CN112981521B - 引晶功率确定方法、装置和计算机可读介质 - Google Patents

Abstract

本申请提供了引晶功率确定方法、装置和计算机可读介质，该引晶功率确定方法包括：获取直拉单晶炉在当前炉次的熔料阶段的特征数据，其中，所述特征数据用于表征所述直拉单晶炉在熔料阶段内炉内温度与加热器能量输出值的关系；将所述特征数据输入功率预测模型，获得所述功率预测模型的输出，并将所述功率预测模型的输出确定为所述当前炉次的引晶功率，其中，所述功率预测模型通过所述直拉单晶炉的历史生产数据训练获得。本方案能够提高所确定引晶功率的准确性。

Description

引晶功率确定方法、装置和计算机可读介质

技术领域

本申请涉及单晶硅生产技术领域，尤其涉及引晶功率确定方法、装置和计算机可读介质。

背景技术

直拉单晶炉是一种用于通过直拉法生产单晶硅的制造设备，通过对直拉单晶炉生产出的单晶硅锭进行切片可以获得单晶硅片，而单晶硅片可用于制造半导体器件和太阳能电池。在通过直拉单晶炉生产单晶硅的过程中，引晶功率是控制直拉单晶炉的一个重要参数，其决定能否稳温并达到适合引晶的条件。每次更换直拉单晶炉的石英坩埚、加热器、保温层等都会改变炉内热特性，导致直拉单晶炉生产单晶硅的每个炉次需要不同的引晶功率。

目前，在通过直拉单晶炉生成单晶硅时，采用人工依据经验确定直拉单晶炉的引晶功率。

对于目前确定引晶功率的方法，由于人工经验的不同或缺乏科学支撑，导致所确定出的引晶功率准确性较低，后续需要耗费较长的时间对引晶功率进行调整，进而影响单晶硅生成的效率和成本。

发明内容

有鉴于此，本申请提供的引晶功率确定方法、装置和计算机可读介质，能够提高所确定引晶功率的准确性。

第一方面，本申请实施例提供了一种引晶功率确定方法，包括：

获取直拉单晶炉在当前炉次的熔料阶段的特征数据，其中，所述特征数据用于表征所述直拉单晶炉在熔料阶段内炉内温度与加热器能量输出值的关系；

将所述特征数据输入功率预测模型，获得所述功率预测模型的输出，并将所述功率预测模型的输出确定为所述当前炉次的引晶功率，其中，所述功率预测模型通过所述直拉单晶炉的历史生产数据训练获得。

在第一种可能的实现方式中，结合上述第一方面，所述获取直拉单晶炉在当前炉次的熔料阶段的特征数据，包括：

每经过一个预设的采样周期，对所述当前炉次的熔料阶段的炉内温度、加热器功率和加热器电阻值进行一次采集，并将每次采集到的炉内温度、加热器功率和加热器电阻值确定为一个当前特征向量；

将采集到的至少两个所述当前特征向量，确定为所述特征数据。

在第二种可能的实现方式中，结合上述第一种可能的实现方式，在所述将所述特征数据输入功率预测模型之前，所述方法还包括：

获取所述直拉单晶炉的至少两个所述历史生产数据，其中，每个所述历史生产数据对应所述直拉单晶炉生产单晶硅的一个历史炉次；

针对每个所述历史生产数据，均执行：以所述采样周期为间隔时间，从该历史生产数据中采集熔料阶段的炉内温度、加热器功率和加热器电阻值，并将每次采集到的炉内温度、加热器功率和加热器电阻值确定为一个历史特征向量；从该历史生产数据中获取该历史生产数据所对应历史炉次所使用的第一引晶功率；将各所述历史特征向量和所述第一引晶功率，确定为一个第一训练样本；

将所述第一训练样本包括的各所述历史特征向量作为模型输入，将所述第一训练样本包括的所述第一引晶功率作为模型输出，通过各所述第一训练样本进行模型训练，获得所述功率预测模型。

在第三种可能的实现方式中，结合上述第一方面，所述获取直拉单晶炉在当前炉次的熔料阶段的特征数据，包括：

对所述当前炉次的熔料阶段的炉内温度、加热器功率和加热器电阻值进行采集；

根据采集到的炉内温度、加热器功率和加热器电阻值，确定在所述当前炉次的熔料阶段内炉内温度与加热器能量输出值的第一映射关系；

从所述第一映射关系中采集至少两个目标加热器能量输出值所映射的第一炉内温度；

将采集到的至少两个所述第一炉内温度，确定为所述特征数据。

在第四种可能的实现方式中，结合上述第三种可能的实现方式，在所述将所述特征数据输入功率预测模型之前，所述方法还包括：

获取所述直拉单晶炉的至少两个所述历史生产数据，其中，每个所述历史生产数据对应所述直拉单晶炉生产单晶硅的一个历史炉次；

针对每个所述历史生产数据，均执行：从该历史生产数据中获取熔料阶段的炉内温度、加热器功率和加热器电阻值；根据获取到的炉内温度、加热器功率和加热器电阻值，确定在该历史生产数据所对应历史炉次的熔料阶段内炉内温度与加热器能量输出值的第二映射关系；从所述第二映射关系中采集各所述目标加热器能量输出值所映射的第二炉内温度；从该历史生产数据中获取该历史生产数据所对应历史炉次所使用的第二引晶功率；将各所述第二炉内温度和所述第二引晶功率，确定为一个第二训练样本；

