基于遺傳算法的PID控制在IC芯片烘箱中的應(yīng)用*

梁達(dá)平，趙利民，蔡志元

（1.天水師范學(xué)院電信與電氣工程學(xué)院，甘肅天水 741000；2.天水華天科技股份有限公司，甘肅天水 741000）

1 引言

IC（集成電路）芯片烘箱是IC封裝生產(chǎn)線中的重要設(shè)備之一，主要用于上芯后裝片膠的固化。由于裝片膠的特性以及IC芯片的性能要求，必須保證固化工序中烘箱腔體內(nèi)具有較好的溫度均勻性和溫控動(dòng)態(tài)響應(yīng)性等，這就要求IC芯片烘箱要比傳統(tǒng)潔凈烘箱具有更高的綜合控制性能。

IC芯片烘箱由溫度控制單元、含氧量控制單元、箱體、加熱單元、風(fēng)道單元、氮?dú)鈫卧?、冷卻單元等組成，其結(jié)構(gòu)如圖1所示[1]。

圖1 IC芯片烘箱結(jié)構(gòu)圖

目前市場(chǎng)上國(guó)產(chǎn)烘箱產(chǎn)品大多存在著共同的問(wèn)題，即由于IC芯片烘箱的加熱方式采用的是電加熱熱風(fēng)循環(huán)，在循環(huán)風(fēng)道的制造過(guò)程中，每一臺(tái)產(chǎn)品的循環(huán)路徑很難做到完全一致，導(dǎo)致烘箱腔體溫度均勻性不夠，也就是說(shuō)每一臺(tái)烘箱的加熱曲線都是不同的，烘箱產(chǎn)品加熱模型個(gè)體化差異較大。而芯片產(chǎn)品的固化工藝對(duì)于溫度控制的要求很高，如果誤差過(guò)大很容易燒壞整批芯片，造成巨大的經(jīng)濟(jì)損失，這就要求控制算法的魯棒性非常好，在最終產(chǎn)品上溫度跟蹤精度始終達(dá)到95%以上。因此，現(xiàn)有烘箱產(chǎn)品在溫度控制的動(dòng)態(tài)性能方面還有較大的提高空間。

針對(duì)以上問(wèn)題，設(shè)備生產(chǎn)商也進(jìn)行了有關(guān)技術(shù)改造和研究工作，但是研究的重點(diǎn)大多集中于設(shè)備機(jī)械設(shè)計(jì)優(yōu)化和零件精度提高方面，而在溫控系統(tǒng)控制算法優(yōu)化方面卻研究較少，相應(yīng)的各類文獻(xiàn)數(shù)據(jù)庫(kù)中也只有為數(shù)不多的相關(guān)研究資料。因此我們?cè)跀M定研究方案時(shí)，需要廣泛借鑒其他行業(yè)中類似問(wèn)題的解決方法。例如，文獻(xiàn)[2]在自動(dòng)熱工調(diào)節(jié)系統(tǒng)控制器的PID參數(shù)優(yōu)化問(wèn)題中，將目標(biāo)函數(shù)設(shè)計(jì)為誤差絕對(duì)值與時(shí)間乘積的積分，通過(guò)單純形法進(jìn)行PID參數(shù)尋優(yōu)，尋找目標(biāo)函數(shù)最小值時(shí)的控制系統(tǒng)最優(yōu)解，文中還論述了優(yōu)化算法的計(jì)算過(guò)程。文獻(xiàn)[3]將先進(jìn)PID控制理論中的神經(jīng)網(wǎng)絡(luò)PID控制、專家PID控制及模糊PID控制相結(jié)合，設(shè)計(jì)了改進(jìn)型PID算法，并分別對(duì)幾種算法進(jìn)行了實(shí)驗(yàn)仿真和數(shù)據(jù)分析。文獻(xiàn)[4]針對(duì)溫控系統(tǒng)中經(jīng)常存在的時(shí)變、非線性、慣性及滯后等問(wèn)題，提出了一種具有自適應(yīng)功能的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的PID控制策略，建立了3層前向RBF網(wǎng)絡(luò)模型，在PID控制過(guò)程中，由RBF網(wǎng)絡(luò)進(jìn)行在線系統(tǒng)辨識(shí)，從而得到系統(tǒng)梯度信息，根據(jù)梯度信息對(duì)PID參數(shù)進(jìn)行自適應(yīng)調(diào)節(jié)。文獻(xiàn)[5]提出一種BP神經(jīng)網(wǎng)絡(luò)PID控制優(yōu)化算法，通過(guò)Polak-Ribiere線性搜索，對(duì)常規(guī)BP神經(jīng)網(wǎng)絡(luò)PID控制算法進(jìn)行改進(jìn)，提高了網(wǎng)絡(luò)學(xué)習(xí)速率，改善了神經(jīng)網(wǎng)絡(luò)易陷入局部極小的問(wèn)題。文獻(xiàn)[6]設(shè)計(jì)了一種模糊自適應(yīng)PID控制器，能夠在系統(tǒng)偏差較大時(shí)自動(dòng)采用模糊控制算法，根據(jù)偏差變化和規(guī)則矩陣計(jì)算并實(shí)時(shí)調(diào)節(jié)PID參數(shù)，當(dāng)偏差較小時(shí)自動(dòng)采用傳統(tǒng)PID控制。

