高效太陽(yáng)能電池薄膜生長(zhǎng)工藝優(yōu)化模型的研究及其意義

李桂琴，陸利新，葉曉軍，李紅波，夏士偉

（1. 上海大學(xué) 機(jī)自學(xué)院，上海 200072；2. 上海空間電源研究所，上海 200241；3. 上海欣邦電氣有限公司，上海 200051）

0 引言

開發(fā)新能源和可再生清潔能源是21世紀(jì)最具決定影響的技術(shù)領(lǐng)域之一，太陽(yáng)能光伏技術(shù)是近年來(lái)發(fā)展最快、最有活力的可再生能源利用技術(shù)。薄膜太陽(yáng)能電池是第二代太陽(yáng)能電池，它是是在玻璃或不銹鋼等基板上沉積幾微米厚的薄膜而成，具有成本低、能耗低、單片電池面積大等優(yōu)點(diǎn)，便于工業(yè)化大規(guī)模生產(chǎn)，成為降低太陽(yáng)電池成本的主要手段和發(fā)展趨勢(shì)。

薄膜的結(jié)構(gòu)和性質(zhì)與制備工藝的關(guān)系非常密切，目前認(rèn)為以輝光放電法制備的非晶硅膜質(zhì)量最好，即在輝光放電裝置中，利用反應(yīng)氣體在等離子體中發(fā)生分解而在襯底上淀積成薄膜。等離子增強(qiáng)化學(xué)氣相沉積（Plasma Enhanced Chemical Vapor Deposition，PECVD）作為薄膜生長(zhǎng)的核心設(shè)備，它的制備工藝條件，如襯底溫度、射頻電源的功率、工作氣壓、不同氣體的比例、氣體的流速等都對(duì)薄膜的生長(zhǎng)速率、成分、結(jié)構(gòu)、物理性能等有較大影響；另外設(shè)備的結(jié)構(gòu)參數(shù)，如氣體的氣流分布均勻性和電場(chǎng)分布均勻性等也影響薄膜太陽(yáng)電池產(chǎn)品的質(zhì)量及生產(chǎn)效率。

設(shè)備的工藝水平?jīng)Q定著薄膜生產(chǎn)技術(shù)水平，而工藝參數(shù)的控制一直是PECVD設(shè)備較難解決的一個(gè)問(wèn)題。國(guó)外在研究設(shè)備的同時(shí)也在為該設(shè)備的正常合理化工藝作針對(duì)性的研究?，F(xiàn)在國(guó)產(chǎn)設(shè)備的成膜速率低，并且不均勻，究其原因就是在研究設(shè)備的過(guò)程當(dāng)中對(duì)設(shè)備的工藝參數(shù)控制的研究不足，這就造成了制造設(shè)備企業(yè)生產(chǎn)的設(shè)備與工藝的脫節(jié)，有的甚至有較大程度的設(shè)計(jì)不合理。工藝穩(wěn)定性根本不能保證，嚴(yán)重影響產(chǎn)品質(zhì)量薄膜生長(zhǎng)過(guò)程中存在多目標(biāo)優(yōu)化問(wèn)題，如體現(xiàn)產(chǎn)品質(zhì)量的薄膜均勻性、體現(xiàn)生長(zhǎng)效率的鍍膜速率等，這些需求之間存在相互矛盾與制約。

薄膜生長(zhǎng)過(guò)程最佳參數(shù)的確定需要大量的工作，過(guò)去常常通過(guò)反復(fù)試驗(yàn)，或依靠經(jīng)驗(yàn)來(lái)解決這類問(wèn)題。PECVD技術(shù)沉積薄膜的過(guò)程是一個(gè)非常復(fù)雜的物理化學(xué)過(guò)程，涉及等離子體化學(xué)反應(yīng)、熱力學(xué)和動(dòng)力學(xué)原理的復(fù)雜過(guò)程，已超出了平衡熱力學(xué)和動(dòng)力學(xué)理論范圍[1]，是非線性、多層次、隨機(jī)的、不確定性等多種復(fù)雜特性的組合。其反應(yīng)室內(nèi)部電極間電場(chǎng)、流體場(chǎng)、溫度場(chǎng)等的分布均勻性將直接影響到薄膜沉積的均勻性。因此，面向薄膜生長(zhǎng)控制的工藝過(guò)程建模，建立工藝參數(shù)與薄膜性能之間的定量解析關(guān)系變得極為必要，成為改進(jìn)工藝、提升裝備技術(shù)水平迫切需要解決的關(guān)鍵問(wèn)題。

