恒拉速工艺下硅单晶直径控制方法研究
发布时间：2022-09-30 18:40
集成电路和光伏产业的快速发展,对硅单晶的外形尺寸、微缺陷等重要指标提出了更高的要求,同时,对硅单晶生长控制提出了挑战。目前,直拉法（Cz法）是生长大尺寸、高品质硅单晶的主要方法。在Cz法晶体生长过程中晶体直径控制是一个重要的控制目标,传统的晶体生长控制结构中由于晶体提拉速度的频繁变化,极易造成晶体内部微缺陷生成,而恒拉速晶体生长工艺使实现生长完美硅单晶成为可能。因此,研究恒拉速工艺下晶体直径控制具有重要价值及实际意义。Cz法硅单晶生长是一个物理变化复杂、多场多相耦合、模型不确定且存在大滞后和非线性的动态时变过程,而基于大量假设的机理模型难以实际应用。为了建立稳定、可靠的晶体生长过程模型,本文基于数据和机理建立晶体生长过程的混合模型,包括数据驱动热场温度模型和提拉动力学模型。其中,基于VMD-LSTM-ELM非线性集成建模方法构建加热器功率与热场温度间的热场温度模型;提拉动力学模型则是根据晶体生长过程中弯月面处热场温度与晶体直径之间的数学关系所建立。基于上述建立的晶体生长过程混合模型,本文在恒拉速工艺下提出一种晶体直径数据驱动控制方法,即无模型自适应滑模预测控制（MFASMPC）,引入滑...
【文章页数】：69 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
1 绪论
1.1 研究背景及意义
1.2 直拉硅单晶生长简介
1.3 直拉硅单晶生长建模与控制研究现状
1.3.1 直拉硅单晶生长建模研究现状
1.3.2 直拉硅单晶生长控制研究现状
1.4 论文主要内容和章节安排
2 直拉硅单晶生长原理
2.1 晶体生长过程关键变量分析
2.1.1 加热器功率对晶体直径的影响
2.1.2 提拉速度对晶体直径的影响
2.2 恒拉速工艺与晶体品质
2.3 恒拉速生长控制策略
2.4 本章小结
3 基于VMD-LSTM-ELM的非线性集成建模方法
3.1 变分模态分解
3.2 长短期记忆网络
3.3 基于CGWO优化的ELM网络
3.3.1 极限学习机
3.3.2 灰狼优化算法
3.4 仿真测试
3.5 本章小结
4 等径阶段晶体直径混合建模过程
4.1 基于VMD-LSTM-ELM的热场温度模型
4.1.1 实验数据和模型评价
4.1.2 模型结构辨识
4.1.3 模型结构辨识结果
4.1.4 模型建立及预测性能
4.2 晶体直径混合模型
4.2.1 提拉动力学模型
4.2.2 晶体直径混合模型验证
4.3 本章小结
5 恒拉速工艺下硅单晶直径控制
5.1 无模型自适应滑模控制
5.1.1 无模型自适应控制
5.1.2 MFASMC控制方案
5.1.3 仿真实验
5.2 无模型自适应滑模预测控制
5.2.1 MFASMPC控制方案
5.2.2 仿真实验
5.2.3 多参数灵敏度分析
5.2.4 硅单晶直径控制仿真实验
5.3 双闭环硅单晶直径控制方案
5.3.1 双闭环硅单晶直径控制结构
5.3.2仿真实验
5.4 本章小结
6 总结与展望
6.1 工作总结
6.2 研究展望
致谢
参考文献
【参考文献】：
期刊论文
[1]自适应变分模态分解的齿轮箱故障诊断研究[J]. 李文耀,杨文刚. 机械传动. 2019(04)
[2]基于BP神经网络的油浸式变压器故障诊断建模仿真研究[J]. 李朕玥. 电气技术与经济. 2019(01)
[3]基于柯西变异的多策略协同进化粒子群算法[J]. 王永骥,苏婷婷,刘磊. 系统仿真学报. 2018(08)