綜合上述文獻(xiàn)資料，可以看出雖然上述方法普遍具備良好的尋優(yōu)能力，但是也存在著較大的弊端。專家控制算法及模糊算法過(guò)于依賴經(jīng)驗(yàn)數(shù)據(jù)，構(gòu)造目標(biāo)函數(shù)、隸屬度函數(shù)、知識(shí)庫(kù)等數(shù)據(jù)的周期太長(zhǎng)，個(gè)體化特征太明顯，在不同的生產(chǎn)環(huán)境及設(shè)備環(huán)境中，性能起伏過(guò)大；單純形法與神經(jīng)網(wǎng)絡(luò)算法對(duì)初始條件的要求太高，容易陷入局部最優(yōu)解。因此，我們選擇了不需要特定初始信息并且可以全局搜索最優(yōu)解的遺傳算法作為主算法，并做了一定的改進(jìn)，加入自適應(yīng)及在線計(jì)算功能。相較于單純形法，遺傳算法的高尋優(yōu)特性降低了系統(tǒng)對(duì)初值的高敏感度，即使初始條件設(shè)定失真仍然能夠?qū)ふ业阶顑?yōu)解。同時(shí)它不需要建立復(fù)雜的策略規(guī)則和知識(shí)庫(kù)，避免了專家控制算法中必需的大數(shù)據(jù)量知識(shí)庫(kù)及大量仿真實(shí)驗(yàn)等前期消耗。此外，遺傳算法能夠采用分布式從多點(diǎn)開始并行計(jì)算，在解空間內(nèi)開展快速啟發(fā)式尋優(yōu)，避免了神經(jīng)網(wǎng)絡(luò)算法可能出現(xiàn)過(guò)早進(jìn)入局部最優(yōu)狀態(tài)的問(wèn)題。

2 傳統(tǒng)遺傳控制算法的PID整定原理

傳統(tǒng)遺傳控制算法的執(zhí)行流程分為確定參數(shù)及取值范圍、選取初始種群、設(shè)計(jì)適配函數(shù)、循環(huán)運(yùn)行遺傳計(jì)算流程4個(gè)階段，最后一個(gè)階段將運(yùn)行到得出搜索結(jié)果為止。

2.1 確定參數(shù)及取值范圍

首先要確定被調(diào)解對(duì)象，即PID控制的3個(gè)K值參數(shù)。其次要確定參數(shù)能夠取值的范圍，IC芯片烘箱溫控系統(tǒng)的PID參數(shù)范圍一般為KP∈[1,30],KI,KD∈[0,2]。然后根據(jù)精度要求，對(duì)3個(gè)PID的K參數(shù)進(jìn)行二進(jìn)制編碼或?qū)崝?shù)編碼，這里選用實(shí)數(shù)編碼方式。

2.2 選擇初始種群

一般是通過(guò)加權(quán)隨機(jī)的方式，以區(qū)間最小值加區(qū)間隨機(jī)值的計(jì)算方法確定最初的一組解。雖然遺傳算法也需要確定初始條件，但是基于其尋優(yōu)算法原理，事實(shí)上并不依賴于初始解的選擇是否準(zhǔn)確。

2.3 設(shè)計(jì)適應(yīng)度函數(shù)

以兼顧系統(tǒng)動(dòng)態(tài)性能和穩(wěn)定性能為原則，在目標(biāo)函數(shù)J中加入控制量，以控制量、穩(wěn)態(tài)誤差、上升時(shí)間為約束。由于目標(biāo)函數(shù)J與適應(yīng)度函數(shù)f的相關(guān)性，就可以得到在滿足約束條件下的f最優(yōu)解。

