方向做精密的步径低高度(数个纳米级)飞行运动。磁头组
件及硬磁盘片系统工作时的相互关系如图 1-1 所示。
最早的磁头是电磁感应式磁头，这些磁头是读写合一的，由于硬盘读与写操
作的不同，这种二合一磁头就必须要同时兼顾到读与写两种特性，对硬盘的设计
造成了不便。后来的硬盘开始采用 MR(Magneto Resistive Head)磁头这种分离式的
磁头结构：写入磁头仍采用感应磁头，而 MR 磁头则作为读取磁头。磁阻磁头的
回归分析与 ANN 在磁头质量预测中的比较研究
2
发展又经过了 MR、GMR(Giant Magneto Resistive)和TMR(Tunneling Magneto
Resistive)几个阶段。MR 磁阻式磁头技术的工作原理是基于磁阻效应来工作的，其
核心是一小片金属材料，其电阻随磁场强度的变化而变化。
图1-1 磁头与盘片系统示意图
现有的 MR 磁头能够达到的盘片密度为 3Gbit~5Gbit/平方英寸。GMR 磁头与
MR 磁头一样，是利用特殊材料的电阻值随磁场变化的原理来读取盘片上的数据，
但是 GMR 磁头使用了磁阻效应更好的材料和多层薄膜结构, 比 MR 磁头更为敏
感，相同的磁场变化能引起更大的电阻值变化。TMR 磁头技术是新一代磁头技术,
与最新开发的垂直磁性记录方式混用后,可以实现 100Gbit/平方英寸的存储密度，
与GMR 磁头不同的是, 这种磁头其电流是贯通构成磁头的多个层而传导的，通过
减小绝缘膜的厚度, 使电流贯通这些绝缘膜进行传导就称为隧道效应，采用这种
结构, 就能够得到比 GMR 磁头更高的 MR 效应。硬盘记录密度的提高, 今后可能
会大量采用 TMR 磁头[18]。
§1.2 回归分析概述
在客观世界中普遍存在着变量之间的关系。变量之间的关系一般来说可分为
确定性的与非确定性的两种。确定性关系是指变量之间的关系可以用函数关系来
表达。另一种非确定性的关系即所谓相关关系。例如人的身高与体重之间存在着
关系，一般来说，人高一些，体重要重一些，但同样高度的人，体重往往不同。
人的血压与年龄之间也存在着关系，但相同年龄的人的血压往往不相同。气象中
第一章 绪 论
3
的温度与湿度之间的关系也是这样。这是因为我们涉及的变量(如体重、血压、湿
度)是随机变量，上面所说的变量关系是非确定性的。以上生活中的几个例子有以
下的共同特点：人们关心的那个数量(因变量)受另一个或几个因素(自变量)的影响，
这种影响往往只是关联性的(而非因果性)，并且存在着众多随机因素，难以用机理
分析的方法找出它们之间的关系；人们需要建立这些变量之间的数学模型，使得
能够根据自变量的数值预测因变量的大小，或者解释因变量的变化。
通常解决这类问题的方法、步骤大致如下[19]：
1) 收集若干组(一般收集的数据组数应大于自变量个数)包含因变量和自变
量的数据；
2) 选定因变量与自变量之间的模型，即一个数学式子，利用数据按照最小二
乘原理计算模型中的系数；
3) 利用统计分析方法对不同的模型进行比较，分析找出与数据拟合得最好的
模型；
4) 判断得到的模型是否适合这组数据；
5) 利用模型对因变量做出预测或解释。
以上几点是数理统计中称为“回归分析”的主要内容。关于“回归”这个词
的由来，还有一个有趣的故事。英国著名遗传学家 Francis Golton(1822-1911)在研
究家庭成员的相似性时发现：虽然一般说来高个子的父代会有高个子的子代，但
是子代的身高比他们的父代更加趋向一致，即若父代身材高大，则他们的子代会
趋向矮一些，而若父代身材矮小，则他们的子代会趋向高一些。他把子代的身高
向平均值靠拢的趋势称为“向平庸的回归”。回归分析中的因变量与自变量成线
性关系时，称为线性回归分析；当影响因变量的自变量只有一个时，称为一元回
归分析；当影响因变量的自变量有两个或更多时，称为多元回归分析。
回归分析研究的主要对象是客观事物变量间的统计关系，它是建立在对客观
事物进行大量试验和观测的基础上，用来寻找隐藏在那些看上去是不确定的现象
中的统计规律性的统计方法。回归分析方法是通过建立统计模型研究变量间相互
关系的密切程度、结构状态、模型预测的一种有效的工具。
回归分析方法在生产实践中的广泛应用是它发展和完善的根本动力。如果从
19 世纪初(1809 年)高斯(Gauss)提出最小二乘法算起，回归分析的历史己有 200 年
了。从经典的回归分析方法到近代的回归分析方法，它们所研究的内容己非常丰
富。如果按研究的方法来划分，回归分析研究的范围大致如下[20]：
摘要：

摘要作为现代磁存储关键部件之一的计算机磁头，是集电磁学、精密制造、力学、材料、物理、化学、机械、控制论及信息学等众多学科于一体的高新技术产品，其发展直接推动着磁记录技术乃至计算机产业的发展。近年来，对计算机磁头的研究，大多集中于磁头的飞行高度、稳定性、表面精加工及新一代超高密度磁头的研制上，而对于如何根据磁头的内部结构参数，预测或优化磁头的静态输出电压均值(MFAvg，静态性能合格率最低的参数)，提高产品质量，降低生产成本的报道，国内外十分鲜见。本文以某型号GMR(巨磁阻)磁头的静态输出电压均值(MFavg)为研究对象，先用多元线性回归分析，从众多参数中找到了对MFAvg影响显著的参数，并给出...

展开>> 收起<<
回归分析与ANN在磁头质量预测中的比较研究.pdf

共62页,预览7页

还剩页未读， 继续阅读

相关推荐

更多
立即下载
作者：牛悦 分类：高等教育资料 价格：15积分 属性：62 页 大小：1.28MB 格式：PDF 时间：2024-11-19

开通VIP享超值会员特权

  • 多端同步记录
  • 高速下载文档
  • 免费文档工具
  • 分享文档赚钱
  • 每日登录抽奖
  • 优质衍生服务

作者详情

相关内容

更多

推荐作者

热门标签

/ 62
评分 收藏
分享
立即下载 VIP免费下载
客服
关注