La presentazione è in caricamento. Aspetta per favore

La presentazione è in caricamento. Aspetta per favore

FACOLTA DI INGEGNERIA Corso di Laurea in Ingegneria Elettronica TECNICHE SOFT - COMPUTING PER IL CONTROLLO DI UN APPARATO DI DEPOSIZIONE PER FILM SOTTILI.

Presentazioni simili


Presentazione sul tema: "FACOLTA DI INGEGNERIA Corso di Laurea in Ingegneria Elettronica TECNICHE SOFT - COMPUTING PER IL CONTROLLO DI UN APPARATO DI DEPOSIZIONE PER FILM SOTTILI."— Transcript della presentazione:

1 FACOLTA DI INGEGNERIA Corso di Laurea in Ingegneria Elettronica TECNICHE SOFT - COMPUTING PER IL CONTROLLO DI UN APPARATO DI DEPOSIZIONE PER FILM SOTTILI RELATORI: Ing. R. CAPONETTO Ing. M. G. XIBILIA Ing. C. PACE Prof. G. NERI Tesi di Laurea di: Nunzio DIPAOLA

2 SOMMARIO 4LApparato di Deposizione 4Modellizzazione 4Modello Lineare Esistente 4Modelli Neurali Proposti 4Sintesi del Controllore 4Sintesi Della Legge di Controllo Fuzzy 4Confronto con PID Esistente 4Trattamento Termico 4Analisi dei Film Sottili 4LApparato di Deposizione 4Modellizzazione 4Modello Lineare Esistente 4Modelli Neurali Proposti 4Sintesi del Controllore 4Sintesi Della Legge di Controllo Fuzzy 4Confronto con PID Esistente 4Trattamento Termico 4Analisi dei Film Sottili

3 LAPPARATO DI DEPOSIZIONE íCamera íRiscaldatore íPompa a Membrana íFlussimetro íTermocoppia Trasduttore di Pressione íScheda Multifunzione íPC e Software

4 MODELLIZZAZIONE SCHEMA INGRESSO - USCITA DEL SISTEMA V(k) = Tensione (V) F(k) = Flusso (sccm) T(k) = Temperatura (°C) P(k) = Pressione (mbar) Il sistema si inquadra nella classe di sistemi MIMO (Multi Input Multi Output) Le variabili interagiscono: Se la pressione aumenta (aumento di flusso) la temperatura diminuisce Alle alte pressioni aumenta linerzia termica Alle alte pressioni le escursioni di pressione diminuiscono rispetto alle basse pressioni a parità di variazione di flusso La pressione dipende dalla temperatura

5 MODELLIZZAZIONE MODELLO LINEARE DEL SISTEMA Il sistema era già stato modelizzato mediante due sistemi lineari e disaccoppiati. Il sistema lineare è valido in un solo punto di lavoro Il sistema era già stato modelizzato mediante due sistemi lineari e disaccoppiati. Il sistema lineare è valido in un solo punto di lavoro Scarsa validità del modello lineare Identificazione Neurale Misure Ingresso - Uscita Identificazione Neurale Misure Ingresso - Uscita

6 MODELLIZZAZIONE RETE NEURALE CLASSICA 1)Strato Nascosto: Neuroni Sigmoidali 2)Strato dUscita: Neuroni Lineari V(k) = Tensione (V) F(k) = Flusso (sccm) T(k) = Temperatura (°C) P(k) = Pressione (mbar) E stata ipotizzata una struttura NARMAX del primo ordine Pattern su tutti i punti di lavoro Pattern su tutti i punti di lavoro Validità in tutte le regioni di funzionamento

7 MODELLIZZAZIONE FASE DI TRAINING RETE NEURALE CLASSICA: Test della risposta della rete = Target + = Uscita Rete Neurale MSE = 0.017

8 MODELLIZZAZIONE RETE NEURALE A PARAMETRI VARIABILI 1)Strato Nascosto: Neuroni Sigmoidali 2)Strato dUscita: Neuroni Lineari V(k) = Tensione (V) F(k) = Flusso (sccm) T(k) = Temperatura (°C) P(k) = Pressione (mbar) I pattern di allenamento relativi alla generazione della temperatura sono presi su tutti i punti di funzionamento Quelli relativi alla generazione di pressione su tutti i punti di lavoro ma considerati separatamente I pattern di allenamento relativi alla generazione della temperatura sono presi su tutti i punti di funzionamento Quelli relativi alla generazione di pressione su tutti i punti di lavoro ma considerati separatamente