2.4 循環(huán)運(yùn)行遺傳流程

遺傳計(jì)算流程如圖2所示。

首先將種群中個(gè)體進(jìn)行十進(jìn)制參數(shù)解碼，用該參數(shù)求取目標(biāo)函數(shù)值J及適應(yīng)度函數(shù)f，取f=1/J。然后采用復(fù)制、交叉和變異算子對(duì)種群P(t)進(jìn)行遺傳操作，并產(chǎn)生出下一代種群P(t+1)。循環(huán)運(yùn)行以上兩個(gè)步驟直到參數(shù)進(jìn)入收斂或都滿足預(yù)期指標(biāo)要求。

圖2 傳統(tǒng)遺傳算法運(yùn)行流程圖

3 多種遺傳控制整定PID算法優(yōu)化性能比較

自1975年J.H.Holland系統(tǒng)地提出遺傳算法的完整體系以來(lái)，為了提高遺傳算法的適應(yīng)性、初始無(wú)關(guān)性、遠(yuǎn)離局部最小性，其算法的改進(jìn)研究一直在進(jìn)行，引入了多種多態(tài)策略和自適應(yīng)策略，從而提出了各種變形遺傳算法。下面具體分析這些主要的變形方式是否能夠?qū)C芯片烘箱的溫控性能帶來(lái)優(yōu)化效果。

3.1 分層算法

針對(duì)某一參數(shù)隨機(jī)生成N×n個(gè)樣本 (N≥2，n≥2)然后將其分成N個(gè)平行種群，每個(gè)種群含有n個(gè)初始樣本。每一個(gè)種群均進(jìn)行獨(dú)立遺傳計(jì)算。這N個(gè)平行種群在設(shè)置時(shí)可以引入完全不同的性能側(cè)重，這樣就可以在后期計(jì)算階段產(chǎn)生出更多類型的優(yōu)良個(gè)體。每當(dāng)這些種群運(yùn)行到一定的代數(shù)時(shí)，將這N個(gè)種群遺傳樣本的數(shù)據(jù)內(nèi)容保存到二維數(shù)組R[1...N,1...n]中，將這N個(gè)種群的平均適應(yīng)度保存到數(shù)組B[1...N]中，則B[i]表示第i代遺傳計(jì)算結(jié)果中N個(gè)種群的平均適應(yīng)值，根據(jù)這N個(gè)平均適應(yīng)度值，對(duì)R數(shù)組中保存的當(dāng)前各個(gè)結(jié)果種群進(jìn)行選擇操作。當(dāng)R[i,1...N]與R[j,1...N]被隨機(jī)匹配在一對(duì)時(shí)，按照預(yù)先(或隨機(jī))設(shè)定的位號(hào)進(jìn)行對(duì)應(yīng)互換，完成組間交叉。同時(shí)，也在每個(gè)種群按照預(yù)設(shè)概率將少量隨機(jī)生成的新個(gè)體替換掉R[1...N,1...n]中隨機(jī)選定的個(gè)體。以上平行種群之間的操作被稱為高層操作，各種群內(nèi)部的獨(dú)立操作被稱為低層操作，均按照一定的預(yù)設(shè)輪數(shù)循環(huán)執(zhí)行。分層方式可以在更大范圍內(nèi)搜索最優(yōu)解，有效避免過(guò)早陷入局部最優(yōu)；缺點(diǎn)是搜索個(gè)體數(shù)相對(duì)更多，不太適用于實(shí)時(shí)性要求較高的控制。

3.2 CHC算法

CHC遺傳算法指跨代優(yōu)品選擇（C）-異物種重組（H）-大變異（C），最早于1991年由Eshelman提出。CHC算法的改進(jìn)之處在于選擇階段，將上一代種群與經(jīng)過(guò)新的交叉方式生成的新個(gè)體群混合起來(lái)，按照預(yù)設(shè)概率選擇較優(yōu)的個(gè)體。而在交叉階段由傳統(tǒng)的均勻交叉方式改進(jìn)為隨機(jī)選取m/2個(gè)位數(shù)（m為2個(gè)父?jìng)€(gè)體相異位數(shù)），這種方式對(duì)于個(gè)體有更強(qiáng)的破壞性，更有利于交叉作用的發(fā)揮。在變異階段，前期不進(jìn)行操作，當(dāng)種群進(jìn)化到收斂期時(shí)，從優(yōu)良個(gè)體中選擇少量個(gè)體進(jìn)行初始化，即按照預(yù)設(shè)概率隨機(jī)選擇位值。由于該算法的計(jì)算量較大，不利于溫度控制過(guò)程中的快速性保持。