1 薄膜設(shè)備工藝發(fā)展與薄膜生長(zhǎng)規(guī)律研究

半導(dǎo)體設(shè)備的發(fā)展有兩種方式，一是通過(guò)整體技術(shù)的革新，二是通過(guò)單元技術(shù)工藝的創(chuàng)新。當(dāng)前世界上對(duì)非晶硅及多晶硅薄膜的研究，其核心在于PECVD設(shè)備的鍍膜均勻性和鍍膜速率難以兩全的問(wèn)題，國(guó)內(nèi)外學(xué)者普遍發(fā)現(xiàn)隨著沉積速率的提高，材料質(zhì)量與電池性能逐步下降[2~4]。首先薄膜沉積過(guò)程不僅與反應(yīng)氣體有關(guān)，而是與反應(yīng)氣體、反應(yīng)產(chǎn)物氣體、中間產(chǎn)物氣體、副產(chǎn)物氣體、殘留氣體等的混合氣體有關(guān)。平板電極式PECVD中采用四周排氣結(jié)構(gòu)，上述氣體存在一定的濃度梯度分布，導(dǎo)致鍍膜區(qū)域各種氣體濃度比例的非均勻分布，影響PECVD鍍膜均勻性。另外，高質(zhì)量的硅薄膜生長(zhǎng)需要有一定的條件（包括溫度、速率等）。一般來(lái)說(shuō)，鍍膜速率越慢，溫度越高，晶體生長(zhǎng)越充分，膜層質(zhì)量越好。但在薄膜電池應(yīng)用中既需要低溫工藝，又需要高產(chǎn)能，兩者之間存在矛盾和制約。

為更好地了解薄膜的生長(zhǎng)過(guò)程，國(guó)內(nèi)外學(xué)者進(jìn)行了廣泛的實(shí)驗(yàn)和理論研究，主要集中在薄膜生長(zhǎng)過(guò)程的物理和化學(xué)過(guò)程的解釋、建模及控制等方面。PECVD熱力學(xué)分析可以定量描述沉積速率和沉積層組成，動(dòng)力學(xué)分析研究沉積機(jī)理，即各種表面化學(xué)反應(yīng)步驟的進(jìn)行規(guī)律及其相互聯(lián)系[5]。研究發(fā)現(xiàn)等離子體光發(fā)射譜中的Si*或SiH*的發(fā)射強(qiáng)度正比于非晶硅或微晶硅薄膜的沉積速率[6~10]，而且光譜中Hα的強(qiáng)度可看作等離子中原子H濃度的表征[11]，工作氣壓與輝光功率改變時(shí)，材料的晶化率隨Hα/Si*或者Hα/SiH*的比值的下降而逐步下降[8,9]，而且當(dāng)Hα/Si*比值高于某一個(gè)特定數(shù)值時(shí)，薄膜的生長(zhǎng)發(fā)生了從非晶硅向微晶硅的轉(zhuǎn)變，而且這個(gè)比值與離子能量和沉積速率無(wú)關(guān)[10]。國(guó)內(nèi)外在薄膜沉積的有限單元法、蒙特卡羅、分子動(dòng)力學(xué)、量子力學(xué)模擬等方面也做了大量研究，得到比較好的效果[12~16]。E. Pleule等[17]對(duì)微波CVD金剛石沉積進(jìn)行有限元數(shù)字模擬，并開發(fā)一個(gè)反應(yīng)室原型系統(tǒng)測(cè)試仿真結(jié)果；Olivier Leroy等[18]建立二維模型模擬PECVD中的電、熱、和化學(xué)現(xiàn)象，并與實(shí)驗(yàn)對(duì)比，獲得了較滿意的效果。中國(guó)科學(xué)院上海硅酸鹽研究所和上海交通大學(xué)通過(guò)實(shí)驗(yàn)研究,得到了SiNx薄膜的生長(zhǎng)速率隨工作壓力、氨氣與硅烷的流量比、反應(yīng)溫度變化的規(guī)律[19]，You-Jae Kim[20]、王慶章[21]對(duì)薄膜工藝的氣流場(chǎng)進(jìn)行仿真，用于改進(jìn)薄膜沉積中的噴頭設(shè)計(jì)；胡貴華等[22]采用可視化方式模擬PECVD反應(yīng)室內(nèi)氣體的溫度場(chǎng)和速度場(chǎng)分布情況，但沒(méi)有考慮反應(yīng)室內(nèi)的表面化學(xué)反應(yīng)；葛洪[23]等對(duì)電極間電勢(shì)分布的均勻性進(jìn)行了數(shù)值模擬，獲得優(yōu)化的真空電勢(shì)分布。

