基于神经网络CMP过程智能R2R预测控制.PDF

半导体检测与测试技术 Semiconductor Inspection ＆ Testing Technologies DOI: 10. 3969 /j. issn. 1003 － 353x. 2012. 04. 014 基于神经网络 的 CMP 过程智能 R2 R 预测控 制 1 ，2 ，3 1 王亮 ，胡静涛 ( 1. ， 1100 16; 中国科学院 沈阳自动化所 工业信息学重点实验室 沈阳 2. ， 100039; 3. ， 110 142 ) 中国科学院研究生院 北京 沈阳化工大学 沈阳 摘要: 针对化学机械研磨 ( CMP) 过程 非 线性 、时变和 不 易在线 测量的特性 ，提 出了基 于 径 向基 函数 ( RBF) 神 经 网络和微粒群 ( PSO) 算法的 CMP 过程 run-to-run ( R2R) 预测控制器 NNPR2R 。首先通过样本数据用减聚类算法和最 小二乘法构建 CMP 过程 的 RBF 神 经 网络预测模 型 ，解决 了复杂 CMP 过程难 以建立精 确数学模 型 的难题 和提高了预测模 型 的精度 。然后 通过 PSO 算法滚动优化求取控制律 ，解决 了基 于导数的优化技术 易于陷入局部最优的问题并提高了控 制精度 。仿真结果表明 ，CMP 过程 NNPR2R 控制器的性能优 于常规 的 EWMA 方法，有效抑制了 过程漂移和减小了不同批次 间产品的差异 ，显著降低了材料去除率 ( MRR) 的均方根误差 。 关键词: 化学机械研磨; 径 向基 函数神 经 网络; 预测控制; 批次控制; 微粒群滚动优化 中图分类号: TN305. 2 文献标识码: A 文章编号: 1003 － 353X ( 2012) 04 －0305 －07 Neural Network Based Intelligent R2R Predictive Control to CMP Process Wang Liang1 ，2 ，3 ，Hu Jingtao1 ( 1. Key Laboratory of Industrial Inf ormatics ，Shenyang Institute of Automation ，Chinese Academy of Sciences ， Shenyang 110016 ，China; 2. Graduate School of the Chinese Academy of Sciences ，Beij ing 100039 ，China; 3. Shenyang University