基于模糊解耦的坩埚下降法晶体生长炉温度控制系统

基于模糊解耦的坩埚下降法晶体生长炉温度控制系统
DOI ：10.19557/ki.1001-9944.2024.04.008
陈祥烨1，王森林2，陈
豪2
（1.福州大学电气工程与自动化学院，福州350000；2.中国科学院海西研究院泉州装备制造研究中心，泉州362000）
摘要：针对坩埚下降法晶体生长炉温度控制系统存在的非线性、滞后性、多温区耦合性等问题。

设计了模糊解耦控制器来对生长炉上、下两个温区的温度进行控制，该控制器能够根据上、下温区的实时温度误差以及温度误差变化率，调节两个温区加热棒的功率。

与传统解耦和PID 算法相比，该方法具有不依赖被控对象的精确数学模型，计算量小，算法设计简单等特点。

通过仿真将该方法分别与传统PID 算法和传统解耦PID 算法进行比较，仿真结果表明，该方法具有很好的动态性能、解耦能力和鲁棒性，有利于提升晶体生长炉的控温精度和加热效率。

关键词：坩埚下降法；晶体生长炉；多温区耦合系统；解耦控制；模糊控制中图分类号：TP27
文献标识码：A
文章编号：１００１鄄９９４４（２０24）04鄄００37鄄０5
Temperature Control System of Crystal Growth Furnace with Bridgman 鄄stock 鄄barger Method Based on Fuzzy Decoupling
CHEN Xiangye 1，WANG Senlin 2，CHEN Hao 2
（1.College of Electrical Engineering and Automation ，Fuzhou University ，Fuzhou 350000，China ；2.Quanzhou Institute of
Equipment Manufacturing Haixi Institutes ，Chinese Academy of Sciences ，Quanzhou 362000，China ）
Abstract ：Aiming at the problems of non 鄄linearity ，hysteresis and multi 鄄temperature coupling in the temperature control system of crystal growth furnace with crucible lowering method.A fuzzy decoupling controller is designed to control the temperature of the upper and lower temperature zones of the growth furnace.The controller can adjust the power of the heating rods in the two temperature zones according to the real 鄄time temperature error and the change rate of temperature pared with the traditional decoupling and PID algorithms ，this method has the advantages of precise mathematical model independent of the controlled object ，less computation and simple algorithm design.Through simulation ，the proposed method is compared with the traditional PID algorithm and the traditional decou 鄄pling PID algorithm respectively.The simulation results show that the proposed method has good dynamic perfor 鄄mance ，decoupling ability and robustness ，which is conducive to improving the temperature control accuracy and heat 鄄ing efficiency of the crystal growth furnace.
Key words ：bridgman 鄄stockbarger method ；crystal growing furnace ；multi 鄄temperature coupled system ；decoupling con 鄄trol ；fuzzy control
收稿日期：2023-10-18；修订日期：2024-02-05基金项目：福建省科技计划项目（2021T3022）
作者简介：陈祥烨（1998—），男，硕士研究生，研究方向为自动控制；王森林（1988—），男，硕士，高级工程师，研究方向为复
杂工业大数据嵌入式设备控制、软测量建模、软件系统及应用控制。

使用坩埚下降法生长晶体通常需要两个温区[1]，分别为上温区与下温区，它们同时影响炉体内温度
的分布。

根据热力学分析，炉内热量上升并聚集到高温区，使得高温区的升温速率加快，将会出现高
温区易超调的现象[2]，而低温区离炉底较近，密闭性较差，散热严重，且两个温区之间没有隔离装置，因此晶体生长炉温控系统是一个典型的多输入多输出、强耦合性的系统[3-4]。