[4]基于主成分分析和统计建模的数据预测[J]. 王丽,李阳,蓝尉,尹明航,刘丽雯. 工业控制计算机. 2018(07)
[5]多目标灰狼优化算法的改进策略研究[J]. 崔明朗,杜海文,魏政磊,李聪. 计算机工程与应用. 2018(05)
[6]直拉硅单晶生长过程建模与控制研究综述[J]. 刘丁,赵小国,赵跃. 控制理论与应用. 2017(01)
[7]基于残差方差的系统阶次和参数辨识算法[J]. 赵永历,仲恒,李定远. 工业控制计算机. 2014(04)
[8]模型预测控制——现状与挑战[J]. 席裕庚,李德伟,林姝. 自动化学报. 2013(03)
[9]基于自适应噪声抵消的CZ单晶炉炉膛温度信号处理[J]. 梁炎明,刘丁,赵跃. 控制理论与应用. 2011(01)
[10]时滞时变对象参数辨识方法[J]. 孙建平,闫永跃,于树新,李庆周. 电光与控制. 2008(01)
博士论文
[1]一类复杂工业环境中若干关键参量检测与处理方法研究[D]. 张新雨.西安理工大学 2016
[2]无模型学习自适应控制的若干问题研究及其应用[D]. 金尚泰.北京交通大学 2008
硕士论文
[1]基于极限学习机和卷积神经网络的工程机械识别研究[D]. 曹敏.杭州电子科技大学 2018
[2]硅单晶等径阶段直径模型辨识与控制研究[D]. 段伟锋.西安理工大学 2017
[3]水平超导磁场下CZ硅单晶固液界面氧分布数值模拟研究[D]. 任俊超.西安理工大学 2017
[4]高拉速低能耗Φ200mm直拉硅单晶用热场的设计与分析[D]. 王蕾.西安理工大学 2016
[5]无味卡尔曼滤波在直拉法单晶硅直径控制中的应用研究[D]. 乔朝晖.兰州大学 2015
[6]基于混合核函数的间歇过程统计建模和监测方法研究[D]. 黎雪.东北大学 2014
[7]直拉单晶炉热场模型参数辨识及模型预测控制[D]. 王可.兰州大学 2014
[8]基于模型预测控制的硅单晶体提拉效果仿真研究[D]. 张诚.东华大学 2014
[9]模型预测控制在复杂工业过程中的应用研究[D]. 王海龙.兰州大学 2013
[10]高温快速热处理对直拉硅单晶中杂质行为的影响[D]. 王彪.浙江大学 2011
本文编号：3684066
【文章页数】：69 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
1 绪论
1.1 研究背景及意义
1.2 直拉硅单晶生长简介
1.3 直拉硅单晶生长建模与控制研究现状
1.3.1 直拉硅单晶生长建模研究现状
1.3.2 直拉硅单晶生长控制研究现状
1.4 论文主要内容和章节安排
2 直拉硅单晶生长原理
2.1 晶体生长过程关键变量分析
2.1.1 加热器功率对晶体直径的影响
2.1.2 提拉速度对晶体直径的影响
2.2 恒拉速工艺与晶体品质
2.3 恒拉速生长控制策略
2.4 本章小结
3 基于VMD-LSTM-ELM的非线性集成建模方法
3.1 变分模态分解
3.2 长短期记忆网络
3.3 基于CGWO优化的ELM网络
3.3.1 极限学习机
3.3.2 灰狼优化算法
3.4 仿真测试
3.5 本章小结
4 等径阶段晶体直径混合建模过程
4.1 基于VMD-LSTM-ELM的热场温度模型
4.1.1 实验数据和模型评价
4.1.2 模型结构辨识
4.1.3 模型结构辨识结果
4.1.4 模型建立及预测性能
4.2 晶体直径混合模型