9 Algoritmo di selezione dei pesi relativi alla generazione della pressione in funzione della pressione corrente MODELLIZZAZIONE MODELLI DINAMICI Per luso delle reti neurali come sistemi dinamici è necessario retroazionare le uscite opportunamente ritardate e ritardare gli ingressi

10 MODELLIZZAZIONE RISULTATI DELLE SIMULAZIONI E VALIDAZIONE DEI MODELLI Valore Medio di Pressione: 500 mbar

11 MODELLIZZAZIONE RISULTATI DELLE SIMULAZIONI E VALIDAZIONE DEI MODELLI Valore Medio di Pressione: 100 mbar

12 MODELLIZZAZIONE RISULTATI DELLE SIMULAZIONI E VALIDAZIONE DEI MODELLI Valore Medio di Pressione: 800 mbar

13 SINTESI DEL CONTROLLORE SCHEMA DI CONTROLLO N° 1 Le variabili di controllo sono fornite dal valore contenuto in una memoria (Memory) continuamente integrate dal controllore fuzzy in modo che a regime il controllore non fornisce variazioni e la memoria contiene i valori ottimi di controllo Le variabili di controllo sono fornite dal valore contenuto in una memoria (Memory) continuamente integrate dal controllore fuzzy in modo che a regime il controllore non fornisce variazioni e la memoria contiene i valori ottimi di controllo

14 SINTESI DEL CONTROLLORE SCHEMA DI CONTROLLO N° 1 Sintesi mediante Algoritmo Genetico 4 variabili dingresso 4 variabili dingresso 3 fuzzy set gaussiani per ogni variabile 3 fuzzy set gaussiani per ogni variabile 24 parametri per gli antecedenti 24 parametri per gli antecedenti 2 variabili duscita 2 variabili duscita 1 singleton per ciascuna delle 81 regole per ogni variabile 1 singleton per ciascuna delle 81 regole per ogni variabile 162 parametri per i conseguenti 162 parametri per i conseguenti 186 parametri totali da determinare 186 parametri totali da determinare Possibili Combinazioni 81 regole

15 SINTESI DEL CONTROLLORE SCHEMA DI CONTROLLO N° 1 Sintesi mediante Algoritmo Genetico Popolazione di 300 individui Funzione obiettivo MSE(R-Y) Popolazione di 300 individui Funzione obiettivo MSE(R-Y) Codifica Gray con 8 bitsCromosoma di 1488 bits

16 SINTESI DEL CONTROLLORE SCHEMA DI CONTROLLO N° 1 Sintesi mediante Algoritmo Genetico Risposta Reale Oscillazioni del 10 % sul valore massimo Oscillazioni del 10 % sul valore massimo Oscillazioni dovute al rumore della pompa Oscillazioni dovute al rumore della pompa

17 SINTESI DEL CONTROLLORE SCHEMA DI CONTROLLO N° 1 Sintesi Euristica ð35 Regole per il controllo di Temperatura ð35 Regole per il controllo di Pressione ðParziale accoppiamento tra la variabili dingresso in modo da limitare il numero di regole ð35 Regole per il controllo di Temperatura ð35 Regole per il controllo di Pressione ðParziale accoppiamento tra la variabili dingresso in modo da limitare il numero di regole Es. 1. If (et is m_neg) and (det is m_neg) then (vt is mf1) (1) 11. If (et is zero) and (det is m_neg) and (ep is neg) then (vt is mf11) (1) Es. 1. If (et is m_neg) and (det is m_neg) then (vt is mf1) (1) 11. If (et is zero) and (det is m_neg) and (ep is neg) then (vt is mf11) (1)

18 SINTESI DEL CONTROLLORE SCHEMA DI CONTROLLO N° 1 Sintesi Euristica Risposta Reale Oscillazioni del 15 % sul valore massimo Oscillazioni del 15 % sul valore massimo Oscillazioni dovute al rumore della pompa Oscillazioni dovute al rumore della pompa