如何对耦合系统进行精准控制一直是学者和工程人员讨论的热点问题，传统的控制方式是采用常规PID算法[5]对多变量耦合系统进行控制。

虽然本系统最终可以收敛至目标值，但动态性能和鲁棒性较差，已无法满足需求。

为了解决这个问题，国内外学者和工程师的思想是通过把多变量系统解耦成单变量系统进行分次控制。

现有的解耦设计方法主要分为传统解耦法、自适应解耦法和智能解耦法等三大类[6]。

传统解耦法主要是基于矩阵运算将多输入多输出系统转变为对角线形式，从而实现解耦。

文献[7]使用矩阵解耦理论实现对精馏塔耦合系统温度的精准控制，但该方法过于依赖被控对象的精确数学模型，不适用于像晶体生长炉这样的非线性时变系统。

随着神经网络技术的流行，学者们也提出了自适应解耦法。

例如，文献[8]通过基于神经网络的PID控制算法实现了对多输入多输出系统的解耦，该方法使得系统具有很好的自学习特性，但存在收敛速度过慢的问题；文献[9]在其基础上进行改进，提出分数阶的神经网络解耦方法，提高了BP神经网络的收敛速度，保证了系统具有良好的动态性能与控制精度，但由于采用在线辨识对象的数学模型进行控制，因此存在算法复杂、计算量庞大等问题。

相比之下，智能解耦法对此类系统具有独特的优势，其中模糊解耦方法是一种实用的方法[10]，文献[11]将模糊PID算法应用于温室大棚中，证明了其各项动态指标均优于PID算法，但仍存在超调过高，调节时间长等问题；文献[12]采用了模糊PID算法与传统解耦方法相结合的方式应用于工业燃烧炉中，仿真波形几乎不存在超调，调节时间短，且鲁棒性较好，但存在计算量较大的问题。

本文针对坩埚下降法晶体生长炉温度控制系统，设计了模糊解耦控制器，并对坩埚下降法晶体生长炉系统进行了仿真。

仿真结果表明，采用模糊解耦算法的控制效果优于传统PID算法与传统解耦算法，系统具有很好的动态性能与鲁棒性。

1模糊解耦控制系统设计
1.1模糊解耦控制系统组成
为了解决PID算法难以控制MIMO系统的问
题，以及传统解耦算法对于被控对象精确数学模型的依赖，本文设计了模糊解耦系统，如图1所示。

其中模糊解耦控制器的控制流程如图2所示。

1.2模糊化
将上温区的目标值与实际温度值的偏差E1以及偏差变化率EC1作为模糊解耦控制器的输入，将温控器输出功率作为输出。

根据上温区温度的控制要求，E1与EC1的量化论域为［-6，6］，其对应的模糊词集为｛NB（负大）、NM（负中）、NS（负小）、ZO（零）、PS（正小）、PM（正中）、PB（正大）｝，上温区加热棒的输出功率U1为0～100%，其量化论域为［0，0.2，0.4，0.6，0.8，1.0］，模糊词集为｛NB（负大）、NM（负中）、NS（负小）、ZO（零）、PS（正小）、PM（正中）、PB（正大）｝[13]。

下温区变量E2、EC2、U2的量化论域与模糊词集同上温区，所有变量均选择三角形隶属度函数。

1.3构建模糊规则表
本文结合操作人员对晶体生长炉操作经验，得出上温区温度模糊控制规则表与下温区温度模糊控制规则表，具体如表1和表2所示。

图1模糊解耦控制系统
Fig.1Fuzzy decoupling control system
上温区温度
设定值
下温区温度
设定值
上温区模糊
解耦控制器
上温区
加热棒
G11（s）
上温区
温度
G12（s）
G21（s）
G22（s）
下温区模糊
解耦控制器
下温区
加热棒
下温区
温度-
-
图2模糊解耦控制器控制流程
Fig.2Fuzzy decoupling controller control flow chart
开始
采集当前时刻
温区温度值
计算误差E与
误差变化率EC遍历模糊控制
查询表
得到相应的
输出控制量
调节加热棒功率
模糊控制规则表直接构成了阐述晶体生长炉温度控制系统的模糊算法。

