清洗机液位控制方法与系统技术方案

本发明专利技术提供一种清洗机液位控制方法与系统，方法包括：将制绒后多个的单晶硅晶圆依次移至各个槽内进行清洗；控制各个槽内部的加热器对清洗溶液加热所达到的清洗温度处于被加热阈值范围内并控制各个清洗槽的清洗时间，清洗槽内清洗后控制被清洗的多个单晶硅晶圆移至相应的QDR槽内并开启相应的QDR槽；在每个QDR槽内对多个单晶硅晶圆进行快排冲洗，以保证进入下一个清洗槽前清除干净残留的清洗液。本发明专利技术能够实时掌握各个清洗槽内部的清洗温度并控制槽内加热器使槽内的清洗溶液处于被加热阈值范围内，进而控制各个清洗槽和相应的QDR槽内的实时自动进水、排水，以使各个清洗槽内在最优槽内实时温度实现自动化进排水的高效清洗。效清洗。效清洗。

【技术实现步骤摘要】
清洗机液位控制方法与系统


[0001]本专利技术属于单晶硅晶圆清洗
，具体涉及清洗机液位控制方法与系统。

技术介绍

[0002]单晶硅晶圆的清洗作为制作光伏电池和集成电路的基础，非常重要，清洗的效果直接影响到光伏电池和集成电路最终的性能、效率和稳定性。单晶硅晶圆是从硅棒上切割下来的，单晶硅晶圆表面的多层晶格处于被破坏的状态，布满了不饱和的悬挂键，悬挂键的活性较高，十分容易吸附外界的杂质粒子，导致硅片表面被污染且性能变差。其中颗粒杂质会导致硅片的介电强度降低，金属离子会增大光伏电池P
‑
N结的反向漏电流和降低少子的寿命，有机化合物使氧化层的质量劣化、H2O 会加剧硅表面的腐蚀。清洗单晶硅晶圆不仅要除去硅片表面的杂质而且要使硅片表面钝化，从而减小硅片表面的吸附能力。高规格的硅晶片对表面的洁净度要求非常严格，理论上不允许存在任何颗粒、金属离子、有机粘附、水汽或氧化层。
[0003]申请号为202110976594.X的中国专利申请文件公开了一种晶片的清洗方法，该专利公开的方法：将晶片依次进行DIW清洗、SPM清洗、HQDR清洗、QDR1清洗、QDR2清洗、高浓度SC1清洗、QDR3清洗、DHF清洗、QDR4清洗、低等浓度SC1清洗、QDR5清洗、SC2清洗和QDR6清洗；并限定了其中若干个清洗槽内的清洗时间和流量，若干个清洗槽内的清洗时间和温度，明确了每个清洗槽内的清洗溶液的组成成分和配比，但是由于在每个清洗槽内清洗单单限定其清洗时间、流量和温度中的某两种参数，并不能够精确掌握每个槽内在其清洗时间的实时温度控制，以确保在清洗时间范围内能够时刻以最优的温度对该槽内的水温进行控制，同时进水管的流速和水温以及出水管的流速和水温也对每个清洗槽的实时热交换量产生了影响，也影响了该槽内的实时液位，进而实时液位也影响到了槽内的实时温度控制，仅仅通过PLC系统控制槽内的清洗时间、流量和温度中的某两种参数并不能精确掌握各个槽内的自动进水、排水进而掌握槽内的清洗水温的控制，因此，急需一种能够精确控制各个槽内部的清洗温度处于被加热阈值范围内并控制各个清洗槽的清洗时间，进而实现控制各个清洗槽和相应的QDR槽内的自动排水和进水，从而完成整个制绒后的多个单晶硅晶圆全部清洗的清洗机液位控制方法与系统。

