基于深度学习的CZ法硅单晶生长模型辨识与化料进程估计方法研究

发布时间：2020-11-12 04:39

　　 硅单晶作为半导体行业发展的主要原动力,已成为不可或缺的关键性材料,为生长出低缺陷的硅晶圆片,对现有生长工艺过程的研究具有重要意义,与此同时,深度学习在模型参数辨识以及图像处理方面的迅猛发展,也成为现阶段研究热点。本文主要研究了晶体生长工艺中的等径阶段以及化料阶段,提出了基于深度学习的等径阶段辨识模型以及化料阶段分类模型。在等径阶段模型辨识方面,选择在恒拉速生长策略下,结合深度学习在参数辨识中的应用,提出一种基于LSTM神经网络的直径模型辨识方法,包括辨识网络结构以及训练算法等,从而使模型具有保存过去和现在关键信息的能力。首首先利用等径阶段加热器功率和直径数据以及支持向量机算法确定模型输入输出阶次和滞后阶次,进而使用本文设计的LSTM网络结构辨识加热器功率-直径的非线性大滞后模型,最后使用三层BP神经网络模型以及支持向量机模型作为对比实验。仿真结果表明,利用支持向量机算法确定硅单晶等径阶段直径模型阶次和滞后均满足理论值,且本文提出的LSTM神经网络相比于其他方法获得了更高精度的直径模型。在化料阶段分类模型方面,针对传统方法通过人工观察为主,可能造成误判等一系列不利影响。本文通过深度学习方法与化料过程图像分类相结合,将卷积神经网络作为研究对象,使用化料过程采集的图像数据,通过使用AlexNet网络以及对其在卷积层个数、卷积核大小两方面的调整,经过多次实验最终确定了一种基于CNN的化料阶段分类模型。仿真结果表明,本文提出的化料阶段分类模型取得了更高的准确率。
【学位单位】：西安理工大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP181;O78;O613.72
【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景及意义
    1.2 CZ法硅单晶
        1.2.1 CZ法单晶炉结构
        1.2.2 CZ法硅单晶生长工艺
    1.3 CZ法硅单晶生长建模与化料进程研究现状
        1.3.1 生长过程建模研究现状
        1.3.2 化料进程研究现状
    1.4 本文主要研究内容和章节安排
2 CZ法硅单晶生长过程原理
    2.1 等径阶段原理分析
        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
        2.1.3 CZ法硅单晶恒拉速生长辨识策略
    2.2 化料阶段原理分析
        2.2.1 化料检测与问题分析
        2.2.2 化料阶段分类策略
    2.3 本章小结
3 基于LSTM的等径阶段辨识模型
    3.1 数据准备
        3.1.1 实验数据来源
        3.1.2 数据预处理
        3.1.3 仿真结果分析
    3.2 模型结构确定
        3.2.1 模型阶次确定
        3.2.2 模型滞后确定
        3.2.3 仿真结果分析
    3.3 基于LSTM的直径模型辨识
        3.3.1 循环神经网络（RNN）
        3.3.2 LSTM网络模型结构及优化算法
        3.3.3 LSTM辨识网络设计及辨识步骤
    3.4 仿真结果分析
        3.4.1 不同模型对比实验
        3.4.2 度量指标
        3.4.3 实验结果
    3.5 本章小结
4 基于CNN的化料阶段分类模型
    4.1 图像数据集
    4.2 卷积神经网络简介
        4.2.1 卷积神经网络结构
        4.2.2 卷积神经网络传播算法
    4.3 CNN分类模型的设计
    4.4 仿真结果分析
    4.5 本章小结
5 总结与展望
    5.1 工作总结
    5.2 研究展望
致谢
参考文献
攻读硕士期间主要研究成果

【相似文献】

相关期刊论文 前10条

1 李润泽;付家兴;;基于改进粒子群算法的热工模型辨识[J];锅炉制造;2017年01期

2 赵连惠;;实船航向运动模型辨识通过部级评审[J];船工科技;1987年04期

3 倪维斗,潘永泉;管式换热器模型辨识的自适应跟踪方法[J];发电设备;1988年02期

4 李朝安;电力系统周负荷模型辨识和预报[J];中国电机工程学报;1988年03期

5 王远赣;黄楠;郝麦海;;微型机数学模型辨识仪[J];机械与电子;1988年02期

6 胡康萍;袁震东;;径流过程的广义Hammersstein模型及其辨识[J];应用概率统计;1988年02期

7 邹宇鹏;吴宝贵;崔学政;孙少华;;基于硬件在环仿真的系统模型辨识平台设计[J];实验室研究与探索;2018年06期

8 王燕;刘洋;;基于遗传算法的发动机控制通道教学模型辨识[J];民营科技;2016年02期

9 要会娟;浮洁;张丽香;;基于神经网络的磁流变阻尼器逆向模型辨识研究[J];计算机仿真;2015年12期

10 王洁云;;状态空间模型的辅助模型辨识方法[J];智能机器人;2016年06期

相关博士学位论文 前10条

1 李赛;基于多模型的状态估计及其组合方法的故障预报研究[D];华中科技大学;2018年

2 贺尚红;连续动力学系统参数模型辨识及工业试验[D];中南大学;2003年

3 孙冬梅;动态压力测量系统非线性模型辨识[D];南京理工大学;2004年

4 刘知贵;双线性工业过程的稳态模型辨识[D];西南交通大学;2005年

5 高大远;非线性系统自组织多模型建模与控制方法[D];国防科学技术大学;2006年

6 杨剑锋;基于组合模型的非线性预测控制算法及其应用研究[D];浙江大学;2007年

7 李卫;基于核方法的模糊模型辨识研究[D];上海交通大学;2008年

8 李全善;基于数据的乙烯装置过程模型辨识、控制与优化的研究及应用[D];北京化工大学;2014年

9 赵小鹏;复杂工业过程的多模型辨识及控制应用研究[D];华北电力大学(北京);2017年

10 袁明;车辆侧向动力学模型辨识方法的研究与应用[D];上海交通大学;2009年

相关硕士学位论文 前10条

1 唐秦伟;基于深度学习的CZ法硅单晶生长模型辨识与化料进程估计方法研究[D];西安理工大学;2019年

2 吴征飞;数据相容性检测、重构与飞行动力学模型辨识研究[D];南京航空航天大学;2018年

3 郭俊霖;大型风机非线性动态模型建立及其应用研究[D];华北电力大学(北京);2018年

4 宋士豹;多变量时间序列模型辨识方法研究[D];天津理工大学;2018年

5 景雪婷;直拉单晶温度场中一维受控模型辨识及其模态控制[D];兰州大学;2018年

6 刘鲲鹏;基于离散采样数据的连续模型辨识[D];中国科学技术大学;2015年

7 付家兴;基于智能优化算法的热工大惯性对象模型辨识研究[D];上海电力学院;2017年

8 赵晓峰;遗传算法在模糊模型辨识中的应用[D];厦门大学;2001年

9 王志远;基于遗传算法的非线性模型辨识[D];华北电力大学（河北）;2006年

10 贾昊;基于在线模型辨识的预测控制策略研究[D];华北电力大学;2016年

本文编号：2880259