薄膜材料的性能與其微結(jié)構(gòu)及組分密切相關(guān)，薄膜的光電特性強(qiáng)烈地依賴于薄膜的微結(jié)構(gòu)、化學(xué)組分和雜質(zhì)性質(zhì)。薄膜的生長(zhǎng)過(guò)程通常遠(yuǎn)離平衡態(tài)，形成的隨機(jī)性很大，具有復(fù)雜的非規(guī)則微結(jié)構(gòu)，如何準(zhǔn)確地表征薄膜的非規(guī)則微結(jié)構(gòu)一直是科學(xué)研究的重要課題。

分形理論是本課題研究應(yīng)用的核心理論。分形理論可用于對(duì)材料顯微圖像的定量表征。建立在分維概念基礎(chǔ)上的分形理論是非線性科學(xué)的重要組成部分之一，在表面粗糙度的測(cè)量[24]、晶界形貌、材料斷裂機(jī)理分析、凝聚體結(jié)構(gòu)等研究中都有重要應(yīng)用[25]。在一些非平衡的薄膜過(guò)程中，如氣態(tài)薄膜介質(zhì)中的電擊穿、液體薄膜中的晶體生長(zhǎng)、液體街面上的電解沉積、固體薄膜中的分形晶化、培養(yǎng)基板上細(xì)菌群落的生長(zhǎng)等，都出現(xiàn)分形生長(zhǎng)現(xiàn)象。分形幾何其中心內(nèi)容是指不規(guī)則幾何形體在動(dòng)力學(xué)演化過(guò)程中，在一定的標(biāo)度尺度范圍內(nèi)相應(yīng)的測(cè)度不隨尺度的改變而改變。正因?yàn)榉中卫碚撛诿枋鲎匀唤缰袕?fù)雜現(xiàn)象方面的獨(dú)特作用，為研究復(fù)雜問(wèn)題提供了新方法，開辟了新視野。1985年Elam等首先利用電子顯微鏡獲得了沉積在840℃的石英襯底上的濺射NbGe2薄膜的分形圖形，論證了分形理論在薄膜微觀形態(tài)模擬中應(yīng)用的可行性。由于薄膜表面的形貌對(duì)薄膜制成的器件的電特性產(chǎn)生強(qiáng)烈的影響，國(guó)內(nèi)外學(xué)者對(duì)從分形角度對(duì)薄膜生長(zhǎng)發(fā)生了廣泛的興趣。

計(jì)算智能（CI，Computational Intelligence ）方法是通過(guò)對(duì)不確定、不精確及不完全真值的容錯(cuò)以取得低代價(jià)的解決方案和魯棒性，近年來(lái)，越來(lái)越多的學(xué)者把傳統(tǒng)理論與人工智能技術(shù)相結(jié)合，對(duì)復(fù)雜系統(tǒng)進(jìn)行智能化控制。神經(jīng)網(wǎng)絡(luò)系統(tǒng)是一個(gè)具有高度非線性的超大規(guī)模連續(xù)時(shí)間動(dòng)力系統(tǒng)[25]，遺傳算法的整體搜索策略和優(yōu)化搜索方法，提供了一種求解復(fù)雜系統(tǒng)問(wèn)題的通用框架，對(duì)問(wèn)題的種類有很強(qiáng)的魯棒性，模糊控制適合于不確定分布參數(shù)、非線性、多輸入多輸出、時(shí)變等復(fù)雜系統(tǒng)的控制問(wèn)題。將三者結(jié)合是智能控制研究的主要方向之一。Hong S.等[26]分析了半導(dǎo)體制造過(guò)程中的物理化學(xué)現(xiàn)象，指出蒙特卡羅模擬等方法計(jì)算量大、對(duì)宏觀效果的描述有限，經(jīng)驗(yàn)方法包括統(tǒng)計(jì)實(shí)驗(yàn)設(shè)計(jì)等的精確性受到質(zhì)疑，認(rèn)為神經(jīng)網(wǎng)絡(luò)的精度和魯棒性都優(yōu)于統(tǒng)計(jì)方法，并采用發(fā)射光譜數(shù)據(jù)建立神經(jīng)網(wǎng)絡(luò)對(duì)離子蝕刻反應(yīng)建模，結(jié)果與測(cè)試數(shù)據(jù)達(dá)到很好的一致性。Byungwhan Kim等[27]應(yīng)用遺傳算法優(yōu)化廣義回歸神經(jīng)網(wǎng)絡(luò)來(lái)預(yù)測(cè)等離子增強(qiáng)沉積過(guò)程，與一般的廣義回歸神經(jīng)網(wǎng)絡(luò)和統(tǒng)計(jì)回歸模型對(duì)比，表現(xiàn)出更顯著的預(yù)測(cè)效果。山東大學(xué)[28]利用人工神經(jīng)網(wǎng)絡(luò)建立了工藝條件和Si3N4 薄膜的顯微硬度關(guān)系模型，用遺傳算法優(yōu)化制備薄膜的工藝參數(shù)。P.Melin和Casillo.O[29,30]將混合智能系統(tǒng)用于復(fù)雜電化學(xué)制造工藝控制、神經(jīng)-模糊-分形方法用于非線性生物化學(xué)反應(yīng)器中非穩(wěn)態(tài)行為的控制等。

