MOCVD襯底承載盤高速旋轉(zhuǎn)振動(dòng)補(bǔ)償預(yù)測(cè)技術(shù).pdf_第1頁(yè)
已閱讀1頁(yè),還剩66頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、MOCVD(金屬有機(jī)化學(xué)氣相沉積)設(shè)備是寬禁帶GaN基半導(dǎo)體材料研究和生產(chǎn)的關(guān)鍵高端設(shè)備,其決定整個(gè) LED產(chǎn)業(yè)外延和芯片水平。作為MOCVD設(shè)備中核心的部件之一的襯底承載系統(tǒng)由承載襯底外延片、進(jìn)行金屬有機(jī)化學(xué)氣相沉積反應(yīng)的托盤,以及驅(qū)動(dòng)托盤旋轉(zhuǎn)的轉(zhuǎn)軸組成。但是由于襯底承載系統(tǒng)所處的環(huán)境中受到熱、流場(chǎng)、濃度場(chǎng)及其材料本構(gòu)等耦合影響,容易發(fā)生振動(dòng)或顫振,這使得生產(chǎn)的外延片容易發(fā)生沉積不勻的現(xiàn)象從而導(dǎo)致產(chǎn)品合格率下降。本論文以“MOCVD襯

2、底承載盤高速旋轉(zhuǎn)振動(dòng)補(bǔ)償預(yù)測(cè)技術(shù)”為題,通過(guò)對(duì)控制系統(tǒng)進(jìn)行預(yù)測(cè)補(bǔ)償,提高襯底承載盤運(yùn)轉(zhuǎn)穩(wěn)定性,使外延片均勻生長(zhǎng)提高產(chǎn)品合格率。論文主要研究包括襯底承載盤高速旋轉(zhuǎn)動(dòng)力學(xué)建模、襯底承載盤高速旋轉(zhuǎn)振動(dòng)影響因素提取、襯底承載盤高速旋轉(zhuǎn)振動(dòng)補(bǔ)償預(yù)測(cè)建模,這對(duì)促進(jìn)智能化制造的發(fā)展與應(yīng)用,具有重要的價(jià)值和意義。
  論文從分析襯底承載盤高速旋轉(zhuǎn)動(dòng)力學(xué)過(guò)程入手,得到襯底承載盤高速旋轉(zhuǎn)振動(dòng)影響因素,科學(xué)提取襯底承載盤高速旋轉(zhuǎn)振動(dòng)影響因素、振動(dòng)影響因

3、素權(quán)重評(píng)價(jià)方法和振動(dòng)補(bǔ)償是研究的關(guān)鍵技術(shù)。論文的主要工作包括:
  一、開(kāi)展襯底承載盤高速旋轉(zhuǎn)動(dòng)力學(xué)分析研究,指出影響襯底承載盤高速旋轉(zhuǎn)振動(dòng)的因素非常復(fù)雜、多樣,必須對(duì)影響因素進(jìn)行提取。討論襯底承載盤高速旋轉(zhuǎn)振動(dòng)力學(xué)模型的有限元仿真及求解,得出承載盤高速旋轉(zhuǎn)振動(dòng)與作用力、材料結(jié)構(gòu)參數(shù)、反應(yīng)腔體結(jié)構(gòu)參數(shù)等因素之間的關(guān)系。若將所有的振動(dòng)影響因素作為后續(xù)預(yù)測(cè)模型的輸入將會(huì)形成非常復(fù)雜的系統(tǒng)結(jié)構(gòu),所以必須對(duì)襯底承載盤高速旋轉(zhuǎn)振動(dòng)的影響因素

4、進(jìn)行提取。
  二、采用PCA與灰色關(guān)聯(lián)分析法提取襯底承載盤高速旋轉(zhuǎn)振動(dòng)的影響因素。利用PCA分析法降維的思想,將復(fù)雜的眾多因素轉(zhuǎn)化為少數(shù)幾個(gè)綜合因素,減少因素之間的相互影響,從而影響因素的提取更加簡(jiǎn)化且客觀合理。以振動(dòng)影響因素作為決策的方案集X,其相關(guān)屬性作為方案的屬性集C,由PCA分析法賦予的權(quán)重w作為各個(gè)屬性權(quán)重,將設(shè)備的成品率作為振動(dòng)影響因素的評(píng)價(jià)指標(biāo)(理想方案),成品率的變化程度隨某影響因素的變化越明顯,則該因素越有影響

5、性。利用灰色關(guān)聯(lián)分析方法計(jì)算影響因素的加權(quán)灰色關(guān)聯(lián)度 r,當(dāng) r越大即意味著該方案與理想方案關(guān)聯(lián)程度越大,即該因素影響性越大。
  三、提出襯底承載盤高速旋轉(zhuǎn)振動(dòng)補(bǔ)償預(yù)測(cè)PTS-FNN建模方法,結(jié)合聚類分析與模糊神經(jīng)網(wǎng)絡(luò)建模方法的優(yōu)點(diǎn)。該方法由可能性 c均值聚類算法 PCM、Takagi-Sugeno(T-S)型模糊神經(jīng)網(wǎng)絡(luò)建模方法有效結(jié)合,TS-FNN模型是一種具有學(xué)習(xí)能力強(qiáng)、逼近非線性函數(shù)映射能力好的建模方法。TS-FNN前件

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論