3.3 自適應(yīng)算法

在遺傳算法的各個(gè)參數(shù)中，交叉概率Pc和變異概率Pm是影響算法執(zhí)行效率的關(guān)鍵點(diǎn)，能夠直接影響到算法最終的收斂性能。Pc值越大，新個(gè)體生成的速率就越快，但同時(shí)對(duì)于種群的破壞性也越大，可能會(huì)造成遺傳模式無(wú)法快速形成。Pm的作用類似，取值太小很難產(chǎn)生新的優(yōu)良個(gè)體，容易過(guò)早陷入局部尋優(yōu)過(guò)程，取值過(guò)大則會(huì)使算法退化為純粹的隨機(jī)搜索。因此選擇合適的Pc與Pm值是需要結(jié)合控制場(chǎng)景通過(guò)反復(fù)實(shí)驗(yàn)來(lái)確定的，為了改善這種情況，Srinvivas提出了自適應(yīng)算法（AGA），使Pc與Pm值能夠根據(jù)適應(yīng)度的變化進(jìn)行相應(yīng)的動(dòng)態(tài)調(diào)整。當(dāng)種群個(gè)體的適應(yīng)度整體趨于一致時(shí)，適當(dāng)增加Pc與Pm值；反之當(dāng)個(gè)體的適應(yīng)度趨于分散時(shí)，降低Pc與Pm值。此外，不同個(gè)體的Pc與Pm值也進(jìn)行差異化處理，對(duì)于適應(yīng)度高于平均適應(yīng)度的個(gè)體，采用較低的Pc與Pm值，從而保護(hù)優(yōu)良個(gè)體進(jìn)入下一代；而對(duì)于低于平均適應(yīng)度的個(gè)體采用較高的Pc與Pm值，促使其提高被淘汰的概率。這樣就實(shí)現(xiàn)了對(duì)算法效率的推進(jìn)。自適應(yīng)方式尤其適用于工業(yè)控制中的PID參數(shù)整定工作和解決設(shè)備差異性導(dǎo)致的控制模型個(gè)性化問(wèn)題帶來(lái)的高魯棒性要求，可以作為溫度控制的主算法。

3.4 混合算法

混合算法的基本原理在于，以遺傳算法為框架，利用梯度法、爬山法、模擬退火法等優(yōu)化算法或TS搜索等啟發(fā)式搜索算法來(lái)增加其局部尋優(yōu)能力，通過(guò)發(fā)揮傳統(tǒng)數(shù)值優(yōu)化算法在計(jì)算速率與計(jì)算精度上的優(yōu)勢(shì)，并結(jié)合啟發(fā)式搜索算法的記憶功能和重組策略，從而加速遺傳算法在全局優(yōu)化過(guò)程中快速進(jìn)入收斂階段，提高算法的執(zhí)行效率。但其缺點(diǎn)是對(duì)于控制器的性能要求高，計(jì)算的實(shí)時(shí)性較差。

3.5 在線算法

以上的算法都是經(jīng)過(guò)多輪遺傳計(jì)算找到收斂解或滿足預(yù)設(shè)條件解之后，形成靜態(tài)參數(shù)不再改變。這就有兩個(gè)缺點(diǎn)：第一，得到最終運(yùn)算結(jié)果需要多輪運(yùn)算（一般在100輪以上），PID控制器運(yùn)算時(shí)間較長(zhǎng)，設(shè)備實(shí)時(shí)性不好；第二，由于烘箱的溫度一直處于變化之中，烘箱空間內(nèi)氣體的均勻性也在不斷變化，因此系統(tǒng)的模型狀態(tài)事實(shí)上是時(shí)變的。顯然在這種情況下，靜態(tài)參數(shù)不靈活也很難始終保證是當(dāng)前系統(tǒng)狀態(tài)的最優(yōu)解。而在線算法則是在每個(gè)采樣時(shí)刻，都要根據(jù)實(shí)時(shí)的e(t)進(jìn)行遺傳運(yùn)算，為了保證較快的運(yùn)算速度，一般只運(yùn)行20輪以下，然后在整個(gè)種群中選擇出適應(yīng)度最高的一組解代入控制器參數(shù)中，這樣就以化整為零的思想，將一次性校正改進(jìn)為漸近式校正，能夠充分考慮到烘箱內(nèi)部由于空氣傳導(dǎo)慣性帶來(lái)的大滯后以及時(shí)變特性。因而，PID整定算法采用在線模式是更加適合的。