1.4模糊推理
本文选用Mamdani 模糊推理法[14]，通过时刻模
糊控制器的输入变量量化值获取隶属度值，结合晶体生长炉实际生产过程中的控制特点，得到上、下温区温度模糊控制查询表，具体如表3和表4所示。

2
仿真实验
2.1
数据采集
在炉内温度为室温的条件下，分别对上、下温
区施加相同的阶跃信号单独起炉，同时对2个温区每隔1s 影响温度上升数值进行采集，部分数据如表5、表6所示。

表2下温区温度模糊控制规则
Tab.2Temperature fuzzy control rule in lower
temperature region
表1
上温区温度模糊控制规则
Tab.1Temperature fuzzy control rule in upper
temperature region
U 1
EC 1NB NM NS ZO PS PM PB E 1
NB PB PB PB PS NM NM NB NM PB PB PM ZO NM NB NB NS PB PB PS NS NM NB NB ZO PB PM PS NM NB NB NB PS PB PM PS NB NB NB NB PM PB PS PS NB NB NB NB PB
PB
PS
PS
NB
NB
NB
NB
U 2
EC 2NB NM NS ZO PS PM PB E 2
NB NB NB NB NM ZO ZO ZO NM NB NB NB ZO ZO ZO PS NS NB NB NB NS ZO ZO PS ZO NB NB NM ZO PS PS PM PS NB NM NM ZO PS PS PM PM NB NM NM ZO PS PM PM PB
NB
NM
NM
ZO
PM
PM
PM
U 1
EC 1
-6-5-4-3-2-10123456E 1
-6111111
1
1
1
1
1
1
1
-5111110.80.80.80.80.70.70.70.7-41111
1
0.80.80.80.80.70.70.70.7
-31110.70.70.70.70.70.70.70.70.70.6-21
1
1
0.70.70.70.70.70.70.70.60.50.5
-10.80.70.70.30.30.20.2
00000000.80.70.70.30.30.20.200000010.40.20.20.20.20000000020.40.20.20.20.20000000030.10.20.2000000000040.10.20.2000000000050.10000000000006
0.1
表3
上温区温度模糊控制查询表
Tab.3Query table for temperature fuzzy control
in upper temperature region
U 2
EC 2
-6-5-4-3-2-1
1
2
3
4
5
6
E 2
-60.40.40.40.40.40.40.40.40.40.40.40.40.4-50.40.40.40.40.40.40.40.40.40.40.40.40.4-40.40.40.40.40.40.40.40.40.40.40.40.40.4-30.40.40.40.40.40.40.40.40.40.40.40.40.4-20.40.40.40.40.40.40.40.40.40.40.40.40.4-10.40.40.40.40.40.40.40.50.50.50.50.50.500.40.40.40.40.40.40.50.50.50.50.50.50.510.50.50.50.50.50.60.60.60.60.60.60.70.720.50.50.50.50.50.60.60.60.60.60.60.70.730.50.50.50.50.50.60.70.70.70.80.80.80.840.50.50.50.50.50.60.70.70.70.80.80.80.85
0.50.60.70.70.70.80.80.80.80.80.80.80.86
0.50.70.70.70.70.80.80.80.80.80.80.80.8
表4
下温区温度模糊控制查询表
Tab.4Query table for temperature fuzzy control
in lower temperature region
表5
上温区单独起炉
Tab.5Separate heating in upper temperature zone
时间
上温区温度值
下温区温度值
9:1026.826.210:16242.028.411:04399.030.612:10588.841.813:07659.661.914:11704.191.316:25700.0170.318:33700.0210.120:37700.0252.621:54700.0252.6
表6下温区单独起炉
Tab.6Separate heating in lower temperature zone
时间
上温区温度值
下温区温度值
10:2423.323.210:4825.514111:0228.9210.111:1433.1270.211:3040.4349.111:5253.0458.412:5287.9570.215:46152.4701.118:59192.8700.020:54209.9700.0
2.2
系统辨识
一般情况下，工业燃烧炉温度控制对象可近似为带滞后的一阶惯性环节，其传递函数表达形式为[15]
G （s ）=K ｅ
－τs
TS +1
（1）
式中：K 为增益系数；T 为时间常数；τ为延迟时间。

