Содержание к диссертации
Введение
Глава 1. Постановка задачи управляемого нанесения тонких пленок в вакууме 11
1.1. Анализ процесса ионно-плазменного нанесения тонких пленок и выделение основных факторов, влияющих на качество получаемых изделий 11
1.2. Особенности синтеза структуры системы автоматического управления технологическим процессом ионно-плазменного нанесения тонких пленок 21
1.3. Постановка задачи управляемого вакуумного напыления 35
1.4. Выводы 38
Глава 2. Исследование и выбор метода построения математической модели технологического процесса по экспериментальным данным 39
2.1. Построение блока выбора технологических режимов 41
2.2. Анализ методов идентификации и обоснование использования методов МГУ 46
2.3. Постановка задачи структурного моделирования МГУА 55
2.4. Методы построения моделей 58
2.4.1. Комбинаторный алгоритм 70
2.4.2. Итерационный алгоритм 71
2.4.3. Пороговый алгоритм самоорганизации полиномиальной сложности 75
2.4.4. Пороговый алгоритм самоорганизации К-сложности 79
2.5. Вопросы сходимости алгоритмов самоорганизации 97
2.6. Методология построения математического описания технологического процесса ионно-плазменного нанесения тонких пленок с использованием метода МГУА 101
2.7. Выводы 104
Глава 3. Исследование и выбор метода построения системы стабилизации параметров технологического процесса 105
3.1. Особенности построения блока регулирования параметров 106
3.2. Краткий анализ методов синтеза управления оптимального по быстродействию 109
3.3. Метод варьирования свободных функционалов 112
3.4. Синтез конечно временного регулятора 122
3.5. Исследование методов построения линейных моделей динамических процессов 133
3.6. Выводы 145
Глава 4. Разработка математической модели по экспериментальным данным и синтез системы стабилизации 146
4.1. Состав и характеристики технологического оборудования экспериментальной установки вакуумного ионно-плазменного напыления 147
4.2. Структура системы автоматического управления процесса ионно-плазменного напыления на базе вакуумной установки Balzers-350G 149
4.3. Построение блока выбора технологических режимов на примере анализа экспериментальных данных о титановых тонких пленках 155
4.4. Построения блока регулирования технологических параметров на примере вакуумной системы 172
4.4.1. Разработка и исследование аппаратных средств обеспечения обмена информацией между газовой системой экспериментальной установки и ЭВМ 172
4.4.2. Построение динамической модели изменения параметров вакуумной системы 181
4.4.3. Разработка программного комплекса стабилизации внутрикамерного давления 187
4.5. Выводы и рекомендации 197
Заключение 199
Библиографический список 200
Приложения 210
- Анализ процесса ионно-плазменного нанесения тонких пленок и выделение основных факторов, влияющих на качество получаемых изделий
- Анализ методов идентификации и обоснование использования методов МГУ
- Особенности построения блока регулирования параметров
- Структура системы автоматического управления процесса ионно-плазменного напыления на базе вакуумной установки Balzers-350G
Введение к работе
Проблемной областью данной работы являются вопросы автоматизации управления технологическим процессом ионно-плазменного напыления (ТП ИПН). Развитие современной техники характеризуется усложнением режимов работы машин и аппаратов, увеличением эксплуатационных температур, широким применением микропроцессорных систем. Решение этих технических задач во многом связано с технологией ИПН.
Одно из основных применений ИПН - разработка и синтез наноструктур-ных материалов с новыми или значительно улучшенными свойствами. Данное направление становится одной из приоритетных задач нового тысячелетия. При этом наука о наноструктурных тонких пленках находится только в самом начале своего становления. Ускорение темпов фундаментальных и прикладных исследований в данной области позволит добиться существенного прогресса во многих дисциплинах: физике, химии, биологии, материаловедении и технике. К наноматериалам, по разным оценкам, относятся объекты с размером зерен менее 100 нм или от 2 до 20 нм, хотя недавно были получены материалы с размером нанокристаллитов менее 1 нм [73]. Основные различия в поведении наноструктурных и обычных материалов связаны с тем, что в первом случае значительную роль играют поверхностные явления вследствие значительного увеличения объемной доли границ раздела. Это приводит к новым физическим явлениям и уникальным свойствам, присущим наномасштабу. Последние работы в области получения сверхтвердых (Н > 40 ГПа) и ультратвердых (Н > 70 ГПа) наноструктурных тонких пленок показали, что твердость материала может практически достигать твердости природного алмаза, если удается получить материал, состоящий из двух фазовых компонентов с размером зерен 2-5 нм и прочными энергиями связи на границах раздела. Поэтому идея метода получения сверхтвердых покрытий состоит в получении нано-композита, в котором удается избежать эффекта зернограничного проскальзывания. В комбинации с другими благоприятными характеристиками, такими как
высокая вязкость и упругость восстановления, эти материалы обладают комплексом уникальных характеристик. В то же время высокая твердость не всегда является определяющей характеристикой; в некоторых специальных применениях упругость и вязкость покрытий могут оказаться более важными факторами.