為了更加清晰地將上述5種遺傳改進(jìn)算法在PID整定計(jì)算能力方面的性能特點(diǎn)體現(xiàn)出來(lái)，下面通過(guò)表格的形式比較一下這些算法的優(yōu)缺點(diǎn)各有哪些，具體如表1所示。

表1 5種遺傳改進(jìn)算法比較

4 自適應(yīng)在線遺傳算法PID控制設(shè)計(jì)

基于烘箱的結(jié)構(gòu)特性以及前文中對(duì)各種遺傳改進(jìn)算法特點(diǎn)的分析，這里提出一種在線計(jì)算模式以更好地針對(duì)烘箱腔體氣流的時(shí)變性，并通過(guò)自適應(yīng)策略解決不同烘箱產(chǎn)品由于腔體結(jié)構(gòu)不同、主加工溫度不同、烘烤產(chǎn)品不同所帶來(lái)的設(shè)備差異性問(wèn)題，使設(shè)備溫控系統(tǒng)達(dá)到更強(qiáng)的魯棒性。

4.1 算法計(jì)算流程

烘箱溫度PID控制系統(tǒng)的方框圖如圖3所示，PID控制器配置在前向通道，KP、TI、TD為控制器3個(gè)環(huán)節(jié)的主參數(shù)；G(s)為被控制對(duì)象烘箱腔體的傳遞函數(shù)模型。

圖3 PID控制方框圖

為了便于分開討論3個(gè)環(huán)節(jié)的主參數(shù)，首先將PID控制表達(dá)式轉(zhuǎn)換如下：

式中KI=KP/TI，KD=KPTD。首先根據(jù)經(jīng)驗(yàn)確定烘箱的3個(gè)環(huán)節(jié)主參數(shù)的取值區(qū)間，其中KP∈[8.0,20.0]，KI，KD∈[0.1,1.0]。

第二步，整個(gè)遺傳運(yùn)算所取的樣本個(gè)體數(shù)設(shè)為n=100，由于采用的是在線算法，每個(gè)采樣時(shí)刻設(shè)為0.1 s，每個(gè)采樣時(shí)刻的計(jì)算輪數(shù)設(shè)為20代。

第三步，設(shè)計(jì)目標(biāo)函數(shù)及適應(yīng)度函數(shù)，對(duì)于IC芯片烘箱來(lái)說(shuō)，溫度超調(diào)對(duì)于芯片的損害是十分嚴(yán)重的，多數(shù)情況下需要溫度上升到恒溫階段時(shí)不要產(chǎn)生毛刺及較大幅度的振蕩，為了最大限度地抑制超調(diào)的產(chǎn)生，獲得理想的過(guò)渡曲線，采用位置誤差及誤差的變化率加權(quán)之和作為第k時(shí)刻個(gè)體i的最小目標(biāo)函數(shù)，如公式(2)和公式(3)所示，式中 p1=0.9，p2=0.1。適應(yīng)度函數(shù)為最小目標(biāo)函數(shù)的倒數(shù)。

當(dāng)產(chǎn)生超調(diào)時(shí)，公式(2)變?yōu)楣?3)，促使造成超調(diào)的個(gè)體被淘汰掉：

這樣，整個(gè)算法就具備了自適應(yīng)性，可以根據(jù)不同烘箱腔體或同一烘箱不同循環(huán)風(fēng)道狀態(tài)進(jìn)行PID參數(shù)的自適應(yīng)快速調(diào)整。

第四步，采用實(shí)數(shù)編碼方式建立種群樣本個(gè)體。個(gè)體生成算法如公式(4)、(5)、(6)所示：

第五步，根據(jù)交叉概率Pc=0.9進(jìn)行交叉操作；根據(jù)變異概率Pmi=0.2-i×0.01/n(i=1,2...n)進(jìn)行變異操作，其中n表示樣本個(gè)數(shù)。