2 薄膜生長(zhǎng)工藝優(yōu)化模型

圖1 神經(jīng)網(wǎng)絡(luò)與遺傳算法集成的多目標(biāo)優(yōu)化模型

將神經(jīng)網(wǎng)絡(luò)與分形理論相結(jié)合，充分利用神經(jīng)網(wǎng)絡(luò)非線性映射、計(jì)算能力、自適應(yīng)等優(yōu)點(diǎn)，大大地減少傳統(tǒng)實(shí)數(shù)域分形維數(shù)的計(jì)算量，能夠取得更好的效果。模糊邏輯和神經(jīng)網(wǎng)絡(luò)結(jié)合建立的模糊神經(jīng)網(wǎng)絡(luò)，能夠?qū)斎胫颠M(jìn)行判斷選擇, 如果所提供的輸入變量是無(wú)效的, 它就會(huì)在訓(xùn)練過(guò)程中自動(dòng)被丟棄，同時(shí)在得到輸出值的同時(shí)生成規(guī)則集。遺傳算法能夠?qū)ι窠?jīng)網(wǎng)絡(luò)學(xué)習(xí)規(guī)則實(shí)現(xiàn)自動(dòng)優(yōu)化，從而提高學(xué)習(xí)速率；其全局優(yōu)化及隱含并行性的特點(diǎn)能夠提高權(quán)系數(shù)優(yōu)化速度，解決復(fù)雜系統(tǒng)中神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)難的問(wèn)題。 當(dāng)用遺傳算法進(jìn)行優(yōu)化時(shí)，其最大的難題就是需要一個(gè)適應(yīng)度函數(shù)來(lái)評(píng)估優(yōu)化的結(jié)果，利用神經(jīng)網(wǎng)絡(luò)作為遺傳算法的適應(yīng)度函數(shù)進(jìn)行處理，無(wú)需為遺傳算法建立一個(gè)新的適應(yīng)度函數(shù)，這種方法對(duì)于解決適應(yīng)度函數(shù)難以獲得的問(wèn)題和提高計(jì)算效率非常有效（如圖1所示）。因此，將它們有機(jī)結(jié)合和集成，把分維和材料性能及制備工藝（如制備薄膜的溫度和時(shí)間）相聯(lián)系，即找到定量關(guān)系式，進(jìn)而通過(guò)分形研究來(lái)改善材料性能，找到最佳制備工藝，解決成膜質(zhì)量和鍍膜速率難以兩全的問(wèn)題。圖2為模型總體結(jié)構(gòu)圖。

首先，以PECVD設(shè)備為主要實(shí)驗(yàn)手段，結(jié)合已有的等離子體反應(yīng)、氣體反應(yīng)和表面化學(xué)反應(yīng)生長(zhǎng)機(jī)理，使用數(shù)據(jù)驅(qū)動(dòng)與反應(yīng)機(jī)理融合的混合模型作為逼近實(shí)際非線性過(guò)程的模型，以提高模型的預(yù)測(cè)性能。

