准分子激光器的放电过程是一个复杂的非线性过程,从而导致基于放电动力学建立的激光器放电能量模型的精度很难达到仿真研究和控制算法设计的需求。通过深度学习的方法,利用门控循环网络辨识准分子激光器放电能量模型。首先基于准分子激光器出光能量特性,选定所建立的门控循环网络的输入。然后根据门控循环神经网络的输入特性和输出特性建立适用于准分子激光器能量模型辨识的神经网络,并介绍了门控循环神经网络训练方法。最后利用实际采集的激光器的能量数据对门控循环神经网络进行训练。实验结果证明,本文所设计的门控循环神经网络收敛,辨识出来的能量模型的最大误差小于1.5%。该方法可以应用于准分子激光器能量模型的辨识。

光刻用准分子激光器的能量特性在集成电路的光刻过程中至关重要,直接影响光刻机曝光线条的精度。为了实现对于衡量能量特性的能量稳定性和剂量精度的精确控制,从放电电压调节的角度对激光脉冲的能量特性控制进行了研究。为了设计能量特性控制算法,首先对准分子激光器的放电特性建立了仿真模型,并验证了模型的有效性。然后,设计了基于强化学习的准分子激光器能量特性控制算法。最后在仿真模型上,分别采用Z-N(Ziegler-Nichol)参数整定的比例积分(PI)算法、粒子群优化(PSO)整定的PI算法和基于强化学习的算法对出光脉冲进行了控制,将最终的结果进行对比。实验结果证明,在基于强化学习的能量控制算法的控制下,激光器的能量稳定性小于4%,剂量精度小于0.3%,并且动态性能要优于Z-N参数整定的PI算法、PSO整定的PI算法。证明了算法的优越性,提高了光刻用准分子激光器的鲁棒性和实用性,满足了半导体光刻需求。

针对准分子激光器温度控制系统的大时间滞后特点,利用MATLAB对准分子激光器温度 控制系统进行模型辨识,设计了一种新型Smith-PID预估复合控制器。在此基础上分别对两种控 制器进行仿真和实验。结果表明与常规PID控制器相比, Smith-PID预估复合控制器超调量减少41%, 调节 时间减少51%。所设计控制器具有稳健性强、超调量小及调节时间短等优点,可为准分子激光器的运行提供良好的温度控制环境。

设计了一种应用于准分子激光器的高精度温度控制系统,可对准分子 激光器放电腔的温度进行实时采集、 显示、控制,达到维持激光器腔体温度恒定的目的,从而改善激光器的工作性能如能量稳定性和使用寿命等。 系统采用飞思卡尔单片机,以比例阀作为控温执行器件,并且设计了软硬件和优化的控制算法。实验结果 表明:在三种不同PID控制方式下,系统控制精度皆能达到±0.2°C;在改进的智能PID控制下,系统超调变小、 调节时间减少;在100 Hz和500 Hz不同重频条件下,系统采用智能PID控制时,运行稳定。因此,本系统可为激 光器的运行提供良好的温度控制环境。