19 SINTESI DEL CONTROLLORE SCHEMA DI CONTROLLO N° 2 I controllori tengono conto dellaccoppiamento tra le variabili in quanto il controllo di temperatura dipende dalle variazioni di flusso e il controllo di pressione dalle variazioni di temperatura I controllori tengono conto dellaccoppiamento tra le variabili in quanto il controllo di temperatura dipende dalle variazioni di flusso e il controllo di pressione dalle variazioni di temperatura

20 SINTESI DEL CONTROLLORE SCHEMA DI CONTROLLO N° 2 Sintesi Euristica ð35 Regole per il controllo di Temperatura ð15 Regole per il controllo di Pressione ðParziale accoppiamento tra la variabili dingresso in modo da limitare il numero di regole ð35 Regole per il controllo di Temperatura ð15 Regole per il controllo di Pressione ðParziale accoppiamento tra la variabili dingresso in modo da limitare il numero di regole Es. 1. If (et is m_neg) and (det is m_neg) then (vt is mf1) (1) 11. If (et is zero) and (det is m_neg) and (vf is neg) then (vt is mf11) (1) Es. 1. If (et is m_neg) and (det is m_neg) then (vt is mf1) (1) 11. If (et is zero) and (det is m_neg) and (vf is neg) then (vt is mf11) (1)

21 SINTESI DEL CONTROLLORE SCHEMA DI CONTROLLO N° 2 Sintesi Euristica Risposta in Simulazione Oscillazioni del 5 % sul valore massimo Oscillazioni del 5 % sul valore massimo Oscillazioni inaccettabili di 200 mbar Oscillazioni inaccettabili di 200 mbar

22 SINTESI DEL CONTROLLORE SCHEMA DI CONTROLLO N° 3 Al fine di migliorare le prestazioni della risposta in temperatura il controllore fuzzy fornisce direttamente la tensione di controllo mentre la modalità di controllo della pressione è invariata Al fine di migliorare le prestazioni della risposta in temperatura il controllore fuzzy fornisce direttamente la tensione di controllo mentre la modalità di controllo della pressione è invariata

23 SINTESI DEL CONTROLLORE SCHEMA DI CONTROLLO N° 3 Sintesi Euristica ð5 Regole per il controllo di Temperatura che interpolano 5 controllori PI con guadagno proporzionale che dipende dal valore di pressione. ð35 Regole per il controllo di Pressione con la stessa modalità dello schema di controllo N° 1. ð5 Regole per il controllo di Temperatura che interpolano 5 controllori PI con guadagno proporzionale che dipende dal valore di pressione. ð35 Regole per il controllo di Pressione con la stessa modalità dello schema di controllo N° 1. Es. 1. If (press is m_bassa) then (tensione is (mf1 * et + integrale)) (1) 4. If (press is alta) then (tensione is (mf4 * et + integrale)) (1) Es. 1. If (press is m_bassa) then (tensione is (mf1 * et + integrale)) (1) 4. If (press is alta) then (tensione is (mf4 * et + integrale)) (1) Interpolazione in funzione della pressione permette di compensare la variazione dinerzia termica dovuta alla variazione di pressione Interpolazione in funzione della pressione permette di compensare la variazione dinerzia termica dovuta alla variazione di pressione

24 SINTESI DEL CONTROLLORE SCHEMA DI CONTROLLO N° 3 Ottimizzazione mediante Algoritmo Genetico 4 variabili dingresso 4 variabili dingresso 5 fuzzy set gaussiani per ogni variabile 5 fuzzy set gaussiani per ogni variabile 40 parametri per gli antecedenti 40 parametri per gli antecedenti 40 parametri per i conseguenti 40 parametri per i conseguenti 80 parametri totali da ottimizzare 80 parametri totali da ottimizzare 1 singleton per ciascuna delle 35 regole relative al controllo di pressione 1 singleton per ciascuna delle 35 regole relative al controllo di pressione 5 Guadagni relativi al controllo di temperatura 5 Guadagni relativi al controllo di temperatura

25 SINTESI DEL CONTROLLORE SCHEMA DI CONTROLLO N° 3 Ottimizzazione mediante Algoritmo Genetico Popolazione di 200 individui Funzione obiettivo MSE(R-Y) Popolazione di 200 individui Funzione obiettivo MSE(R-Y) Codifica con numeri reali Cromosoma di 80 numeri reali Inserimento di un seme costituito dai parametri ottenuti in modo euristico Fuzzy set ottimizzati

