[发明专利]一种多晶硅还原炉内硅棒生长速率预估模型

说明书

本发明公开了一种多晶硅还原炉内硅棒生长速率预估模型，包括数据采集及预处理模块，用于通过传感器采集与硅棒生长速率相关的数据，并对采集的数据进行数据清洗；数据集筛选模块，用于对数据采集模块经过数据采集、数据清洗后的数据集进行筛选，得到训练集和测试集；训练和评估模块，用于对梯度提升决策树模型进行训练，利用平均相对误差以及合格率对模型进行评估，待预测模块，用于输入待预测特征向量；预测结果模块，用于将所述的待预测特征向量输入到预测模型中，输出预测结果。本发明摒弃了传统的理论研究中复杂化学反应对生长速率的影响，不用考虑繁复的化学反应，实现了对多晶硅生长速率的预估，为提高生产效率，缩短生产周期提供指导。

技术领域

本发明涉及多晶硅生产工艺技术领域，具体涉及一种基于加权灰色关联改进GBDT回归算法的多晶硅还原炉内硅棒生长速率预估模型。

背景技术

多晶硅被广泛的应用于光伏，电子器件等设备中。随着石油等能源的日益枯竭，太阳能等清洁能源被广泛的关注，导致以多晶硅为主的原料需求日趋见长。目前生产多晶硅的工艺中，最流行的要属改良西门子法工艺，占全世界制硅总量的80％左右。我国主要的生产多晶硅的厂家也大都使用改良西门子法生产多晶硅。但同时该工艺也伴随着能耗损失大，生产周期长等缺点。

且就目前国内的24棒还原炉而言，硅棒完全生长到所需直径的时间大概需要120小时左右，生产周期过长限制了生产的产量，同时也伴随着电耗的增加。多晶硅的生产时间主要与硅棒的生长速率有关，但硅棒的生长速率也受制于各个工艺参数，并且参数之间耦合影响；同时还原炉内部涉及的主副化学反应有上十个，各化学反应之间相互影响,反应动力学复杂。从反应机理推测反应速率，目前主要从理论与仿真基础上对反应动力进行研究，针对现场实时性，可操作性不强。过快的生长速率可能导致硅棒的质量不能得到保证，容易出现“爆米花”，过慢的生长速率又限制了还原炉的产能，增加能耗；因此对多晶硅生长速率进行研究，在保证质量的前提下提高生长速率，对生长速率进行评估，提高生产效率，降低能耗有重大意义。

目前大多数企业对硅棒的生长主要是通过视镜或者检测装置进行观察炉内硅棒的生长情况，得到炉内的部分情况后再做出相应调整参数，存在滞后问题；并且对大多数硅棒生长速率理论研究针对现场可操作性不强，反应复杂，只能够在线下进行分析，不能够针对现场进行评估。

发明内容

针对多晶硅还原炉内硅棒生长速率受多参数耦合问题的影响，本发明建立多晶硅还原炉内硅棒生长速率的预估模型，得到工艺参数与生长速率之间的关系和变化规律；利用该预估模型对工艺参数进行选择，为提高生长速率，缩短生产周期，减少生产能耗提供指导依据。

为了实现上述任务，本发明采用以下技术方案：

一种多晶硅还原炉内硅棒生长速率预估模型，包括以下模块：

数据采集及预处理模块，用于通过传感器采集与硅棒生长速率相关的数据，构建数据集，并对采集的数据进行数据清洗；

数据集筛选模块，用于对数据采集模块经过数据采集、数据清洗后的数据集进行筛选，得到训练集和测试集；

训练和评估模块，用于对梯度提升决策树模型进行训练，利用平均相对误差以及合格率对模型进行评估，得到预测模型；具体包括：

(1)输入训练集，训练集中样本数为M；设置迭代次数T和损失函数L；所述的损失函数采用平方误差损失函数，其中y表示样本的真实值，y′(x)表示预测值；

(2)初始化弱学习器

寻找使损失函数最小化的常数值c：

上式中，f₀(X)为弱学习器，L(·)表示损失函数，y_i表示第i个样本的真实输出值；

(3)开始迭代，总共迭代T次