阳极键合具有工艺简单、键合质量好等优点,在MEMS器件与集成电路等领域的封装工艺中被广泛应用。常规阳极键合工艺需要在高温条件下完成,造成因材料热膨胀系数不同产生的热应力匹配问题,影响键合高性能元器件的性能,因此300℃以下的低温阳极键合一直是近年来的研究热点之一。但由于低温阳极键合实验工艺参数存在维度高、离散性强等问题,很难获得完美的工艺优化结果。针对低温阳极键合的工艺建模与参数优化难点,本文将利用多模型组合方法进行低温阳极键合工艺建模,研究基于贝叶斯推理模型的多模型择优智能决策策略,并通过低温阳极键合工艺实验证明该方法的可行性,解决工艺实验的建模与参数优化问题。论文的主要内容如下:首先,针对低温阳极键合工艺过程,分析工艺参数特征,发现低温阳极键合工艺参数存在高维、概率分布范围广、耦合复杂等特征,工艺参数与优化目标之间呈现非线性关系,并且工艺样本量少,在对常规工艺建模方法进行适用性分析的基础上,优选适用于低温阳极键合工艺建模的反向传播神经网络、支持向量机及极限学习机三种模型,实验分析发现常规单一工艺建模方法在解决低温阳极键合工艺建模过程中的不足,实验验证了多模型组合建模能较好地解决不同工艺参数区间上的建模问题。然后,构建并验证面向低温阳极键合多模型组合工艺建模的智能决策策略。为了克服评价测度可能因测量误差、干扰饱和等对评价的影响,对4组评价标准进行参数化组合,构建了模型评价测度;结合低温阳极键合工艺样本集,基于贝叶斯多臂老虎机算法对评价标准参数进行训练,在此基础上分析了贝叶斯概率空间中多模型切换函数的方法,构建基于贝叶斯概率的智能决策算法,实验分析发现所建智能策略在低温阳极键合每一个测试序列样本点上具有较好的模型择优决策,验证了多模型自适应寻优的可行性。接着,基于低温阳极键合工艺参数特征,构建低温阳极键合工艺建模及参数智能优化系统平台,引入3组参数特征相同的非线性共识方程(万有引力方程、质能公式、米氏方程)对多模型参数进行训练;并利用非线性测试函数Ma F15对多模型进行验证,结果表明,在95%的置信区间内,多模型的预测误差都低于0.6,具有很高的预测精确度。智能决策的时间处于毫秒级别,平均决策时间为0.083ms,最短决策时间为0.012ms,达到秒决策的程度,证明了多模型的可靠性。最后,进行低温阳极键合工艺寻优与实验验证。设计低温阳极键合工艺实验,确定样本集采集方案,建立了基于正交实验的样本集,利用贝叶斯平均模型、高斯过程回归模型与多模型方法进行对比实验,实验结果表明多模型方法具有最优的可靠度,提升了工艺建模的稳定性。之后利用步长法得到最优工艺参数,并与实际实验进行验证,证明了多模型建模方法可行性。