Несмотря на определенный прогресс в области конструирования нано-материалов остаются проблемы как в фундаментальном понимании поведения систем в наномасштабе, так и в количественном измерении и установлении их свойств. Это сдерживает реализацию возможностей нанотехнологии на практике. Интерпретация свойств наноструктурных тонких пленок является достаточно сложной задачей из-за большого разнообразия факторов, влияющих на характеристики пленок. На качество изделий, получаемых с помощью ИПН, сильно влияют особенности технологического оборудования и внешние воздействия. Применение одинаковых технологических режимов на установках разной конфигурации может давать принципиально различающиеся результаты.
Другой проблемой применения ИПН является недостаточное развитие контролирующего оборудования, так как при проведении работ внутри вакуумной камеры возникает множество проблем. Для получения высококачественных покрытий необходимо соблюдать жесткие требования по чистоте помещения и внутрикамерного пространства. Для обеспечения данного требования в современных установках вакуумная камера находится при пониженном давлении, что также усложняет проведение внутрикамерных работ. С другой стороны, контролирующее оборудование должно работать в условиях, близких к вакууму, что приводит в конечном итоге к высокой стоимости измерительного оборудования. Как следствие, в реальных производственных условиях экономически невыгодно применение высокоточного измерительного оборудования.
Из-за описанных сложностей использование систем управления ТП ИПН осложнено следующими взаимосвязанными и во многих случаях непреодолимыми проблемами:
недостатком априорной информации о параметрах объекта и влиянии внешней среды;
наличием большого разброса технологических параметров и, как следствие, необходимостью проведения большого количества экспериментов для набора полноценной статистической информации;
решение задачи идентификации объекта осложняется из-за невозможности получения полноценной информации во время протекания технологического процесса по причине отсутствия соответствующего контролирующего оборудования.
Вышеуказанные проблемы позволяют сделать вывод, что данная задача не может быть решена в классе классических систем автоматического управления. Следовательно, для обеспечения необходимого качества получаемых изделий необходимо применение нового класса САУ - интеллектуальных систем автоматического управления [56, 59, 89].
Построение интеллектуальной системы является сложной и объёмной задачей, поэтому в данной работе рассматриваются лишь некоторые аспекты этой проблемы.
Построение любой системы автоматического управления невозможно без построения математической модели. Вопрос нахождения модели некоторых режимов широко исследовался и продолжает исследоваться в современных работах. В данной работе для построения математической модели предлагается использовать алгоритм структурной оптимизации — метод группового учета аргумента (МГУА) [24, 28, 29]. Применение методов самоорганизации позволяет выполнять селекцию структур математических моделей, ориентированных на экспериментальные данные. Это дает возможность получать эффективное математическое описание ТП, использование которого для выбора управляющих параметров технологического режима позволяет получать же-
лаемое качество конечной продукции. В данной работе предложен пороговый алгоритм МГУА К-сложности, который позволяет объединить достоинства комбинаторных и итерационных алгоритмов МГУА. Эффективность работы порогового алгоритма К-сложности подтверждена исследованиями на практике.
В условиях недостатка информации о некоторых параметрах течения ТП важным фактором, влияющим на качество получаемых изделий, является система стабилизации. В данной работе на практическом примере рассмотрено применение метода варьирования функционалов (МВФ) [1, 3] для улучшения динамических характеристик. Применение МВФ позволило эффективно реализовать регулирование вакуумной системы и сократить экономические затраты на приобретение дорогостоящего оборудования, имеющего лучшие динамические характеристики.
