收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

半导体薄层电阻测量新方法研究

汪鹏  
【摘要】:随着科学技术及半导体产业的飞速发展,以单晶硅为衬底的集成电路集成度越来越高。硅片材料的直径越来越大,同时图形不断微细化,电路尺寸日益缩小,这些都对晶体材料的电学特性、机械特性等提出了更为严格的要求。电子器件的很多参数与电阻率及其分布的均匀性有密切的关系,因此器件电阻率的测试成为芯片加工中的重要工序。硅片薄层电阻率的测量引起了人们广泛的关注,目前四探针测量技术已得到广泛应用,但对于大片电阻率的测量,四探针法机械运动误差大、测量速度慢、使用效果不佳。在这样的背景下,本文将EIT技术应用于半导体薄层电阻率测量中,采用神经网络实现电阻率分布图像重建。 电阻抗成像(EIT,Electrical Impedance Tomography)是近年来发展起来的一种新的图像重建技术。它通过在被测物体四周安放电极阵列并注入电流,测量物体四周电极上的电压,利用成像算法得到电阻率的分布图像。EIT具有非侵入、无创伤、廉价等特点,目前已成为生物医学工程、地质勘探等领域的研究热点之一。常见的EIT图像重建算法如反投影重建算法和静态牛顿算法存在运算量大、成像速度慢、成像精度差等缺点,本文拟将神经网络技术应用于EIT的图像重建算法。 普通的神经网络算法因为收敛速度缓慢、容易陷入局部极值,因此在实际应用中受到很多限制,而基于人工生命和演化计算理论的粒子群优化算法是对鸟群和鱼群群体运动的模拟,是一种新的群体智能优化算法。它的特点是原理简单、收敛速度快、参数少。该算法已在许多工程优化领域如函数优化、神经网络训练、组合优化、机器人路径规划等获得了广泛应用,并取得了较好的效果。但粒子群算法在理论和实践应用方面还尚未成熟,有大量内容值得研究。 本文旨在对BP神经网络和粒子群优化算法进行理论和应用分析,对粒子群算法的工作机制进行改进,已达到提高算法搜索精度和速度的目的。最终将改进的粒子群算法与神经网络相结合,代替BP神经网络的学习算法,建立基于改进粒子群神经网络的半导体电阻率EIT测试系统。 本文主要研究工作如下: 1、研究电阻率测试的重要意义,详细研究四探针测试技术的基本原理。 2、建立EIT测量硅片电导率的正问题数学模型。使用Visual Studio C# .Net平台设计软件实现圆形样品多层自动剖分程序,利用剖分后生成的单元和节点数据编写了基于Matlab的正问题计算程序。对注入电流的形式进行了研究。 3、研究了EIT技术中逆问题求解的两种常用算法,反投影重建算法和牛顿法,构建了图像重建算法的仿真软件。 4、将神经网络技术与EIT技术相结合并应用于硅片薄层电导率分布的测量中,构建了基于EIT技术的神经网络模型,对7层同心圆硅片模型的电参数进行计算,可获得较理想的图像重建结果。 5、研究粒子群算法的基本原理及优化机制,总结现有粒子群算法存在的问题及原因,相关研究的理论基础。 6、设计开发了一套32电极的电阻抗成像数据采集硬件系统,可以将自动采集到的数据传给上位机供成像使用。在上位机上编写了配套数据通信与图像重建软件,可以多种方法进行图像的重建。 主要创新点: 1、将EIT技术应用于半导体薄层电导率测量中,建立了硅片同心圆模型,并对被测样品电特性进行了分析,为神经网络与EIT技术在半导体电阻率测试中的应用奠定了基础。 2、提出将神经网络用于半导体电导率分布EIT逆问题的求解中,采用PSO算法对神经网络的建立进行优化,取得了较好的效果。该方法有效地避免了传统EIT逆问题中的难题。 3、提出一种改进的粒子群算法,与BP神经网络相结合,替换神经网络的学习算法,显著改进了系统的学习进化能力。 4、设计开发了一套电阻率测量数据采集系统,以单片机为核心,采用串行通信与上位机传送数据。该机具有注入电流可调、工作稳定、使用灵活、可扩展性强等特点。 5、结合Matlab和Visual .Net平台开发了配套的成像软件系统,顺利完成了数据的传送与神经网络图像重建。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 史元浩;王景成;;基于粒子群算法的电站锅炉效率优化研究[J];杭州电子科技大学学报;2010年04期
