随着大规模集成电路的迅速发展,对硅单晶的品质及尺寸提出了更高的要求。大批量制备高品质IC级硅单晶通常采用直拉法(Czochralski),完整的晶体制备过程长达几十个小时,而等径生长阶段是硅单晶生长过程中耗时最长且最重要的环节。直拉法硅单晶生长工艺参数的精确控制决定了硅单晶的品质,目前硅单晶生长工艺参数调节主要依赖于人工经验并通过多次实验获得,耗时长且成本高,因此硅单晶生长过程关键参数优化研究是硅单晶生长领域亟需解决的核心问题。晶体直径是硅单晶等径生长阶段评价硅单晶品质的重要指标,而CZ硅单晶等径生长过程中涉及众多特征参数,且参数间相互影响,所以需剔除与晶体直径无关特征和冗余特征,识别出影响晶体直径的关键参数,构建关键参数与晶体直径系统模型,通过优化调节等径阶段关键参数控制晶体直径的一致性,以达到提高硅单晶品质的目的。虽然硅单晶生长过程中的非线性、大时滞和时变等特性造成机理建模过程复杂且模型求解困难,但生长过程的输入、输出数据以及生长设备运行过程数据较易采集,因此本文基于硅单晶生长过程数据建立系统模型。本文研究的重点包括对CZ硅单晶等径生长阶段影响晶体直径的关键参数进行识别,建立关键参数与晶体直径大时滞非线性动态模型,通过调节关键参数控制晶体直径的一致性,从而实现对关键参数的优化。1、关键参数识别,选取单晶炉控制参数作为特征参数,从特征降维角度出发,基于信息熵理论,采用Pearson相关系数及最大互信息系数MIC算法分析特征参数与晶体直径之间的关联关系,计算得出CZ硅单晶等径生长阶段加热器温度与晶体直径的MIC值为0.9465,对晶体直径影响最大。2、模型辨识,建立等径阶段加热器温度-晶体直径非线性模型,选择CZ硅单晶等径阶段加热器温度和晶体直径测量数据并进行滤波、归一化等预处理,采用模糊逼近和利普希茨商值变化率分别辨识加热器温度-晶体直径模型的时滞和输入输出阶次;模型结构确定后,将加热器温度和晶体直径作为模型输入,晶体直径作为模型输出,基于BP神经网络、SVR支持向量回归以及NARX神经网络三种算法辨识模型参数,并进行模型检验,对比分析三种算法模型辨识结果,基于NARX神经网络辨识误差维持在±0.02mm之间,相比BP神经网络和SVR支持向量回归辨识精度最高,能够更好的预测、跟踪实际晶体直径。3、晶体直径一致性控制,采用非线性预测控制算法,基于NARX神经网络建立晶体直径多步预测模型,并根据晶体直径设定值设置参考轨线,采用LM算法对性能指标进行滚动优化,求解最优控制输入序列。仿真实验结果表明:基于NARX神经网络的预测控制算法控制后的晶体直径比控制前晶体直径波动较小,与晶体直径设定值的偏差维持在±1mm,能够较好跟踪晶体直径设定值,获得最优加热器温度输入序列,实现加热器温度参数的优化与精确调节。