每個(gè)采樣時(shí)刻重復(fù)運(yùn)行第二步至第五步。

4.2 收斂性證明

定理1：CGA（標(biāo)準(zhǔn)遺傳算法）不能收斂至全局最優(yōu)解。

定理2：在選擇前保留最優(yōu)解的遺傳算法可最終收斂到全局最優(yōu)解。

定理3：在選擇后保留最優(yōu)解的遺傳算法可最終收斂到全局最優(yōu)解。

根據(jù)定理2、定理3可得出以下定理。

定理4：經(jīng)過(guò)改進(jìn)的具有最優(yōu)保留操作的遺傳算法最終能收斂到全局最優(yōu)解。

有關(guān)上述定理的證明可參見(jiàn)文獻(xiàn)[7,8]。

設(shè)變異概率 Pm∈(0,1)、交叉概率 Pc∈[0,1]，采用比例選擇法根據(jù)個(gè)體適應(yīng)度進(jìn)行相應(yīng)調(diào)整，自適應(yīng)遺傳算法（AGA）的Pm與Pc計(jì)算公式如下：

其中fmax為當(dāng)前種群最大適應(yīng)度，f'為待交叉?zhèn)€體中較大的適應(yīng)度值，f"為待變異個(gè)體適應(yīng)度，fave為種群平均適應(yīng)度，K1＝K2＝1，K3＝K4＝0.5。

AGA算法自從提出以來(lái)，已經(jīng)廣泛應(yīng)用于設(shè)備控制、人工智能等領(lǐng)域，大量實(shí)踐及測(cè)試數(shù)據(jù)表明AGA能夠提升搜索全局最優(yōu)解的速率，當(dāng)然這仍然需要對(duì)其全局收斂性進(jìn)行理論上的分析與證明。

定理5：AGA是全局收斂的。

證明：根據(jù)公式(7)、(8)可知，若 Pm∈(0,1)，Pc∈[0,1]，當(dāng) f'＝fmax時(shí)，Pc＝0；當(dāng) f"＝fmax時(shí)，Pm＝0。因此，在任一時(shí)刻t的(第t代)最優(yōu)個(gè)體總是能夠保留至第t+1代，所以AGA事實(shí)上是一種經(jīng)過(guò)改進(jìn)的最優(yōu)個(gè)體保留操作的遺傳算法，依據(jù)定理4可知，AGA一定最終能收斂到全局最優(yōu)解。

5 實(shí)驗(yàn)數(shù)據(jù)分析

5.1 被控制對(duì)象模型的辨識(shí)

通過(guò)理論研究和大量實(shí)驗(yàn)數(shù)據(jù)表明，IC芯片烘箱的腔體溫度環(huán)境具有自衡的能力，因此可以通過(guò)慣性環(huán)節(jié)與延遲環(huán)節(jié)的乘積來(lái)近似描述。其傳遞函數(shù)如公式(9)所示：

式中：TC為烘箱的時(shí)間常數(shù)，KC為烘箱腔體的比例系數(shù)，τ為烘箱腔體溫度變化的時(shí)間常數(shù)。

這種有自衡能力的一階慣性控制裝置在進(jìn)行系統(tǒng)參數(shù)辨識(shí)時(shí)，通常采用反應(yīng)曲線法、衰減曲線法或穩(wěn)定邊界法測(cè)算，綜合考慮實(shí)驗(yàn)數(shù)據(jù)的采集難度和各方法的適用范圍，這里使用反應(yīng)曲線法[9]來(lái)計(jì)算系統(tǒng)模型所需參數(shù)。

基于大多數(shù)芯片產(chǎn)品所需加工恒定溫度在175℃左右的要求，將烘箱腔體內(nèi)的初始溫度設(shè)置為165℃，加熱單元階躍溫度（目標(biāo)值）設(shè)為175℃，每30 s采集一次溫度值，從而得到烘箱系統(tǒng)飛升曲線的各個(gè)數(shù)據(jù)點(diǎn)。為了提高計(jì)算的精確度，對(duì)于實(shí)驗(yàn)采集所得的各數(shù)據(jù)點(diǎn)利用MatLab軟件中的6階多項(xiàng)式擬合函數(shù)進(jìn)行曲線平滑處理，得到烘箱內(nèi)溫度的飛升曲線，如圖4所示。經(jīng)過(guò)曲線拐點(diǎn)P作切線和輔助線，可得到公式(8)中各參數(shù)的具體數(shù)值，其中時(shí)間常數(shù)TC=640，比例系數(shù)KC=0.9，時(shí)間常數(shù)τ=160。

