[发明专利]基于NARX网络的单晶硅等径阶段数据驱动建模方法

说明书

本发明公开了一种基于NARX网络的单晶硅等径阶段数据驱动建模方法，首先在直拉法制备单晶硅的过程中对晶体直径、加热器功率这两种数据进行数据采集，然后将采集到的晶体直径和加热器功率进行数据预处理；初始化NARX网络模型结构，设定模型阶数，输入输出数量，输入输出延时量及隐藏层神经元个数；利用麻雀优化算法对NARX网络模型的初始参数进行优化，得到满足单晶硅直径控制需求的单晶硅生长等径阶段晶体直径与加热器功率模型。本发明通过NARX神经网络建立了直拉法制备单晶硅等径阶段的晶体直径与加热器功率模型，解决了现有技术中存在的机理建模难度大，模型复杂导致控制算法计算量十分大，控制方案设计困难的问题。

技术领域

本发明属于直拉法硅单晶生长直径控制技术领域，具体涉及一种基于NARX网络的单晶硅等径阶段数据驱动建模方法。

背景技术

集成电路产业近年来已经成为我国一条重要的产业链，硅单晶材料制备在集成电路产业链中居于首要地位，随着半导体集成电路技术的不断发展，迫切要求半导体材料行业能够提供直径更大、质量更好的单晶硅片。而在等径阶段对晶体施加精确有效的控制一方面可以提高晶体的利用率，另一方面等径阶段晶体直径变化越小，晶体的位错缺陷就越少，晶体品质就越高。研究等径阶段的晶体生长模型一方面可以更深入的了解晶体生长机理，另一方面也是在为设计高效的控制方案提供理论依据。

目前单晶硅等径阶段直径控制常用的模型分为两类，一类是通过机理建模方法获得的集中参数模型，另一类是通过数据驱动建模获得的辨识模型。前一种模型是通过简化晶体生长过程中的一些物理条件，根据能量守恒定律、晶体生长理论、热传递及交换规律和相变理论等获得；后一种模型是依据真实的晶体生长过程中传感器获得的各种数据，通过线性辨识理论和智能辨识理论获得。对于机理模型，因为是从各种物理规律中获得的，因此具有较强的可解释性，是理解晶体生长内部机理和设计晶体生长控制器的基础，但是硅单晶生长过程是一个极为复杂的工业过程，如果按照机理建模的方法来建立模型那么模型将会十分复杂，针对模型设计的控制算法计算量也会十分大，而且在实际的晶体生长过程中还存在较大的不确定性，这就导致完全依据机理模型设计的控制方案达不到高质量的晶体生长要求。通过数据驱动建模获得的辨识模型因为输入输出特性与实际系统一致，可以有效处理生长过程中存在的不确定性得到了许多研究者的认可。

发明内容

本发明的目的是提供一种基于NARX网络的单晶硅等径阶段数据驱动建模方法，通过NARX神经网络建立了直拉法制备单晶硅等径阶段的晶体直径与加热器功率模型，解决了现有技术中存在的机理建模难度大，模型复杂导致控制算法计算量十分大，控制方案设计困难的问题。

本发明所采用的技术方案是，基于NARX网络的单晶硅等径阶段数据驱动建模方，具体按照以下步骤实施：

步骤1、在直拉法制备单晶硅的过程中对晶体直径、加热器功率这两种数据进行数据采集，然后将采集到的晶体直径和加热器功率进行数据预处理；

步骤2、初始化NARX网络模型结构，设定模型阶数，输入输出数量，输入输出延时量及隐藏层神经元个数；

步骤3、利用麻雀优化算法对步骤2中的NARX网络模型的初始参数进行优化，利用Levenberg-Marquardt算法对步骤2中的NARX网络模型进行训练；

步骤4、误差补偿，对步骤3中的NARX网络模型通过误差补偿使其精度进一步提高，得到满足单晶硅直径控制需求的单晶硅生长等径阶段晶体直径与加热器功率模型。

本发明的特点还在于，

步骤1具体按照以下步骤实施：

在直拉法制备单晶硅过程中采集到的晶体直径与加热器功率的数据序列中截取出晶体生长状态处于等径阶段的数据，然后对数据进行间隔采样，采样间隔2-5s，对截取出来的数据采用滑动平均滤波，首先对数据进行平滑处理，然后采用最大最小法进行归一化处理，公式如下所示：