圖2 模型總體結(jié)構(gòu)圖

其次，采用玻璃襯底或不銹鋼柔性襯底沉積納米硅/微晶硅薄膜，分別選擇相同和不同的試件重復(fù)薄膜生長(zhǎng)實(shí)驗(yàn)；通過(guò)采用正交實(shí)驗(yàn)等方法改變主要工藝條件，確定薄膜生長(zhǎng)的主要影響參量；測(cè)試和獲得不同試驗(yàn)條件和不同試驗(yàn)階段的分形圖像及其性能參數(shù)（厚度、折射率等）。

然后，通過(guò)實(shí)驗(yàn)結(jié)果的分析與比較，對(duì)分形與計(jì)算智能集成的理論和算法進(jìn)行測(cè)試與驗(yàn)證；并根據(jù)實(shí)驗(yàn)與模擬結(jié)果對(duì)比，若存在不一致情況，找出影響因素，修正計(jì)算模型。

最后，建立新型的決策分析系統(tǒng)，將集成系統(tǒng)的輸出結(jié)果進(jìn)行自動(dòng)分析、決策，并將結(jié)果用于指導(dǎo)太陽(yáng)能電池薄膜生長(zhǎng)過(guò)程控制。

3 結(jié)束語(yǔ)

提出一種用于太陽(yáng)能電池薄膜生長(zhǎng)的工藝建模方法，采用的計(jì)算智能技術(shù)與分形方法綜合集成的方法：計(jì)算智能技術(shù)用來(lái)生成混合智能系統(tǒng)，分形理論提供數(shù)學(xué)工具來(lái)模擬自然對(duì)象的幾何復(fù)雜性，采用分形維數(shù)技術(shù)，用于識(shí)別和系統(tǒng)建模過(guò)程，從而為PECVD設(shè)備制造和PECVD鍍膜工藝提供一定的理論指導(dǎo)依據(jù)，使設(shè)備工藝更符合生產(chǎn)的要求；另外，在PECVD設(shè)備的設(shè)計(jì)階段就考慮其使用的工藝要求，可使PECVD設(shè)備的生產(chǎn)與使用工藝不脫節(jié)，從而為規(guī)模生產(chǎn)鋪路，能夠推動(dòng)裝備的研究與應(yīng)用開發(fā)，提高智能制造水平。

[1] Fischer-Cripps A C.Nanoindentation.New York:Spring-Verlag,Inc.2002.

[2] B.Rech,T.Roschek,T.Repmann,et al.Microcrystalline Silicon for Large Area Thin Film Solar Cells.Thin Solid Films,2003,427:157-165.

[3] M.Kondo,S.Suzuki,Y.Nasuno,et al.Recent Development in the High Growth Rate Technique of Device-Grade Microcrystalline Silicon Thin Film. Plasma Sources Sci.Technol.2003,12(4):S111-S116.

[4] C.Niikura,M.Kondo,A.Matsuda. Preparation of Microcrystalline Silicon Films at Ultra High-Rate of 10nm/S Using High-Density Plasma,J.Non-Cryst.Solids,2004,338-340(15):42-46.

[5] G.Y.Meng,H.Z.Song, H.B.Wang,et al.Progress in ion-transport inorganic membranes by novel chemical vapor deposition(CVD)techniques,Thin Solid Films,2002,409(1):105-111.

[6] A.Matsuda,T.Kaga, H. Tanaka,et al.Glow-Discharge Deposition of a-Si:H from Pure Si2h6 and Pure Sih4,Jpn.J.Appl.Phys.,1983,22:L115-L117.

[7] A.A.Howling,J.-L.Dorier,Ch.Hollenstein, et al. Frequency Effect in Silane Plasmas Enhanced Chemical Vapor Deposition,J.Vac.Sci.Technol.1992,10(4):1080-1085.

[8] H.Keppner,J.Meier, P.Torres,et al.Microcrystalline Silicon and Micromorph Tandem Solar Cells.Appl.Phys.A:Mater.Sci.Process.1999,69(2):69.

[9] L.Guo,M.Kondo,M.Fukawa,Etal.High Rate Deposition of Microcrystalline Silicon Using Conventional Plasma Enhance Chemical Vapor Deposition,Jpn.J.Appl.Phys.1998,37:L1116-L1118.

[10]J.K.Rath,R.H.J.Franken,A.Gorgijn,et al.Growth Mechanism of Microcrystalline Silicon at High Pressure Conditions,J.Non-Cryst.Solids,2004,338-340(15):56-60.

