System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及硅棒含氧量控制的,特别是涉及一种基于多参数协同控制的硅棒含氧量调控方法及系统。
技术介绍
1、单晶炉主要使用拉晶法来生产单晶硅;在这个过程中,一根小的单晶硅棒通过液态硅中缓慢拉制的方式来形成单晶硅棒;这个过程需要非常高的温度,通常在硅的熔点以上,而且需要在无氧气氛下进行,以保持硅的纯净度。在拉制过程中需要确保硅棒的含氧量低于特定水平,特别是在半导体和太阳能电池等高科技领域,高含氧量的硅会对材料的电学和光学性质产生负面影响,降低材料的质量和性能。
2、现有的对硅棒含氧量的控制方法,多是通过根据硅棒的生产要求,在生产之前确定好单晶炉的可调控参数,而在生产过程中也不再对参数进行自适应调整;由于随着单晶炉使用时间的延长,单晶炉存在密封性降低、保温性下降等影响因素,仅仅通过控制生产参数不变已难以满足对硅棒含氧量的要求,因此,亟需一种能够自适应校正硅棒含氧量的调控方法。
技术实现思路
1、为解决上述技术问题,本专利技术提供一种能够有效解决单晶炉使用时间延长和环境变化对硅棒含氧量控制的挑战,提高硅棒的质量和性能的基于多参数协同控制的硅棒含氧量调控方法。
2、第一方面,本专利技术提供了基于多参数协同控制的硅棒含氧量调控方法,所述方法包括:
3、获取硅棒生产要求,并对硅棒生产要求进行含氧量数据识别、提取,获得硅棒含氧量规定值;
4、根据预先设定的数据采集时间频率对单晶炉内硅棒拉制环境数据进行持续采集,并将每次采集的环境数据与采集时间戳相关
5、按照采集时间戳的先后顺序,将设定数量的炉内拉制环境数据集合进行数据排序、对齐,获得炉内拉制环境特征矩阵;
6、将炉内拉制环境特征矩阵输入至预先构建的硅棒含氧量评测模型中,获得硅棒含氧量评测值;
7、根据硅棒含氧量评测值与硅棒含氧量规定值,计算得到硅棒含氧量偏差值;
8、将硅棒含氧量偏差值与预设含氧量误差范围进行比对:
9、若硅棒含氧量偏差值位于预设含氧量误差范围内,则无动作;
10、若硅棒含氧量偏差值超出预设含氧量误差范围,则将硅棒含氧量偏差值输入至单晶炉控制参数生成模型中,获得单晶炉调控参数,并根据单晶炉调控参数进行参数调节,驱使硅棒含氧量偏差值位于预设含氧量误差范围内。
11、进一步地,所述炉内拉制环境特征矩阵为:
12、
13、其中,表示第n个采集时间节点下的结晶温度;表示第n个采集时间节点下的拉制速度;表示第n个采集时间节点下的气氛流速;表示第n个采集时间节点下的炉内气压。
14、进一步地,所述炉内拉制环境特征矩阵获取方法包括:
15、获取炉内拉制环境数据集合,数据包括结晶温度、拉制速度、气氛流速以及炉内气压参数;
16、将数据按照采集时间戳的先后顺序进行排序;
17、对数据进行对齐,使每个参数在相同的时间点上都有对应的数值;
18、将对齐后的数据整理成矩阵形式,获得炉内拉制环境特征矩阵。
19、进一步地,所述硅棒含氧量评测模型的构建方法包括:
20、收集历史硅棒生产数据,包括硅棒的含氧量和炉内拉制环境数据;
21、对数据进行处理,包括数据清洗、去噪、处理缺失值;
22、从历史硅棒生产数据中提取关键特征,特征包括结晶温度、拉制速度、气氛流速、炉内气压;
23、选择基础模型结构,包括决策树、支持向量机、神经网络;
24、将数据集分为训练集和测试集,训练集用于模型的训练,测试集用于评估模型的性能;
25、使用训练集对选定的模型进行训练;
26、使用测试集评估模型的性能;
27、根据评估结果,对模型进行调优和优化,包括调整模型的超参数、增加特征、尝试不同的模型;
28、在模型通过评估后,将其部署该模型用于实际生产环境中。
29、进一步地,所述单晶炉控制参数生成模型的构建方法包括:
30、收集与单晶炉操作和硅棒含氧量历史数据;
31、对收集到的数据进行清洗和预处理,包括处理缺失数据、异常值和噪声数据;
32、从原始数据中提取特征;
33、选择模型架构,包括线性回归、决策树回归、随机森林回归、支持向量回归;
34、将数据集分为训练集和测试集,训练集用于模型的训练,测试集用于评估模型的性能;
35、使用训练集对选定的模型进行训练;
36、使用测试集评估模型的性能;
37、模型被训练和验证完成后,将模型部署到实际的生产环境中。
38、进一步地,所述硅棒含氧量偏差值计算公式为:
39、d=e-s;
40、其中,d表示硅棒含氧量的偏差值,e表示硅棒含氧量的评测值,s表示硅棒含氧量的规定值。
41、进一步地,所述预设含氧量误差范围设定影响因素包括产品用途和标准、生产工艺的稳定性、设备性能和维护、生产成本因素和技术可行性。
42、另一方面,本申请还提供了基于多参数协同控制的硅棒含氧量调控系统,所述系统包括:
43、需求分析模块,用于获取硅棒生产要求,对硅棒生产要求进行含氧量数据识别、提取,获得硅棒含氧量规定值,并发送;
44、数据采集模块,根据预先设定的数据采集时间频率对单晶炉内硅棒拉制环境数据进行持续采集,将每次采集的环境数据与采集时间戳相关联,获得炉内拉制环境数据集合,并发送;所述炉内拉制环境数据集合包括结晶温度、拉制速度、气氛流速以及炉内气压;
45、数据处理模块,用于接收炉内拉制环境数据集合,按照采集时间戳的先后顺序,将设定数量的炉内拉制环境数据集合进行数据排序、对齐,获得炉内拉制环境特征矩阵,并发送;
46、硅棒含氧量评测模块,用于接收炉内拉制环境特征矩阵,将炉内拉制环境特征矩阵输入至预先构建的硅棒含氧量评测模型中,获得硅棒含氧量评测值,并发送;
47、含氧量偏差计算模块,用于接收硅棒含氧量评测值和硅棒含氧量规定值,根据硅棒含氧量评测值与硅棒含氧量规定值,计算得到硅棒含氧量偏差值,并发送;
48、控制参数生成模块,用于接收硅棒含氧量偏差值,将硅棒含氧量偏差值与预设含氧量误差范围进行比对;若硅棒含氧量偏差值位于预设含氧量误差范围内,则无动作;若硅棒含氧量偏差值超出预设含氧量误差范围,则将硅棒含氧量偏差值输入至单晶炉控制参数生成模型中,获得单晶炉调控参数,并发送;
49、参数调整模块,用于接收单晶炉调控参数,根据单晶炉调控参数进行参数调节,驱使硅棒含氧量偏差值位于预设含氧量误差范围内。
50、第三方面,本申请提供了一种电子设备,包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算本文档来自技高网...
【技术保护点】
1.一种基于多参数协同控制的硅棒含氧量调控方法,其特征在于,所述方法包括:
2.如权利要求1所述的基于多参数协同控制的硅棒含氧量调控方法,其特征在于,所述炉内拉制环境特征矩阵为:
3.如权利要求2所述的基于多参数协同控制的硅棒含氧量调控方法,其特征在于,所述炉内拉制环境特征矩阵获取方法包括:
4.如权利要求1所述的基于多参数协同控制的硅棒含氧量调控方法,其特征在于,所述硅棒含氧量评测模型的构建方法包括:
5.如权利要求1所述的基于多参数协同控制的硅棒含氧量调控方法,其特征在于,所述单晶炉控制参数生成模型的构建方法包括:
6.如权利要求1所述的基于多参数协同控制的硅棒含氧量调控方法,其特征在于,所述硅棒含氧量偏差值计算公式为:
7.如权利要求1所述的基于多参数协同控制的硅棒含氧量调控方法,其特征在于,所述预设含氧量误差范围设定影响因素包括产品用途和标准、生产工艺的稳定性、设备性能和维护、生产成本因素和技术可行性。
8.一种基于多参数协同控制的硅棒含氧量调控系统,其特征在于,所述系统包括:
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述方法中的步骤。
...【技术特征摘要】
1.一种基于多参数协同控制的硅棒含氧量调控方法,其特征在于,所述方法包括:
2.如权利要求1所述的基于多参数协同控制的硅棒含氧量调控方法,其特征在于,所述炉内拉制环境特征矩阵为:
3.如权利要求2所述的基于多参数协同控制的硅棒含氧量调控方法,其特征在于,所述炉内拉制环境特征矩阵获取方法包括:
4.如权利要求1所述的基于多参数协同控制的硅棒含氧量调控方法,其特征在于,所述硅棒含氧量评测模型的构建方法包括:
5.如权利要求1所述的基于多参数协同控制的硅棒含氧量调控方法,其特征在于,所述单晶炉控制参数生成模型的构建方法包括:
6.如权利要求1所述的基于多参数协同控制的硅棒含氧量调控方法,其特征在于,所述硅棒含氧量偏差值计算公式为:
7.如权利...
【专利技术属性】
技术研发人员:王全志,陈伟,李林东,毛亮亮,陈志军,丁云飞,高伟杰,
申请(专利权)人:苏州晨晖智能设备有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。