В первой главе описана постановка задачи управляемого процесса ИПН. Приведено описание ТП ИПН с выделением основных факторов, влияющих на качество получаемых изделий. Предложена структура системы управления с кратким описанием функциональных блоков.
Во второй главе рассмотрен вопрос выбора параметров технологического процесса ИПН для получения желаемого качества получаемых изделий. Также рассмотрен вопрос построения математической модели технологического процесса, основанный не на параметрической оптимизации, а на построении структуры модели по экспериментальным данным. В основе методики построения модели лежат методы самоорганизации МГУА. Также предложен пороговый алгоритм поиска структуры модели К-сложности.
В третьей главе рассмотрен вопрос регулирования технологических параметров. Рассмотрен вопрос синтеза оптимального по быстродействию управления. Синтез управления производится на основе метода варьирования функционалов.
Во второй и третьей главах рассмотрены только теоретические аспекты исследуемых проблем. В четвертой главе представлены результаты работы
модернизации экспериментального технологического оборудования, а также приведены примеры практической реализации теоретических вопросов, рассмотренных во второй и третьей главах. Даны практические рекомендации по применению предлагаемой методологии в промышленном варианте.
В приложении 1 описано сравнение принципа максимума Л.С. Понтря-гина с методом варьирования свободных функционалов.
В приложении 2 рассмотрен программный комплекс, который используется для регулирования давления.
Анализ процесса ионно-плазменного нанесения тонких пленок и выделение основных факторов, влияющих на качество получаемых изделий
Ток разряда и плотность ионного тока на мишени зависят от рабочего напряжения, давления и состава рабочего газа, индукции магнитного поля, конфигурации магнитов и вида распыляемого материала. Плотность тока влияет на скорость распыления материала мишени и может достигать 2000 А/м. Количество распыленного с мишени материала пропорционально току разряда, коэффициенту распыления материала и его атомной массе. 3. Рабочее давление влияет на чистоту наносимых пленок. Коэффициент осаждения распыляемого материала также в значительной мере зависит от давления в вакуумной системе, так как распыленные молекулы и атомы сталкиваются с молекулами рабочего газа и изменяют свою траекторию. Магнетронные распылительные системы могут работать при относительно низких давлениях (5 10-2...10Па). 4. Геометрическая форма мишени и конфигурация магнитных полей оказывают влияние на равномерность и скорость нанесения пленки, а также на коэффициент использования материала мишени. Разнообразие форм и размеров обрабатываемых объектов требует создания магнетронов с различной геометрией мишени для получения равномерных покрытий. 5. Используемые для распыления материалы мишеней в основном зависят от типа используемого напряжения (постоянное или высокочастотное). ВЧ магнетронные системы позволяют распылять практически любые материалы (и проводники, и диэлектрики). Пленки магнитных материалов наносят с помощью магнетронов специальной конструкции.
От значения основных параметров распылительной системы и их стабильности зависят стабильность разряда и возможность неоднократного получения, т.е. воспроизводимость процесса нанесения пленок.
Магнетронное распыление материалов применяется при нанесении тонких пленок самого различного назначения. ВЧ магнетронное распыление используют практически для всех покрытий. Среди них пленки металлов и спла 15
BOB различного назначения; для металлизации и создания резистивных элементов при изготовлении интегральных схем, для нанесения твердосмазочных и износостойких покрытий деталей машин и инструмента, для получения декоративных и коррозионно-стойких покрытий.
Развитие магнетронных систем позволило наносить магнитные пленки для создания элементов памяти, получать бездефектные диэлектрические пленки (Si02 и др.), сделало возможным создание высококачественных сверхпроводящих пленок. Магнетронное распыление широко используется для получения различных оптических покрытий — отражающих, просветляющих и др. В последнее время получили распространение технологии нанесения маг-нетронным методом алмазоподобных пленок, упрочняющих покрытий и пленок специального назначения. Возможность нанесения многокомпонентных покрытий распылением композиционных мишеней сложного состава, высокие скорости нанесения и низкие температуры процесса способствуют широкому распространению катодных способов. Их преимуществом является возможность управления процессом нанесения путем приложения положительного или отрицательного потенциала смещения к подложке, изменения энергии ионов и напряженности магнитного поля, использования постоянных и переменных напряжений и др.