[11]M.Heintze,R.Zedlitz,.H.Bauer.Analysis of High-Rate a-Si:H Deposition in a VHF Plasma,J.Phys.D:Appl.Phys.1993,26:1781-1786.

[12]宋鵬,陸建生,周潔,等.影響金屬薄膜沉積初期因素的有限單元法模擬[J].材料科學(xué)與工藝,2007,15(2):290-293.

[13]王恩哥.薄膜生長(zhǎng)中的表面動(dòng)力學(xué)[J].物理學(xué)進(jìn)展,2003,(1):1-61,

[14]鄭小平,張佩峰,范多旺.擴(kuò)散理論對(duì)RLA模型中交換作用的研究[J]. 物理學(xué)報(bào),2008(1):425-429.

[15]Meixner M,Kunert R,Scholl E. Control of strain-mediated growth kinetics of self-assembled semiconductor quantum dots. Phys Rev B,2003,67(19):195301.

[16]A.F.Bower,E.Chason,L.B.Freund,et al.Self-organization in strained heteroepitaxial nanostructures:multi-scale modeling,simulation and experiment.NSF Nanoscale Science and Engineering Grantees Conference,2003,Dec 16-18.

[17]E.Pleuler,C.Wild,et al,The CAP-reactor,a novel microwave CVD system for diamond deposition, Diamond and Related Materials,2002,(11):467-471.

[18]Olivier Leroy,Gérard Gousset,Luís Lemos Alves,et al.Twodimensional modeling of SiH4-H2 radio-frequency discharges for a-Si:H deposition. Plasma Sources Science and Technology,1998,3(7):348-358.

[19]劉學(xué)建,金承鈺,黃智勇,等.工藝因素對(duì)低壓化學(xué)氣相沉積氮化硅薄膜的影響[J].硅酸鹽學(xué)報(bào),2003,31(10):986-990.

[20]王慶章,趙庚申,許盛之,等.薄膜工藝中的系統(tǒng)仿真研究[J].南開大學(xué)學(xué)報(bào)(自然科學(xué)版),2006,39(6):45-48.

[21]You-Jae Kim,Jin-Hyo Boo,Byungyou Hong,et al.Effects of showerhead shapes on the flowfields in a RF-PECVD reactor.Surface & Coatings Technology,2005,193(1-3):88-93.

[22]胡貴華,朱文華,俞濤,等. PECVD 熱流場(chǎng)數(shù)值模擬的可視化研究[J].系 統(tǒng) 仿 真 學(xué) 報(bào),2008,20(21):5885-5889.

[23]葛洪,張曉丹,岳強(qiáng),等.大面積VHF-PECVD用多點(diǎn)饋入平行板電極饋入點(diǎn)優(yōu)化的數(shù)值研究[J].真空科學(xué)與技術(shù)學(xué)報(bào),2008,28(4):281-285.

[24]Schmahling J A,Hamprecht F A,Hoffmann D M P.Three-dimensional measure of surface roughness based on mathematical morphology.International Journal of Machine Tools and Manufacture,2006,46(14):1764-1769.

[25]魏諾.非線性科學(xué)基礎(chǔ)與應(yīng)用[M].北京:科學(xué)出版社,2004.

[26]Hong S.,May G.,Park D.Neural Network Modeling of Reactive Ion Etch Using Optical Emission Spectroscopy Data.IEEE Trans.Semi.Manufac.2003,16(4):598-608.

[27]Byungwhan Kim,Dukwoo Lee,Seung Soo Han. Prediction of Plasma Enhanced Deposition Process Using GA-Optimized GRNN.Advances in Neural Networks,ISNN 2006(2):1020-1027.

[28]張勤儉,吳春麗,李敏,等.人工神經(jīng)網(wǎng)絡(luò)—遺傳算法優(yōu)化激光—等離子體化學(xué)氣相沉積Si3N4薄膜制備工藝[J].陶瓷學(xué)報(bào),2002,23(2):116-118.

[29]P.Melin,O.Castillo,Controlling complex electrochemical manufacturing processes with hybrid intelligent systems.Proceedings of the North American Fuzzy Information Processing Society,Atlanta,GA,2000:490-494.

[30]P.Melin,O.Castillo.Controlling Chaotic and Unstable Behavior in Non-Linear Biochemical Reactors by Using a New Neuro-Fuzzy-Fractal Approach. The Ninth IEEE International Conference on Fuzzy Systems,2000.2:949-952.