基于DRNN的CMP多区压力系统解耦自适应逆控制

摘要

化学机械抛光(chemical mechanical polishing,CMP)过程中由于柔性弹性隔膜的存在使得各腔室之间压力相互耦合,从而使得多区腔室的压力控制变得复杂。针对这一耦合现象,提出了一种将基于动态回归神经网络(dynamic recurrent neural network,DRNN)在线辨识与神经元解耦和分段变参数复合控制相结合的方案。利用DRNN的非线性映射能力以及神经元的在线实时动态解耦特性,获得对象的逆模型,消除了各区之间的耦合;采用分段变参数控制策略减少了由于初始时刻逆控制模型辨识不准而带来的不利影响和系统动荡,使得整个控制系统趋于稳定。实验结果表明:该方案不仅具有很好的在线辨识和解耦能力,同时较常规定参数比例积分微分(proportional integral derivative,PID)控制还具有自适应能力强、响应速度快、超调量小以及鲁棒性好等特点。