[发明专利]基于NARX网络的单晶硅等径阶段数据驱动建模方法

权利要求书

1.基于NARX网络的单晶硅等径阶段数据驱动建模方法，其特征在于，具体按照以下步骤实施：

步骤1、在直拉法制备单晶硅的过程中对晶体直径、加热器功率这两种数据进行数据采集，然后将采集到的晶体直径和加热器功率进行数据预处理；

步骤2、初始化NARX网络模型结构，设定模型阶数，输入输出数量，输入输出延时量及隐藏层神经元个数；

步骤3、利用麻雀优化算法对步骤2中的NARX网络模型的初始参数进行优化，利用Levenberg-Marquardt算法对步骤2中的NARX网络模型进行训练；

步骤4、误差补偿，对步骤3中的NARX网络模型通过误差补偿使其精度进一步提高，得到满足单晶硅直径控制需求的单晶硅生长等径阶段晶体直径与加热器功率模型。

2.根据权利要求1所述的基于NARX网络的单晶硅等径阶段数据驱动建模方法，其特征在于，所述步骤1具体按照以下步骤实施：

在直拉法制备单晶硅过程中采集到的晶体直径与加热器功率的数据序列中截取出晶体生长状态处于等径阶段的数据，然后对数据进行间隔采样，采样间隔2-5s，对截取出来的数据采用滑动平均滤波，首先对数据进行平滑处理，然后采用最大最小法进行归一化处理，公式如下所示：

其中x表示截取出的等径阶段的晶体直径和加热器功率数据，表示归一化后的等径阶段的晶体直径和加热器功率数据，x_max表示等径阶段的晶体直径和加热器功率数据中的最大值，x_min表示等径阶段的晶体直径和加热器功率数据的最小值；

最后就是划分训练集和验证集，选择等径阶段的晶体直径和加热器功率数据序列的70％作为步骤2中NARX网络模型的训练集，30％作为验证集。

3.根据权利要求2所述的基于NARX网络的单晶硅等径阶段数据驱动建模方法，其特征在于，所述步骤2具体按照以下步骤实施：

NARX网络模型为单输入单输出的3层神经网络，包括一个输入层，一个隐藏层和一个输出层，初始化NARX网络模型包括设定NARX网络模型的阶数、延时量、输入输出数量及隐藏层神经元个数，NARX神经网络的阶数设定为二阶，输入是等径阶段的晶体加热器功率，输出是等径阶段的晶体直径，隐藏层神经元10个，

NARX模型的定义方程是：

y(t)＝f[y(t-1),y(t-2),...,y(t-n_y),u(t-1),u(t-2),...,u(t-n_u)]        (2)

其中y(t)代表当前时刻输出值，即硅单晶的直径，u(t)代表当前时刻的输入，即加热器功率，f[·]表示非线性函数，n_u代表输入变量的延时阶次，n_y表示输出的延时阶次。

4.根据权利要求3所述的基于NARX网络的单晶硅等径阶段数据驱动建模方法，其特征在于，所述步骤2中n_u＝2,n_y＝2。