不同尺寸的铸锭晶体硅生长过程具有相似性，小尺寸晶体的生长规律可以迁移至大尺寸。本文采用迁移学习(TL)对G8型铸锭炉进行热场设计，设计对象为侧、顶加热器位置及体积、侧隔热笼分区块高度，主要设计目标为减少晶体内部的位错缺陷、抑制硅锭边缘多晶且使晶体生长界面微凸。首先使用神经网络对已有的G7铸锭炉建立热场几何参数与热场评价参数间的映射模型，然后将该模型迁移至G8铸锭炉，对比不同模型结构对迁移过程的影响，采用Dropout分析模型是否存在过拟合，并使用遗传算法(GA)结合聚类算法(CA)对热场几何参数进行优化，以上为G8热场设计过程。最后对优化结果采用数值模拟方法研究其在晶体生长过程中的温度分布、固液界面形状等，最终选定的优化方案能够实现较高质量的长晶。将该方案同时应用于G7和G8热场并进行对比，结果表明G8在硅熔体和硅晶体中的轴向温度梯度均小于G7，在晶体生长界面沿径向的温度梯度也小于G7，这有利于减小晶体内部的热应力。

铸锭晶体硅是太阳能级晶硅材料的重要来源之一，为了进一步降低硅片成本，需要在保证晶体质量的同时发展大尺寸铸锭晶硅。影响铸造晶体硅质量的热场控制核心参数包括晶体生长速度与生长界面温度梯度之比V/G、壁面热流q、生长界面高度差Δh和硅熔体内部温差ΔT等。针对铸锭晶体硅生长过程中的质量控制问题，本研究基于人工神经网络(ANN)模型对晶体生长过程建立了工艺控制优化方法，利用实验测量数据和数值仿真模拟结果构建铸锭晶体硅生长过程的工艺控制数据集，以底部隔热笼开口和侧、顶加热器功率比作为主要工艺控制参数，V/G、|q|、|Δh|和ΔT为优化目标，建立用于研究晶体生长工艺控制参数和热场参数之间映射关系的神经网络模型。使用训练完成的模型分析底部隔热笼开口及侧、顶加热器功率比对晶体生长过程热场的影响规律，并采用遗传算法(GA)对铸锭晶体硅生长过程的工艺控制参数以提高晶体质量为目标进行优化，最后结合实际生产中的检测图像讨论了V/G对晶体质量的影响。研究表明晶体生长中期的V/G沿横向变化较平缓，对应缺陷较少且分布均匀，因此增大V/G在横向上的均匀度也是提高晶体质量的一个重要因素。

针对目前铸锭产品的品质效果缺乏有效及时的在线测试方法, 本文提出了多晶硅铸锭生产气体在线检测系统。该系统通过对铸锭生产过程中排出的工艺性尾气——氩气进行干泵取样、增压测试、实时分析等技术, 实现了在线式自动取样实时分析, 超限报警的功能, 可实时根据生产过程中炉腔内气氛的变化, 提早发现铸锭炉的故障和异常, 减少异常产品的出产率。通过后续电池数据的支撑, 可确定设备漏水和漏气的极限值,达到精细化调控硅锭质量、危险预警的效果, 为铸锭氩气回收系统做好预研的准备。

利用红外热像仪直接观察与测定了钢锭凝固过程中铸模外表面的温度分布, 对几个关键部位的温度随时间变化的趋势及规律进行了对比和分析, 对可能存在的铸锭缺陷进行了判断。采用金相法和氧含量分析法对铸锭的显微结构进行分析, 并结合统计数据对结果进行确认。证明利用红外热像仪判断铸锭缺陷在一定程度上是可行的。

经熔炼、制粉、成型、烧结和回火等工序制备了成分为Nd33Fe65.95B1.05(质量分数)的烧结NdFeB磁体，将铸锭样品和烧结磁体样品折断，并采用扫描电子显微镜和金相显微镜对二者的断裂方式和断面的微观结构进行了对比分析。结果表明：烧结NdFeB铸锭的断裂方式为沿晶断裂，断面处有较多的层状富钕相，多边形的主相较为完整;烧结NdFeB磁体既有沿晶断裂也有穿晶断裂，但是以沿晶断裂为主。分析造成烧结NdFeB磁体断裂的原因为：(1)其微观结构中有大量的孔洞等缺陷，这是外部原因；(2)微观结构中占主要成分的主相的维氏硬度为6 235.94 N·mm-2，富钕相的维氏硬度为5 947.42 N·mm-2，二者有较大的差距，这是本征因素。针对磁体中孔洞和夹杂等缺陷存在而造成的断裂提出了相应的解决措施。