4.2.1 提拉动力学模型
4.2.2 晶体直径混合模型验证
4.3 本章小结
5 恒拉速工艺下硅单晶直径控制
5.1 无模型自适应滑模控制
5.1.1 无模型自适应控制
5.1.2 MFASMC控制方案
5.1.3 仿真实验
5.2 无模型自适应滑模预测控制
5.2.1 MFASMPC控制方案
5.2.2 仿真实验
5.2.3 多参数灵敏度分析
5.2.4 硅单晶直径控制仿真实验
5.3 双闭环硅单晶直径控制方案
5.3.1 双闭环硅单晶直径控制结构
5.3.2仿真实验
5.4 本章小结
6 总结与展望
6.1 工作总结
6.2 研究展望
致谢
参考文献
【参考文献】：
期刊论文
[1]自适应变分模态分解的齿轮箱故障诊断研究[J]. 李文耀,杨文刚. 机械传动. 2019(04)
[2]基于BP神经网络的油浸式变压器故障诊断建模仿真研究[J]. 李朕玥. 电气技术与经济. 2019(01)
[3]基于柯西变异的多策略协同进化粒子群算法[J]. 王永骥,苏婷婷,刘磊. 系统仿真学报. 2018(08)
[4]基于主成分分析和统计建模的数据预测[J]. 王丽,李阳,蓝尉,尹明航,刘丽雯. 工业控制计算机. 2018(07)
[5]多目标灰狼优化算法的改进策略研究[J]. 崔明朗,杜海文,魏政磊,李聪. 计算机工程与应用. 2018(05)
[6]直拉硅单晶生长过程建模与控制研究综述[J]. 刘丁,赵小国,赵跃. 控制理论与应用. 2017(01)
[7]基于残差方差的系统阶次和参数辨识算法[J]. 赵永历,仲恒,李定远. 工业控制计算机. 2014(04)
[8]模型预测控制——现状与挑战[J]. 席裕庚,李德伟,林姝. 自动化学报. 2013(03)
[9]基于自适应噪声抵消的CZ单晶炉炉膛温度信号处理[J]. 梁炎明,刘丁,赵跃. 控制理论与应用. 2011(01)
[10]时滞时变对象参数辨识方法[J]. 孙建平,闫永跃,于树新,李庆周. 电光与控制. 2008(01)
博士论文
[1]一类复杂工业环境中若干关键参量检测与处理方法研究[D]. 张新雨.西安理工大学 2016
[2]无模型学习自适应控制的若干问题研究及其应用[D]. 金尚泰.北京交通大学 2008
硕士论文
[1]基于极限学习机和卷积神经网络的工程机械识别研究[D]. 曹敏.杭州电子科技大学 2018
[2]硅单晶等径阶段直径模型辨识与控制研究[D]. 段伟锋.西安理工大学 2017
[3]水平超导磁场下CZ硅单晶固液界面氧分布数值模拟研究[D]. 任俊超.西安理工大学 2017
[4]高拉速低能耗Φ200mm直拉硅单晶用热场的设计与分析[D]. 王蕾.西安理工大学 2016
[5]无味卡尔曼滤波在直拉法单晶硅直径控制中的应用研究[D]. 乔朝晖.兰州大学 2015
[6]基于混合核函数的间歇过程统计建模和监测方法研究[D]. 黎雪.东北大学 2014
[7]直拉单晶炉热场模型参数辨识及模型预测控制[D]. 王可.兰州大学 2014
[8]基于模型预测控制的硅单晶体提拉效果仿真研究[D]. 张诚.东华大学 2014
[9]模型预测控制在复杂工业过程中的应用研究[D]. 王海龙.兰州大学 2013
[10]高温快速热处理对直拉硅单晶中杂质行为的影响[D]. 王彪.浙江大学 2011
本文编号：3684066
本文链接：https://www.wllwen.com/shoufeilunwen/xixikjs/3684066.html