利用系统辨识工具箱[16]对上述数据进行辨识，得到相关的参数，最终可得晶体生长炉温度控制系统的传递函数为
G （s ）=ｅ
－16s 983.1s +1
0.5ｅ－180s
1755.8s +10.64ｅ－50s 1566.1s +1
ｅ－20s 1462.6s +11
（2）
2.3阶跃响应对比
为了对比3种控制算法的阶跃响应表现，在上
温区输入给定700℃，下温区输入给定500℃的基础上进行仿真，系统的稳态对比如图3、图4所示。

统计稳态响应下3种不同控制算法实验结果，如表7所示。

结果表明，采用模糊解耦PID 算法和传统解耦
PID 算法均能实现无超调，但模糊解耦PID 算法在调节时间上有明显的优势，可见采用模糊解耦PID
算法系统会具有更好的快速性。

2.4过程扰动测试
为了对比3种算法的抗干扰性能，在稳态的基
础上加入过程扰动进行仿真，得到的仿真波形图如图5、图6所示。

可以看出，相较于PID 算法与传统解耦PID 算法，采用模糊解耦PID 算法在遇到过程干扰时可以
图3上温区700℃响应图
Fig.3Response diagram of upper temperature region
at 700℃
800700600
5004003002001000温度/（℃）
0.5
1
1.52
2.5时间/s
模糊解耦+PID 传统解耦+PID
PID
720700680660640620600580560
2468×104
×105
图4下温区500℃响应图
Fig.4Response diagram of lower temperature region
at 500℃
700600500
4003002001000温度/（℃）
0.5
1
1.52
2.5时间/s
模糊解耦+PID 传统解耦+PID
PID
540520500480460440420400380
1234567×104
×10
5
表7
上、下温区仿真分析对比分析表
Tab.7Comparison analysis table of upper and
lower temperature zone simulation analysis
控制算法σ%上/σ%下t s 上/t s 下（s ）PID 算法0%/0.4%49111/32623传统解耦0%/0%20533/24438模糊解耦
0%/0%11647/10170
图5上温区过程扰动响应
Fig.5Process disturbance response diagram in
upper temperature region
800700600
5004003002001000温度/（℃）
0.5
1
1.5
2 2.5时间/s
模糊解耦+PID 传统解耦+PID
PID
740720700680660
1.5
1.6
1.7
1.8×105
×105
图6
下温区过程扰动响应
Fig.6Process disturbance response diagram in
lower temperature region
700600500
400300200
1000温度/（℃）
0.51
1.52
2.5时间/s
模糊解耦+PID 传统解耦+PID
PID
530520510500490480470460
1.51.6 1.7 1.8×105
×105
更加平稳快速地控制系统运行，表现出更好的抗干扰性能。

2.5模型失配测试
保持各控制器参数不变，将被控对象传递函数
的时间常数T 与增益K 增加40%，系统模型失配40%时，先分别给定上、下温区700℃和500℃的输入信号，并在系统稳态后加入过程扰动，3种算法的响应曲线如图7、图8所示。

可以看出，当模型失配40%时，采用PID 算法时超调时间过长无法满足实际需求；采用传统解耦
PID 算法时由于系统参数发生了变化，系统一直处
于震荡状态，无法收敛。

而采用模糊解耦PID 算法，系统超调量无变化，调节时间变化幅度不大，可见基于模糊解耦PID 算法较其他两种算法对被控对象参数的变化具有更强的适应能力，这体现了模糊解耦控制的最大特点就是不依赖被控对象的精确数学模型，当被控对象的参数在一定范围内变化时，对系统的动态性能影响不大。