Для повышения плотности ионного тока при более низком давлении рабочего газа в магнетроне используют скрещенные электрическое и магнитное поля, локализующие газовый разряд и увеличивающие плотность ионного тока. Магнитное поле постоянных магнитов заставляет электроны двигаться в пространстве непосредственно над мишенью по спиралеобразным траекториям в так называемой магнитной ловушке, образованной взаимно перпендикулярными электрическим и магнитным полями. Это приводит к увеличению числа столкновений электронов с молекулами рабочего газа и увеличению плотности газового разряда.
Магнитные поля способствуют повышению эффективности ионизации газа, уменьшению рабочего давления и напряжения разряда локализации плазмы вблизи распыляемого объекта (катода или мишени), а также ослабляют бомбардировку подложки быстрыми электронами, которая приводит обычно к резкому самопроизвольному ее разогреву.
Если при нанесении покрытия к подложке (изделию) прикладывать отрицательное напряжение (потенциал смещения) порядка 100 В, то качество покрытия по чистоте и адгезионной связи с подложкой возрастает за счет дополнительной обработки поверхности ионами в процессе роста пленки.
Для всех типов распылительных устройств общим требованием является необходимость удержания плазмы в ограниченном пространстве вакуумной камеры с помощью магнитных полей или экранов. Благодаря этому предотвращается повышение газоотделения со стенок вакуумной камеры и внутри-камерной арматуры под воздействием ионной бомбардировки.
Распыление в плазме газового разряда часто проводят не только в инертной, но и в химически активной среде (реактивное осаждение пленок). Для этого в зону осаждения напускают реактивные газы (02, N2, СХНУ и др.) или их смесь с инертным газом. В результате химических реакций, протекающих на поверхности подложки и распыляемого материала, образуются пленки оксидов, нитридов, карбидов.
Выбор способа зависит от требований по качеству и быстродействию процесса нанесения, а также от заданных свойств тонкопленочных покрытий. Эти свойства формируются в процессе роста тонкой пленки и определяются параметрами технологического процесса и оборудования (рис. 1.2) [8]. Материал пленки, скорость испарения или распыления, давление остаточных и реактивных газов и другие параметры технологического процесса позволяют получать резистивные, диэлектрические, полупроводниковые и токопроводящие элементы интегральных микросхем; отражающие, просветляющие, поглощающие и другие оптические покрытия; защитные, упрочняющие, коррозионно-стойкие, износостойкие и твердосмазочные тонкопленочные покрытия для изделий машиностроения, приборостроения и других отраслей промышленности.
Анализ методов идентификации и обоснование использования методов МГУ
Построение математических моделей является одной из широко исследуемых областей современной науки. Причем приложения данного направления не ограничиваются техническими объектами. В последние годы вопросы идентификации нашли широкое применение в экономических, экологических и многих других приложениях. Математическое прогнозирование происходящих в мире процессов является одним из главных инструментов для принятия решения при выборе «управляющего воздействия». Точное построение математических моделей позволяет адекватно реагировать на те или иные физические процессы. Решения данного класса задач требует привлечения методов точного количественного долгосрочного прогноза.
Достаточно быстрое изучение и раскрытие этих механизмов с использованием физических законов или в форме уравнений невозможно и не требуется для точного прогноза и принятия решений. Поэтому необходимо использовать класс самоорганизующихся методов, основанных на анализе накопленных статистических данных.
Современные модели для долгосрочного количественного прогноза случайных процессов реализуют в основном с помощью идеи имитационного моделирования. Данные модели используют параметрическую оптимизацию на основе физической модели. Часто использование такого подхода позволяет получить только качественные результаты, так как класс уравнений и вид опорных функций назначаются автором модели, как и множество выходных (зависимых) и входных (независимых) переменных. Такой подход приводит к большому числу негибких и смещенных моделей, вид и оценки коэффициентов которых могут резко изменяться при появлении новой точки данных.