2 蔡金錠;付中云;;粒子群-神经网络混合算法在三相整流电路故障诊断中的应用[J];电工电能新技术;2006年04期
3 贾爽;贺利乐;;基于粒子群优化SOM神经网络的轴系多振动故障诊断[J];机械传动;2011年06期
4 郭卫,赵栓峰;基于神经网络和粒子群算法的切削参数现场实时优化[J];机床与液压;2005年10期
5 黄戈;崔建武;陈晓芸;贾嵘;;基于粒子群优化神经网络的水轮机振动故障诊断[J];电网与清洁能源;2009年04期
6 刘小强;李奇;程站立;;基于BP神经网络的燃料电池电特性建模[J];应用能源技术;2009年05期
7 曾晓林;薛建辉;洪刚;;粒子群优化神经网络在高压断路器机械故障诊断中的应用[J];电网与清洁能源;2010年06期
8 梁本亮;王增忠;孙富学;;基于PSO的结构损伤检测应用研究[J];郑州大学学报(理学版);2006年04期
9 熊伟;程加堂;艾莉;;异步电动机故障诊断粒子群优化神经网络模型研究[J];矿山机械;2011年08期
10 贾嵘;陈晓芸;李辉;席文飞;;基于粒子群优化RBF神经网络的水轮发电机组振动故障诊断[J];西北农林科技大学学报(自然科学版);2009年06期
11 宋玉琴;章卫国;;PSO优化算法飞机操纵面故障辨识研究[J];计算机测量与控制;2010年04期
12 陈国初;刘军;;基于神经网络的中长期用电量预测模型[J];上海电机学院学报;2009年01期
13 操建华;;粒子群RBF神经网络电力电子电路故障诊断[J];电子设计工程;2010年05期
14 操建华;;基于粒子群优化径向基神经网络在模拟电路故障诊断中的应用[J];制造业自动化;2010年08期
15 郭志涛;袁金丽;张秀军;范书瑞;;基于改进的PSO神经网络的手写体汉字识别[J];河北工业大学学报;2007年04期
16 贾嵘;徐其惠;李辉;刘伟;;基于邻域粒子群优化神经网络的变压器故障诊断[J];高压电器;2008年01期
17 王小刚;李春柏;胡轮;;基于智能计算策略的电解液成分软测量方法[J];东北大学学报(自然科学版);2010年11期
18 傅忠云;;粒子群优化BP算法在电力系统短期负荷预测中的应用[J];重庆工学院学报(自然科学版);2007年10期
19 田丽;夏新运;蒋慧;张淑芳;;基于PSO-BP混合算法的短期电力负荷预测[J];自动化与仪器仪表;2009年02期
20 杨晓峰;罗安;彭楚武;吴敬兵;杨翠翠;马伏军;常亮亮;;基于神经网络学习算法和粒子群算法的改进PID控制在高压静止无功补偿器中的应用[J];电网技术;2011年06期
中国重要会议论文全文数据库 前10条
1 张勇;何彬;张全虎;冯朝;;层析γ扫描图像重建的迭代算法[A];中国核科学技术进展报告——中国核学会2009年学术年会论文集(第一卷·第5册)[C];2009年
2 邓娟;任超世;沙洪;;三种EIT图像算法仿真成像及图像效果评价[A];天津市生物医学工程学会第30次学术年会暨生物医学工程前沿科学研讨会论文集[C];2010年
3 李龙生;苏明旭;蔡小舒;董学金;宋延勇;;颗粒超声层析成像的散射特征分析[A];中国颗粒学会第七届学术年会暨海峡两岸颗粒技术研讨会论文集[C];2010年
4 侯艳芳;冯红梅;;基于神经网络的调制识别算法的研究[A];武汉(南方九省)电工理论学会第22届学术年会、河南省电工技术学会年会论文集[C];2010年
5 沈建荣;杨林泉;陈琳;;神经网络的稳定性判据与区域经济结构调整[A];系统工程与可持续发展战略——中国系统工程学会第十届年会论文集[C];1998年
6 石山铭;李富兰;丁俊丽;;神经网络的知识获取[A];全国青年管理科学与系统科学论文集(第1卷)[C];1991年
