大尺寸、電子級直拉硅單晶生長過程中物理變化復(fù)雜、多場多相耦合、模型不確定且存在大滯后和非線性等特性,因此如何實現(xiàn)硅單晶直徑控制是一個具有理論意義和實際價值的問題.本文結(jié)合工程實際提出一種基于混合集成建模的晶體直徑自適應(yīng)非線性預(yù)測控制方法.首先,為了準確辨識晶體直徑模型,提出基于互相關(guān)函數(shù)的時滯優(yōu)化估計方法和基于Lipschitz商準則與模型擬合優(yōu)度的模型階次辨識方法;其次,基于"分而治之"原理構(gòu)建晶體直徑混合集成模型.其中,采用小波包分解（Wavelet packet decomposition, WPD）方法將原始數(shù)據(jù)分解成若干個子序列,以減少其非平穩(wěn)性和隨機噪聲.極限學(xué)習機（Extreme learning machine, ELM）和長短時記憶網(wǎng)絡(luò)（Long-short-term memory networks, LSTM）分別建立近似（低頻）子序列和細節(jié)（高頻）子序列的預(yù)測模型,最終晶體直徑預(yù)測輸出由各子序列的預(yù)測結(jié)果匯總而成;然后,針對晶體直徑混合集成模型失配問題以及目標函數(shù)難以求解問題,提出一種基于蟻獅優(yōu)化（Ant lion optimizer, ALO）的自適應(yīng)非線性預(yù)測... 

【文章頁數(shù)】：13 頁

【文章目錄】：
1 數(shù)據(jù)驅(qū)動晶體直徑預(yù)測建模
    1.1 晶體直徑預(yù)測模型結(jié)構(gòu)辨識
    1.2 基于WPD-ELM-LSTM的混合集成預(yù)測模型
2 晶體直徑自適應(yīng)非線性預(yù)測控制
    2.1 晶體直徑預(yù)測控制結(jié)構(gòu)
    2.2 模型參數(shù)自適應(yīng)更新
    2.3 實現(xiàn)步驟
3 工業(yè)數(shù)據(jù)實驗與分析
    3.1 模型建立
    3.2 預(yù)測性能
    3.3 控制測試
4 結(jié)論


【參考文獻】：
期刊論文
[1]基于多輸出最小二乘支持向量回歸建模的自適應(yīng)非線性預(yù)測控制及應(yīng)用[J]. 戴鵬,周平,梁延灼,柴天佑.  控制理論與應(yīng)用. 2019(01)
[2]基于數(shù)據(jù)驅(qū)動多輸出ARMAX建模的高爐十字測溫中心溫度在線估計[J]. 周平,劉記平.  自動化學(xué)報. 2018(03)
[3]直拉硅單晶生長過程建模與控制研究綜述[J]. 劉丁,趙小國,趙躍.  控制理論與應(yīng)用. 2017(01)
[4]基于多目標人工魚群算法的硅單晶直徑檢測圖像閾值分割方法[J]. 劉丁,張新雨,陳亞軍.  自動化學(xué)報. 2016(03)
[5]基于集合經(jīng)驗?zāi)B(tài)分解和改進極限學(xué)習機的短期風速組合預(yù)測研究[J]. 張翌暉,王賀,胡志堅,王凱,黃東山,寧文輝,張承學(xué).  電力系統(tǒng)保護與控制. 2014(10)
[6]模型預(yù)測控制——現(xiàn)狀與挑戰(zhàn)[J]. 席裕庚,李德偉,林姝.  自動化學(xué)報. 2013(03)



本文編號：3667522