3结语
本文对坩埚下降法晶体生长炉温度控制系统，
针对PID 算法与传统解耦PID 算法所存在的动态性能较差、抗干扰性能较弱、严重依赖被控对象的精确数学模型等问题。

在传统解耦控制算法的基础上进行改进，提出了模糊解耦PID 算法，通过仿真分析，相较于PID 算法与传统解耦的PID 算法，模糊解耦算法在超调量、动态性能、抗干扰性、系统运行稳定性上表现优异，同时面对被控对象参数的变化也具有很好的适应能力，本方法较为简单实用，可以
广泛应用于晶体生长炉的控温过程。

参考文献：
[1]
闫晓东.铌酸锂晶体极化工艺及坩埚下降法生长研究[D].上海：上海应用技术大学，2020.
[2]沈瑞冰，胡志洁.基于广义预测控制方法的多温区温度控制研究
[J].电子设计工程，2020，28（21）：89-92.
[3]于强，王刚，秦琳琳，等.多温区空间晶体生长炉的解耦预测控制研究[J].系统仿真学报，2010，22（8）：1947-1950+1973.
[4]韩树军.坩埚下降法晶体生长自动化控制[J].工业设计，2017（7）：
175-176.
[5]朱启然，李绍勇，李鹏波.空调房间温湿度PID 解耦控制系统的仿真研究[J].控制工程，2019，26（5）：851-858.
[6]
达成莉.多变量系统解耦现状的分析[J].工业控制计算机，2011，
24（12）：69-71.[7]汪洋，江厚顺，许冬进，等.基于矩阵解耦的精馏塔VOFFLC 温控系统[J].控制工程，2023，30（2）：262-274+291.
[8]
Wang H ，Chen B ，Lin C ，et al.Observer 鄄based neural adaptive control for a class of MIMO delayed nonlinear systems with input nonlinearities[J].Neurocomputing ，2017，275：1988-1997.
[9]宋帆，马小晶，王宏伟，等.基于分数阶的神经网络解耦控制优化方法[J].控制工程，2022，29（4）：692-698.
[10]平玉环，于希宁，孙剑，等.多变量系统模糊解耦方法综述[J].仪器
仪表用户，2010，17（1）：1-2.
[11]束仁冬，孟令启，李进，等.基于模糊解耦控制的玻璃温室大棚的
环境监控[J].江汉大学学报（自然科学版），2021，49（6）：87-96.
[12]王博华.基于模糊控制法的工业炉燃烧系统模糊解耦控制研究
[J].工业加热，2022，51（8）：39-41.
[13]陈晖.模糊化方法的研究[J].自动化博览，2008，162（7）：71-73.[14]刘恒.模糊推理的Mamdani 算法及其Matlab 实现[J].科教文汇，
2008（30）：269+271.
[15]康丽芳.基于组态王晶体炉控制系统的设计[D].西安：西安理工
大学，2016.
[16]齐晓慧，田庆民，董海瑞.基于Matlab 系统辨识工具箱的系统建
模[J].兵工自动化，2006，25（10）：88-90.
■
图7上温区模型失配时仿真对比曲线
Fig.7Simulation comparison curve when the upper
temperature zone model is mismatched
800700600
5004003002001000温度/（℃）
0.51
1.5
2
2.5时间/s
模糊解耦+PID 传统解耦+PID
PID
740720700680660640620
1.51.61.71.81.9×10
5
×10
5
图8下温区模型失配时仿真对比曲线
Fig.8Simulation comparison curve when the lower
temperature zone model is mismatched
700600500
4003002001000温度/（℃）
0.5
1
1.5
2 2.5时间/s
模糊解耦+PID 传统解耦+PID
PID
540520500480460
1.5 1.6 1.7 1.8×105
×10
5。