圖4 烘箱系統(tǒng)飛升曲線圖

5.2 算法控制過(guò)程分析

在應(yīng)用自適應(yīng)在線遺傳算法的溫控系統(tǒng)輸入端引入階躍信號(hào)（初始溫度為165℃，階躍溫度為175℃），采集溫度響應(yīng)、控制器輸出和PID參數(shù)Kp、Ki、Kd數(shù)據(jù)曲線，如圖5～6所示。可以看出在控制的初級(jí)階段，即溫度的位置誤差大于50%時(shí)，為了加快降低位置誤差，Kp快速上升到12左右，Ki則略有下降，Kd大幅下降，提高系統(tǒng)的快速響應(yīng)能力；當(dāng)溫度上升超過(guò)目標(biāo)值50%時(shí)，為了防止系統(tǒng)出現(xiàn)過(guò)沖，需要逐步下調(diào)上升速率，因此Kp下降到9左右，Ki則穩(wěn)定在0.2左右，Kd回升至0.3左右；第三階段溫度上升到目標(biāo)值附近時(shí)，Kp再次上升到12左右，Ki繼續(xù)保持穩(wěn)定，Kd下降，以防止系統(tǒng)出現(xiàn)超調(diào)并降低輸出在目標(biāo)值附近的抖動(dòng)。從圖5可以看到控制器快速性能很好，大幅度調(diào)節(jié)時(shí)間只有0.03 s左右，并且在保證良好快速性的同時(shí)，系統(tǒng)的超調(diào)基本上被完全抑制。

圖5 溫度測(cè)試階躍響應(yīng)曲線

圖 6 控制器 K p、K i、K d值變化曲線

顯然，引入自適應(yīng)在線遺傳算法后，在系統(tǒng)對(duì)于階躍信號(hào)的實(shí)際輸出響應(yīng)過(guò)程中，超調(diào)量基本上被消除，調(diào)節(jié)時(shí)間縮短，穩(wěn)態(tài)誤差趨于0，系統(tǒng)的動(dòng)態(tài)及靜態(tài)性能、抗干擾性及魯棒性均得到較大改善。

5.3 實(shí)驗(yàn)結(jié)果分析

將新型PID算法寫入烘箱溫控管理程序中，對(duì)500批實(shí)際產(chǎn)品進(jìn)行加工實(shí)驗(yàn)測(cè)試，得到多組溫度加工曲線數(shù)據(jù)。圖7所示的是實(shí)驗(yàn)數(shù)據(jù)中某一批上芯料烘烤加工溫度曲線變化圖。曲線①表示設(shè)定工藝溫度，曲線②表示實(shí)際加工溫度。從該圖的實(shí)驗(yàn)數(shù)據(jù)可以看出，應(yīng)用了新算法后，在上升段中，系統(tǒng)快速性能極佳，能夠迅速爬升到目標(biāo)溫度值，并且在轉(zhuǎn)入恒溫段時(shí)完全消除了危害性極大的尖峰脈沖超調(diào)。在恒溫段期間穩(wěn)定性能理想，沒(méi)有較大的振蕩，保證了產(chǎn)品固化工藝的順利完成。在降溫段過(guò)程中，溫度下降迅速，有效避免了產(chǎn)品發(fā)生氧化的可能性。

6 結(jié)論

本文針對(duì)目前國(guó)內(nèi)生產(chǎn)的IC芯片烘箱在溫度控制中因腔體均勻性差導(dǎo)致調(diào)節(jié)效率低的問(wèn)題，從烘箱溫度控制程序中引入了對(duì)初始條件不敏感、能夠?qū)で笕肿顑?yōu)解的自適應(yīng)在線遺傳算法PID控制策略。通過(guò)對(duì)改進(jìn)前后兩種設(shè)備的算法模型進(jìn)行實(shí)測(cè)數(shù)據(jù)對(duì)比分析，證明在制造成本不變的前提下，采用遺傳PID控制方案的設(shè)備性能要遠(yuǎn)優(yōu)于采用傳統(tǒng)PID方案的設(shè)備，其溫度調(diào)節(jié)速率明顯提高，并具有良好的動(dòng)態(tài)特性和魯棒性，從而得到最優(yōu)的實(shí)時(shí)溫度輸出。

圖7 實(shí)際烘烤加工溫度曲線圖