基于混合集成建模的硅单晶直径自适应非线性预测控制

作     者：任俊超 刘丁 万银 REN Jun-Chao;LIU Ding;WAN Yin

作者机构：西安理工大学晶体生长设备及系统集成国家地方联合工程研究中心西安710048 陕西省复杂系统控制与智能信息处理重点实验室西安710048 

出 版 物：《自动化学报》 (Acta Automatica Sinica)

年 卷 期：2020年第46卷第5期

页      面：1004-1016页

核心收录：

学科分类：080903[工学-微电子学与固体电子学] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 080501[工学-材料物理与化学] 0805[工学-材料科学与工程（可授工学、理学学位）] 080502[工学-材料学] 0835[工学-软件工程] 0802[工学-机械工程] 080201[工学-机械制造及其自动化] 

基　　金：国家自然科学基金重点项目(61533014)资助 

主　　题：直拉硅单晶生长 直径控制 混合集成建模 模型辨识 自适应非线性预测控制 

摘      要：大尺寸、电子级直拉硅单晶生长过程中物理变化复杂、多场多相耦合、模型不确定且存在大滞后和非线性等特性,因此如何实现硅单晶直径控制是一个具有理论意义和实际价值的问题.本文结合工程实际提出一种基于混合集成建模的晶体直径自适应非线性预测控制方法.首先,为了准确辨识晶体直径模型,提出基于互相关函数的时滞优化估计方法和基于Lipschitz商准则与模型拟合优度的模型阶次辨识方法;其次,基于分而治之原理构建晶体直径混合集成模型.其中,采用小波包分解(Wavelet packet decomposition,WPD)方法将原始数据分解成若干个子序列,以减少其非平稳性和随机噪声.极限学习机(Extreme learning machine,ELM)和长短时记忆网络(Long-short-term memory networks,LSTM)分别建立近似(低频)子序列和细节(高频)子序列的预测模型,最终晶体直径预测输出由各子序列的预测结果汇总而成;然后,针对晶体直径混合集成模型失配问题以及目标函数难以求解问题,提出一种基于蚁狮优化(Ant lion optimizer,ALO)的自适应非线性预测控制策略.最后,基于工程实验数据仿真分析,验证了所提建模及控制方法的有效性.