[发明专利]一种GaN衬底生长加热炉温度自整定方法及系统

权利要求书

1.一种GaN衬底生长加热炉温度自整定方法，其特征是：包括以下步骤：

构建神经网络，设置神经网络的转移函数、性能指标、学习率、α因子以及权值初始矩阵；

加热炉实际运行时，根据加热炉系统返回现场实际温度，确定神经网络的输入层节点；

当加热炉温度超出偏差允许范围时，利用神经网络调整PID控制器的控制参数，实现对加热炉温度的自适应整定。

2.如权利要求1所述的一种GaN衬底生长加热炉温度自整定方法，其特征是：构建3-5-3的神经网络结构，确定神经网络的输入和输出，神经网络输入层的节点为系统输入、系统输出和系统偏差；神经网络输出层的节点为PID控制器的控制参数。

3.如权利要求1所述的一种GaN衬底生长加热炉温度自整定方法，其特征是：神经网络的转移函数为sigmoid函数，神经网络隐含层的转移函数选取正负对称的sigmoid函数，神经网络输出层的转移函数选取非负的sigmoid函数。

4.如权利要求1所述的一种GaN衬底生长加热炉温度自整定方法，其特征是：选取现场加热炉的温度设定值与实际输出值的差值作为性能指标。

5.如权利要求1所述的一种GaN衬底生长加热炉温度自整定方法，其特征是：神经网络的初始权值矩阵选取[-1,1]间随机数值。

6.如权利要求1所述的一种GaN衬底生长加热炉温度自整定方法，其特征是：利用神经网络调整PID控制器的控制参数的具体过程包括：采用增量式PID控制算法，得到输入矩阵，输入分别为系统输入、系统输出和系统偏差，由输入层到隐含层的权值矩阵可得隐含层的输入矩阵。

7.如权利要求1所述的一种GaN衬底生长加热炉温度自整定方法，其特征是：利用神经网络调整PID控制器的控制参数的具体过程包括：由反向传播算法的调整原理，先进行隐含层至输出层的权值调整，再进行输入层至隐含层的权值调整，储存输出层本次调整后的权值，储存隐层本次调整后的权值，更新偏差，进行下一次的BP神经网络调整。

8.一种GaN衬底生长加热炉温度自整定系统，其特征是：包括：

神经网络构建模块，被配置为构建神经网络，设置神经网络的转移函数、性能指标、学习率、α因子以及权值初始矩阵；

采集模块，被配置为采集GaN衬底生长加热炉温度；

参数关联模块，被配置为在加热炉实际运行时，根据采集模块返回现场实际温度，确定神经网络的输入层节点；

自适应整定模块，被配置为当加热炉温度超出偏差允许范围时，利用神经网络调整PID控制器的控制参数；

PID控制器，被配置为基于控制参数，通过执行机构调整GaN衬底生长加热炉的温度。

9.一种计算机可读存储介质，其特征是：其上存储有计算机程序，该程序被处理器执行时实现如权利要求1-7中任一项所述的一种GaN衬底生长加热炉温度自整定方法中的步骤。

10.一种计算机设备，其特征是：包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如权利要求1-7中任一项所述的一种GaN衬底生长加热炉温度自整定方法中的步骤。