技术实现思路

[0004]本专利技术针对上述缺陷，提供一种清洗机液位控制方法与系统。本专利技术能够在每个清洗槽进入到相应的QDR槽清洗之前，实时掌握各个清洗槽内部的清洗温度并控制槽内加热器使槽内的清洗溶液处于被加热阈值范围内，进而控制各个清洗槽和相应的QDR槽内的实时自动进水、排水，以使各个清洗槽内在最优槽内实时温度实现自动化进排水的高效清洗。
[0005]本专利技术提供如下技术方案：清洗机液位控制方法，所述方法适用于采用RCA清洗方法清洗制绒后的多个单晶硅晶圆，其特征在于，清洗多个单晶硅晶圆的清洗机包括SPM清洗
槽、第一QDR槽、第一DHF清洗槽、第二QDR槽、APM清洗槽、第三QDR槽、第二DHF清洗槽、第四QDR槽、HPM清洗槽、第五QDR槽、第三DHF清洗槽和第六QDR槽；所述方法包括以下步骤：S1：将制绒后多个的单晶硅晶圆依次移至各个槽内进行清洗；S2：控制各个槽内部的加热器对清洗溶液加热所达到的清洗温度处于被加热阈值范围内并控制各个清洗槽的清洗时间，根据相应的清洗时间停止所在清洗槽内的清洗，控制被清洗的多个单晶硅晶圆移至相应的QDR槽内并开启相应的QDR槽；S3：在每个QDR槽内对多个单晶硅晶圆进行快排冲洗，以保证每个清洗槽清洗后进入下一个清洗槽前清除干净残留的清洗液。
[0006]进一步地，所述S2步骤中控制每个清洗槽内的清洗温度处于被加热阈值范围内的方法，包括以下步骤：S21：实时监测第i个被监测的清洗槽内的进水管温度、进水管流速、出水管温度、出水管流速和实时液位；其中，i为第i个被监测的清洗槽；S22：构建清洗时间范围内的第i个被监测的清洗槽的热平衡条件下的最优槽内温度计算模型：；；；；；其中，为第i个被监测的清洗槽内的实时热交换量，为第i个被监测的清洗槽内的实时温度，为第i个被监测的清洗槽的总传热系数，为第i个被监测的清洗槽内清洗溶液的密度，为第i个被监测的清洗槽内的清洗溶液的比热容；为第i个被监测的清洗槽内出水与进水的流速差，；为第i个被监测的清洗槽内被清洗的多个单晶硅晶圆与清洗槽内溶液的热交换面积；为第i个被监测的清洗槽内被清洗的多个单晶硅晶圆与清洗槽内溶液的热交换体积；i=1,2,3,4,5,6；为第i个被监测的清洗槽内被加热阈值范围的最高加热阈值，为第i个被监测的清洗槽内被加热阈值范围的最低加热阈值；S23：采用BP神经网络算法优化所述S22步骤构建的第i个被监测的清洗槽的热平衡条件下的最优槽内温度计算模型计算得到的第i个被监测的清洗槽内的实时温度，求取最优槽内实时温度；S24：以所述S23步骤计算得到的最优槽内实时温度实时控制第i个被监测的清洗槽内的加热器运行。该步骤作用是使第i个被监测的清洗槽内的清洗溶液，被加热器在中央控制计算模块的控制下被加热达到最优槽内实时温度。
[0007]进一步地，所述S22步骤中的第i个被监测的清洗槽的总传热系数的计算公式如下：；其中，为第i个被监测的清洗槽的进水管热交换时的热阻，为第i个被监测的清洗槽内清洗溶液热交换时的热阻，为第i个被监测的清洗槽的出水管
热交换时的热阻；；；；其中，为第i个被监测的清洗槽内清洗溶液的热导率，S为被清洗的多个单晶硅晶圆的总数，B为被清洗的一个单晶硅晶圆的厚度，R为被清洗的一个单晶硅晶圆的半径，即表示第i个被监测的清洗槽内清洗溶液的热传导系数。
[0008]进一步地，第i个被监测的清洗槽内的清洗溶液由第一种溶质纯溶液、第二种溶质纯溶液以及蒸馏水以的体积份数比例进行配比得到，所述第i个被监测的清洗槽内清洗溶液的热导率的计算公式如下：；其中，为第i个被监测的清洗槽内的清洗溶液中第一种溶质纯溶液的导热系数，为第i个被监测的清洗槽内的清洗溶液中第二种溶质纯溶液的导热系数；为第i个被监测的清洗槽内的清洗溶液中第一种溶质纯溶液的体积份数，为第i个被监测的清洗槽内的清洗溶液中第二种溶质纯溶液的体积份数；，为第i个被监测的清洗槽内的清洗溶液中蒸馏水的体积份数。
[0009]进一步地，所述第i个被监测的清洗槽内被清洗的多个单晶硅晶圆与清洗槽内溶液的热交换面积的计算公式如下：；所述第i个被监测的清洗槽内被清洗的多个单晶硅晶圆与清洗槽内溶液的热交换体积的计算公式如下：；其中，为第i个被监测的清洗槽的实时液位，为第i个被监测的清洗槽的宽度，为第i个被监测的清洗槽的长度；S为被清洗的多个单晶硅晶圆的总数，B为被清洗的一个单晶硅晶圆的厚度，R为被清洗的一个单晶硅晶圆的半径；为第i个被监测的清洗槽进水管的半径，为第i个被监测的清洗槽进水管的长度；为第i个被监测的清洗槽出水管的半径，为第i个被监测的清洗槽出水管的长度；为支架所占体积。