7 吴清烈;徐南荣;;基于神经网络的一种多目标决策方法[A];复杂巨系统理论·方法·应用——中国系统工程学会第八届学术年会论文集[C];1994年
8 李晓钟;汪培庄;罗承忠;;神经网络与模糊逻辑[A];中国系统工程学会模糊数学与模糊系统委员会第五届年会论文选集[C];1990年
9 房育栋;余英林;;高阶自组织映射及其学习算法[A];1995年中国控制会议论文集(上)[C];1995年
10 王晓晔;杜朝辉;吕德忠;刘建峰;;神经网络模糊控制在温度控制系统中的应用[A];1997中国控制与决策学术年会论文集[C];1997年
中国博士学位论文全文数据库 前10条
1 汪鹏;半导体薄层电阻测量新方法研究[D];河北工业大学;2011年
2 刘志祥;深部开采高阶段尾砂充填体力学与非线性优化设计[D];中南大学;2005年
3 戴雪龙;PET探测器神经网络定位方法研究[D];中国科学技术大学;2006年
4 马戎;智能控制技术在炼钢电弧炉中的应用研究[D];西北工业大学;2006年
5 胡成玉;面向动态环境的粒子群算法研究[D];华中科技大学;2010年
6 唐漾;复杂网络动力学及其应用的若干问题研究[D];东华大学;2010年
7 安镇宙;家庭粒子群算法及其奇偶性与收敛性分析[D];云南大学;2012年
8 文敦伟;面向多智能体和神经网络的智能控制研究[D];中南大学;2001年
9 吴大宏;基于遗传算法与神经网络的桥梁结构健康监测系统研究[D];西南交通大学;2003年
10 杜文斌;基于神经网络的冠心病证候诊断标准与药效评价模型研究[D];辽宁中医学院;2004年
中国硕士学位论文全文数据库 前10条
1 李文婷;基于改进型粒子群算法的热轧带钢宽度神经网络预报模型的研究[D];太原理工大学;2011年
2 刘玲;基于粒子群BP神经网络的短期负荷预测研究[D];河海大学;2006年
3 孙辰军;基于模糊理论的神经网络短期负荷预测方法的研究[D];华北电力大学(河北);2006年
4 杨青波;改进PSO-BP神经网络在变压器故障检测中的研究和应用[D];重庆大学;2010年
5 杨立标;基于混合优化策略的粒子群算法及其应用研究[D];哈尔滨工程大学;2010年
6 徐俊;基于PSO-BP的短期电力负荷预测研究[D];武汉理工大学;2007年
7 武予生;基于群体智能算法的DTC系统参数辨识的应用研究[D];沈阳工业大学;2007年
8 王忠桃;灰色预测模型相关技术研究[D];西南交通大学;2008年
9 艾永冠;粒子群优化神经网络在股市预测中的建模与应用[D];合肥工业大学;2009年
10 李晓芸;基于粒子群优化的神经网络对高速公路事故分析的研究[D];浙江工业大学;2008年
中国重要报纸全文数据库 前10条
1 于翔;数字神经网络中的协同应用[N];网络世界;2009年
2 健康时报特约记者  张献怀;干细胞移植:修复受损的神经网络[N];健康时报;2006年
3 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年
4 记者 孙刚;“神经网络”:打开复杂工艺“黑箱”[N];解放日报;2007年
5 本报首席记者 任荃 实习生 史博臻;轨交“神经网络”触动创新神经[N];文汇报;2011年
6 计算机世界实验室 韩勖;当布线系统遭遇神经网络[N];计算机世界;2009年
7 曹建兵 李祖兵 特约记者 何天进 本报记者 于莘明;给导弹植入“神经网络”[N];科技日报;2005年
8 谭薇;“潮湿计算机”:拥有人类智慧的超级大脑[N];第一财经日报;2010年
9 韩婷婷;ICT强壮奥运“神经网络”[N];通信产业报;2007年
10 ;人老了,大脑仍能形成新的神经网络[N];新华每日电讯;2004年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978