26 SINTESI DEL CONTROLLORE ANALISI DELLE RISPOSTE REALI Risposte al gradino per una pressione di 300 mbar Errori a regime nulli sovraelongazione del 2,5 % Errori a regime nulli sovraelongazione del 2,5 % Errore medio a regime nullo per i controllori fuzzy e del 2 % per il controllore PID Errore medio a regime nullo per i controllori fuzzy e del 2 % per il controllore PID

27 SINTESI DEL CONTROLLORE ANALISI DELLE RISPOSTE REALI Risposte al gradino per una pressione di 500 mbar Errori a regime nulli sovraelongazione del 2,5 % Errori a regime nulli sovraelongazione del 2,5 % Errore medio a regime nullo per i controllori fuzzy e del 1,2 % per il controllore PID Errore medio a regime nullo per i controllori fuzzy e del 1,2 % per il controllore PID

28 SINTESI DEL CONTROLLORE ANALISI DELLE RISPOSTE REALI Risposte al gradino per una pressione di 700 mbar Errori a regime nulli sovraelongazione del 2,5 % Errori a regime nulli sovraelongazione del 2,5 % Errore medio a regime dello 0,1% per i controllori fuzzy ottimizzato del 0,4 % per quello non ottimizzato e di 1 % il controllore PID Errore medio a regime dello 0,1% per i controllori fuzzy ottimizzato del 0,4 % per quello non ottimizzato e di 1 % il controllore PID

29 SOFTWARE DI CONTROLLO La legge di controllo relativa allo schema N° 3 è stata implementata sul sistema reale al fine di sostituire lesistente legge di controllo PID Lettura dei valori di riferimento correnti Lettura dei valori di riferimento correnti Acquisizione dalla scheda dei valori di uscita correnti Acquisizione dalla scheda dei valori di uscita correnti Calcolo degli errori e della derivata dellerrore di pressione Calcolo degli errori e della derivata dellerrore di pressione Routine di inferenza fuzzy Fuzzy3(Et, Ep, P, dEp/dt ) Routine di inferenza fuzzy Fuzzy3(Et, Ep, P, dEp/dt ) (Tensione, Variaz. Flusso) variabili di controllo forniti alla scheda per la conversione D/A (Tensione, Variaz. Flusso) variabili di controllo forniti alla scheda per la conversione D/A

30 TRATTAMENTO TERMICO E stato eseguito un tipico trattamento termico al fine di valutare gli effetti di un accurato controllo sul processo di deposizione del film

31 ANALISI DEI FILM SOTTILI Campione il cui trattamento termico non è stato accuratamente controllato, infatti è caratterizzato da fratture e da un parziale distacco dal substrato. Campione il cui trattamento termico è stato accuratamente controllato, infatti il film si presenta ben aderente al supporto. Fe 2 O 3 depositato su Allumina

32 CONCLUSIONI 4E stato ottenuto un modello del sistema valido in tutti i punti di funzionamento 4E stata sintetizzata una legge di controllo fuzzy ottimizzata mediante algoritmo genetico che presenta delle performance migliori del controllore PID per tutti i punti di funzionamento 4La possibilità di impostare cicli di trattamento termico controllati in modo accurato in tutti i punti di funzionamento, minimizza linsorgere di difetti strutturali nei film di ossido realizzati, promuovendone quindi le qualità 4E stato ottenuto un modello del sistema valido in tutti i punti di funzionamento 4E stata sintetizzata una legge di controllo fuzzy ottimizzata mediante algoritmo genetico che presenta delle performance migliori del controllore PID per tutti i punti di funzionamento 4La possibilità di impostare cicli di trattamento termico controllati in modo accurato in tutti i punti di funzionamento, minimizza linsorgere di difetti strutturali nei film di ossido realizzati, promuovendone quindi le qualità


Scaricare ppt "FACOLTA DI INGEGNERIA Corso di Laurea in Ingegneria Elettronica TECNICHE SOFT - COMPUTING PER IL CONTROLLO DI UN APPARATO DI DEPOSIZIONE PER FILM SOTTILI."

Presentazioni simili


Annunci Google