В отличие от методов имитационного моделирования, имеющих (как и породившая их математическая физика) дедуктивный характер, МГУА [25, 26] основан на индуктивном подходе. Под самоорганизацией моделей подразумевается нахождение математического описания сложного объекта при помощи перебора многих вариантов по некоторому набору внешних критеф&нюльзование самоорганизации нефизических моделей и применение алгоритмов МГУА позволяет поручить выбор модели ЭВМ, что значительно повышает эффективность получаемых моделей. Точность, заблаговременность и объективный характер долгосрочных прогнозов по МГУА позволяет более эффективно применять дальнейший анализ к исследуемой системе и, главное, дает возможность избегать сложных субъективных решений.
Особенность алгоритмов МГУА состоит в том, что они воспроизводят схему массовой селекции. В них есть генераторы усложняющихся из ряда в ряд комбинаций или опорных функций и пороговые самоотборы лучших из них.
Достаточно общая постановка задачи структурно-параметрической идентификации или построения моделей по экспериментальным данным может быть сведена к поиску экстремума некоторого критерия CR на множестве различных моделей 3: Очевидно, что (2.3) не содержит исчерпывающей формулировки задачи, поэтому дополнительно необходимо: задать вид и объем исходной информации; указать класс базисных функций, из которых формируется множество 3; определить способ генерации моделей / вместе с методом оценивания параметров; выбрать критерий сравнения моделей; указать метод минимизации CR. Уточняя постановку, считается, что задана выборка W=[Xy], содержащая п точек наблюдений, образующих матрицу X = {xijt i=l,...,n; j=l,...,m) и вектор у = (Уі-Ут)Т причем п тп. В общем случае процесс решения задачи структурно-параметрической идентификации (2.3) содержит следующие основные этапы: 1. задание выборки данных (полученной в результате пассивного или активного эксперимента), а также априорной информации; 2. выбор или задание класса базисных функций и преобразование данных; 3. генерация различных структур моделей в выбранном классе; 4. оценивание параметров генерируемых структур и формирование множества F; 5. минимизация заданного критерия CR(f) и выбор оптимальной модели/ 6. проверка адекватности полученной оптимальной модели. 7. принятие решения о завершении процесса. Перечисленные этапы описывают произвольный процесс построения моделей, причем в зависимости от априорной информации и цели моделирования те или иные этапы могут отсутствовать. Например, в случае задачи параметрической идентификации множество F состоит из одной модели (задается одна структура), т.е. исключается этап 5 процесса.
Особенности построения блока регулирования параметров
В последние годы уровень развития вычислительной техники поднялся до такого уровня, что позволяет выполнять задачи, решение которых раньше было невозможно без участия человека-оператора. Развитие микропроцессорных систем значительно облегчает проблемы создания блоков регулирования технологических параметров. Если раньше для регулировки параметров часто использовались ручные регуляторы или регуляторы, основанные на аналоговой электронике, управляемые ручными методами, то в последнее время использование микропроцессоров позволило производить блоки регулирования на новом, качественно более высоком уровне. При использовании новой элементной базы многие методы теории автоматического регулирования становятся доступными для реализации непосредственно в блоке регулирования. Причем использование такой методики позволяет технологу для управления объектом иметь минимальные знания о динамике системы. Фактически, исполнительный регулятор производит необходимый перевод динамической системы по заданным технологом параметрам. Общая структурная схема такой реализации представлена на рис. 3.1, где «Исполнительный регулятор» — блок регулирования объекта, U — вектор уставок, задаваемых технологом, U — вектор управляющих параметров, Q — вектор параметров, по которым технолог может контролировать состояние системы.
Такой подход значительно упрощает задачу управления объектом, хотя имеет ряд недостатков, которые, в основном, связаны с конкретной реализацией алгоритма управления, жестко запрограммированного в исполнительном регуляторе. Обычно исполнительный регулятор выполняется для широкого класса объектов и, как следствие, в алгоритме нельзя учесть особые возможности частной реализации. Часто возникает ситуация, когда необходимо иметь динамические характеристики изменения технологического параметра, которые исполнительный регулятор не обеспечивает.
Указанные недостатки решаются с помощью дополнительного блока регулирования технологических параметров. Причем при его реализации можно использовать информацию о состоянии объекта, получаемую как с исполнительного регулятора, так и непосредственно с объекта управления. Структурная схема реализации блока регулирования представлена на рис. 3.2, где «Блок регулирования параметров» — дополнительный контур управления, U — век тор желаемых значений параметров объекта, U — вектор управляющего воздействия, генерируемый «Блоком регулирования параметров».