[0010]进一步地，所述S23步骤包括以下步骤：S231：由所述S22步骤计算得到的清洗时间本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.清洗机液位控制方法，所述方法适用于采用RCA清洗方法清洗制绒后的多个单晶硅晶圆，其特征在于，清洗多个单晶硅晶圆的清洗机包括SPM清洗槽、第一QDR槽、第一DHF清洗槽、第二QDR槽、APM清洗槽、第三QDR槽、第二DHF清洗槽、第四QDR槽、HPM清洗槽、第五QDR槽、第三DHF清洗槽和第六QDR槽；每个清洗槽内设置有加热器；所述方法包括以下步骤：S1：将制绒后多个的单晶硅晶圆依次移至各个槽内进行清洗；S2：控制各个槽内部的加热器对清洗溶液加热所达到的清洗温度处于被加热阈值范围内并控制各个清洗槽的清洗时间，根据相应的清洗时间停止所在清洗槽内的清洗，控制被清洗的多个单晶硅晶圆移至相应的QDR槽内并开启相应的QDR槽；S3：在每个QDR槽内对多个单晶硅晶圆进行快排冲洗，以保证每个清洗槽清洗后进入下一个清洗槽前清除干净残留的清洗液；所述S2步骤中控制每个清洗槽内的清洗温度处于被加热阈值范围内的方法，包括以下步骤：S21：实时监测第i个被监测的清洗槽内的进水管温度、进水管流速、出水管温度、出水管流速和实时液位；其中，i为第i个被监测的清洗槽，i=1,2,3,4,5,6；S22：构建清洗时间范围内的第i个被监测的清洗槽的热平衡条件下的最优槽内温度计算模型：；；；；；其中，为第i个被监测的清洗槽内的实时热交换量，为第i个被监测的清洗槽内的实时温度，为第i个被监测的清洗槽的总传热系数，为第i个被监测的清洗槽内清洗溶液的密度，为第i个被监测的清洗槽内的清洗溶液的比热容；为第i个被监测的清洗槽内出水与进水的流速差，；为第i个被监测的清洗槽内被清洗的多个单晶硅晶圆与清洗槽内溶液的热交换面积；为第i个被监测的清洗槽内被清洗的多个单晶硅晶圆与清洗槽内溶液的热交换体积；为第i个被监测的清洗槽内被加热阈值范围的最高加热阈值，为第i个被监测的清洗槽内被加热阈值范围的最低加热阈值；S23：采用BP神经网络算法优化所述S22步骤构建的第i个被监测的清洗槽的热平衡条件下的最优槽内温度计算模型计算得到的第i个被监测的清洗槽内的实时温度，求取最优槽内实时温度；S24：以所述S23步骤计算得到的最优槽内实时温度实时控制第i个被监测的清洗槽内的加热器运行。2.根据权利要求1所述的清洗机液位控制方法，其特征在于，所述S22步骤中的第i个被
监测的清洗槽的总传热系数的计算公式如下：；其中，为第i个被监测的清洗槽的进水管热交换时的热阻，为第i个被监测的清洗槽内清洗溶液热交换时的热阻，为第i个被监测的清洗槽的出水管热交换时的热阻；；；；其中，为第i个被监测的清洗槽内清洗溶液的热导率，S为被清洗的多个单晶硅晶圆的总数，B为被清洗的一个单晶硅晶圆的厚度，R为被清洗的一个单晶硅晶圆的半径，即表示第i个被监测的清洗槽内清洗溶液的热传导系数。3.根据权利要求2所述的清洗机液位控制方法，其特征在于，第i个被监测的清洗槽内的清洗溶液由第一种溶质纯溶液、第二种溶质纯溶液以及蒸馏水以的体积份数比例进行配比得到，所述第i个被监测的清洗槽内清洗溶液的热导率的计算公式如下：；其中，为第i个被监测的清洗槽内的清洗溶液中第一种溶质纯溶液的导热系数，为第i个被监测的清洗槽内的清洗溶液中第二种溶质纯溶液的导热系数；为第i个被监测的清洗槽内的清洗溶液中第一种溶质纯溶液的体积份数，为第i个被监测的清洗槽内的清洗溶液中第二种溶质纯溶液的体积份数；，为第i个被监测的清洗槽内的清洗溶液中蒸馏水的体积份数。4.根据权利要求1所述的清洗机液位控制方法，其特征在于，所述第i个被监测的清洗槽内被清洗的多个单晶硅晶圆与清洗槽内溶液的热交换面积的计算公式如下：；所述第i个被监测的清洗槽内被清洗的多个单晶硅晶圆与清洗槽内溶液的热交换体积的计算公式如下：；其中，为第i个被监测的清洗槽的实时液位，为第i个被监测的清洗槽的宽度，为第i个被监测的清洗槽的长度；S为被清洗的多个单晶硅晶圆的总数，B为被清洗的一个单晶硅晶圆的厚度，R为被清洗的一个单晶硅晶圆的半径；为第i个被监测的清洗槽进水管的半径，为第i个被监测的清洗槽进水管的长度；为第i个被监测的清洗槽出水管的半径，为第i个被监测的清洗槽出水管的长度；为支架所占体积。5.根据权利要求1所述的清洗机液位控制方法，其特征在于，所述S23步骤包括以下步骤：S231：由所述S22步骤计算得到的清洗时间范围内的第i个被监测的清洗槽内的实时温度组成初始训练集，，为初始训练集中的第m个训练数据，m=1,2,
…
, M；M为初始训练集中的训练数据总数；将所述初始训练集输入由输入层、隐含层和输出层
组成的BP神经网络进行优化训练；S232：构建初始训练...

【专利技术属性】
技术研发人员：陈川南，
申请(专利权)人：无锡京运通科技有限公司，
类型：发明
国别省市：