基于改进BP神经网络算法的激光晶体生长控制研究

人工晶体学报 ›› 2019, Vol. 48 ›› Issue (8): 1438-1444.

基于改进BP神经网络算法的激光晶体生长控制研究

李建鸿;纪文刚;宋星;储承贵

北京石油化工学院信息工程学院,北京 102617;北京化工大学信息科学与技术学院,北京 100029;北京石油化工学院信息工程学院,北京,102617

出版日期:2019-08-15 发布日期:2021-01-20

Research on Laser Crystal Growth Control Based on Improved BP Neural Network Algorithm

LI Jian-hong;JI Wen-gang;SONG Xing;CHU Cheng-gui

Online:2019-08-15 Published:2021-01-20

摘要/Abstract

摘要： 针对激光晶体生长后期晶体生长炉温度上漂导致晶体不能维持等径生长的问题,采用一种基于自适应学习率优化算法改进BP神经网络与经典PID控制技术相结合的方法应用到晶体生长控制过程中,通过改进的BP神经网络的自学习以及调整加权系数,实现一种由BP神经网络整定的最佳PID控制.通过MATLAB/Simulink仿真对比表明,改进的BP神经网络PID控制算法较传统PID控制方法具有较好的控制性能和鲁棒性,能够有效克服晶体生长炉的温漂问题,更好地保持晶体等径生长,提高了控制精度.

中图分类号:

TP273

李建鸿;纪文刚;宋星;储承贵. 基于改进BP神经网络算法的激光晶体生长控制研究[J]. 人工晶体学报, 2019, 48(8): 1438-1444.

LI Jian-hong;JI Wen-gang;SONG Xing;CHU Cheng-gui. Research on Laser Crystal Growth Control Based on Improved BP Neural Network Algorithm[J]. JOURNAL OF SYNTHETIC CRYSTALS, 2019, 48(8): 1438-1444.

[1]	覃佐燕;庄志贤;武红磊;郑瑞生;王科. AlN晶体PVT生长装置的智能控制系统研究[J]. 人工晶体学报, 2018, 47(4): 770-776.
[2]	许力;鲁二峰;周峰. 基于建模与优化的MOCVD温度均匀控制[J]. 人工晶体学报, 2013, 42(6): 1175-1180.
[3]	韦永阁;陈英;张强;王昆;徐蕾. RGO-BiVO4复合材料的制备及其模拟太阳光光催化性能的研究[J]. 人工晶体学报, 2013, 42(6): 1192-1198.
[4]	张湘辉;汪灵;龙剑平. 直流弧光放电PCVD金刚石膜制备中基底控温系统的研制与应用[J]. 人工晶体学报, 2011, 40(1): 75-82.
[5]	王伟礼;毕见强;邢政;管培强;张政;孙凌云. 氯化铵对AACH热分解制备纳米α-Al2O3的影响[J]. 人工晶体学报, 2009, 38(2): 309-312.
[6]	孙军;孔勇发;李兵;张玲;刘士国;黄自恒;瓮松峰;舒永春;许京军. 等径控制系统的改进及在光学级铌酸锂生长中的应用[J]. 人工晶体学报, 2004, 33(3): 305-309.
[7]	朱胤;左敦稳;王珉;卢文状;宋胜利. 计算机控制CVD金刚石生长系统的研究[J]. 人工晶体学报, 2003, 32(6): 605-609.