Использование дополнительного контура управления позволяет не только увеличить динамические характеристики объекта, но и сократить расходы на закупку нового более дорогостоящего оборудования для реализации «исполнительного регулятора». Это связано с тем, что «исполнительный регулятор» обычно конструируется для большого класса объектов, что не позволяет учитывать особенности индивидуальной реализации. Поэтому, проведя исследования системы, сконструированной по принципам, представленным на рис. 3.1, построение дополнительного контура управления позволяет учитывать индивидуальные особенности объекта и, как следствие, получать более стабильную работу системы в целом. Причем при создании дополнительного контура управления возникают только вычислительные проблемы реализации алгоритма, что значительно сокращает время разработки системы в целом. Далее в этой главе рассмотрены вопросы улучшения динамических свойств объектов.
Структура системы автоматического управления процесса ионно-плазменного напыления на базе вакуумной установки Balzers-350G
Как отмечалось во второй главе, вопрос построения САУ ТП ИПН является актуальной проблемой, и все большее количество исследователей занимаются ее решением. Построение полноценной САУ ТП ИПН является сложной задачей и на текущей момент времени еще нереализованной. Существуют лишь некоторые СУ, позволяющие автоматизировать простые ТП, предназначенные для выполнения ограниченного числа технологических режимов.
Как отмечалось в первой главе, процесс ионно-плазменного напыления зависит от множества факторов (см. рис. 1.2), но, к сожалению, большинство факторов не всегда возможно измерить в производственных условиях. Это вызвано как технологическими особенностями имеющегося оборудования, так и экономическими аспектами. Большую роль играет высокая стоимость вакуумного измерительного оборудования и проблемы, связанные с его обслуживанием. Для получения высокого процента выхода готовой продукции, необходимо обеспечивать высокие требования по чистоте. Современные установки вакуумного напыления конструируются таким образом, чтобы вакуумная камера находилась всегда в условиях пониженного давления, что приводит к большим трудностям по монтажным работам внутри вакуумной камеры. Как следствие, установка нового измерительного оборудования и его дальнейшее обслуживание часто является экономически неоправданным. Поэтому, для уменьшения себестоимости продукции необходимо выделить наименьшее достаточное количество параметров, использование которых позволяет получить желаемый процент выхода готовой продукции.
В представляемой работе основные исследования связаны с вопросом получением упрочняющих покрытий и повышением их микротвердости. Причем этот вопрос имеет широкое применение в различных областях науки и техники. В данной работе рассматривается эффект резкого увеличения свойств микротвердости материала при нанесении на него тонкой пленки толщиной 50-200 нм. Этот эффект связан с резким изменением свойств покрытий при малой толщине пленки, причем в последние годы исследованию данного вопроса посвящено большое количество работ. В качестве примера можно привести изменение свойств электрической проводимости металлической пленки при малых значениях толщины пленки, т.е. сопротивление металла резко возрастает. На рис. 4.2 показана зависимость изменения сопротивления от толщины пленки.
Такая же тенденция присутствует и по величине микротвердости пленки. Причем практически все исследования, которые проводились ранее, основывались на относительно больших величинах толщины пленки. И только в последние годы интерес к пленкам с малой толщиной сильно возрастает. Причем при проведении новых исследований необходимо применение качественно нового оборудования и систем автоматического управления. На базе установки «Balzers-350G» основными регулируемыми параметры, влияющими на качество готовой продукции, являются: давление в вакуумной камере; напряжение разряда; температура подложки; время технологического процесса. К показателям качества готовой продукции можно отнести следующие величины: микротвердость получаемой композиции; агдезия тонкопленочного покрытия. Также на объект действуют параметры внешней среды, такие как влажность и температура, которые необходимо учитывать, если происходит резкое ухудшение показателей выхода годной продукции. Кроме описанных факторов на процесс также влияют конструкционные особенности оборудования, т.е. непосредственно параметры установки.
Похожие диссертации на Исследование и применение методов идентификации и оптимизации в задаче управляемого вакуумного напыления