将所述第二训练样本包括的各所述第二炉内温度作为模型输入，将所述第二训练样本包括的所述第二引晶功率作为模型输出，通过各所述第二训练样本进行模型训练，获得所述功率预测模型。

在第五种可能的实现方式中，结合上述第一方面及第一方面的第一种可能的实现方式、第二种可能的实现方式、第三种可能的实现方式和第四种可能的实现方式中的任意一个，所述加热器功率包括主加热器功率和底部加热器功率，所述加热器电阻值包括主加热器的电阻值和底部加热器的电阻值。

在第六种可能的实现方式中，结合上述第一方面及第一方面的第一种可能的实现方式、第二种可能的实现方式、第三种可能的实现方式和第四种可能的实现方式中的任意一个，所述炉内温度根据所述直拉单晶炉内至少两个温度传感器的测量值确定。

第二方面，本申请实施例还提供了一种引晶功率确定装置，包括：

一个数据获取模块，用于获取直拉单晶炉在当前炉次的熔料阶段的特征数据，其中，所述特征数据用于表征所述直拉单晶炉在熔料阶段内炉内温度与加热器能量输出值的关系；

一个功率预测模块，用于将所述数据获取模块获取到的所述特征数据输入功率预测模型，获得所述功率预测模型的输出，将所述功率预测模型的输出确定为所述当前炉次的引晶功率，其中，所述功率预测模型通过所述直拉单晶炉的历史生产数据训练获得。

在第一种可能的实现方式中，结合上述第二方面，所述数据获取模块，用于每经过一个预设的采样周期，对所述当前炉次的熔料阶段的炉内温度、加热器功率和加热器电阻值进行一次采集，将每次采集到的炉内温度、加热器功率和加热器电阻值确定为一个当前特征向量；将采集到的至少两个所述当前特征向量确定为所述特征数据。

在第二种可能的实现方式中，结合上述第一种可能的实现方式，该引晶功率确定装置还包括：

一个第一获取模块，用于获取所述直拉单晶炉的至少两个所述历史生产数据，其中，每个所述历史生产数据对应所述直拉单晶炉生产单晶硅的一个历史炉次；

一个第一提取模块，用于针对所述第一获取模块获取到的每个所述历史生产数据，以所述采样周期为间隔时间，从该历史生产数据中采集熔料阶段的炉内温度、加热器功率和加热器电阻值，并将每次采集到的炉内温度、加热器功率和加热器电阻值确定为一个历史特征向量；从该历史生产数据中获取该历史生产数据所对应历史炉次所使用的第一引晶功率；将各所述历史特征向量和所述第一引晶功率，确定为一个第一训练样本；

一个第一训练模块，用于将所述第一训练样本包括的各所述历史特征向量作为模型输入，将所述第一训练样本包括的所述第一引晶功率作为模型输出，通过所述第一提取模块获取到的各所述第一训练样本进行模型训练，获得所述功率预测模型。

在第三种可能的实现方式中，结合上述第二方面，所述数据获取模块包括：

一个数据采集子模块，用于对所述当前炉次的熔料阶段的炉内温度、加热器功率和加热器电阻值进行采集；

一个数据转换子模块，用于根据所述数据采集子模块采集到的炉内温度、加热器功率和加热器电阻值，确定在所述当前炉次的熔料阶段内炉内温度与加热器能量输出值的第一映射关系；

一个数据提取子模块，用于从所述数据转换子模块确定出的所述第一映射关系中，采集至少两个目标加热器能量输出值所映射的第一炉内温度，并将采集到的至少两个所述第一炉内温度确定为所述特征数据。

在第四种可能的实现方式中，结合上述第三种可能的实现方式，该引晶功率确定装置还包括：

一个第二获取模块，用于获取所述直拉单晶炉的至少两个所述历史生产数据，其中，每个所述历史生产数据对应所述直拉单晶炉生产单晶硅的一个历史炉次；

一个第二提取模块，用于针对所述第二获取模块获取到的每个所述历史生产数据，从该历史生产数据中获取熔料阶段的炉内温度、加热器功率和加热器电阻值，根据获取到的炉内温度、加热器功率和加热器电阻值，确定在该历史生产数据所对应历史炉次的熔料阶段内炉内温度与加热器能量输出值的第二映射关系，从所述第二映射关系中采集各所述目标加热器能量输出值所映射的第二炉内温度，从该历史生产数据中获取该历史生产数据所对应历史炉次所使用的第二引晶功率，将各所述第二炉内温度和所述第二引晶功率，确定为一个第二训练样本；

一个第二训练模块，用于将所述第二训练样本包括的各所述第二炉内温度作为模型输入，将所述第二训练样本包括的所述第二引晶功率作为模型输出，通过所述第二提取模块获取到的各所述第二训练样本进行模型训练，获得所述功率预测模型。

在第五种可能的实现方式中，结合上述第二方面及第二方面的第一种可能的实现方式、第二种可能的实现方式、第三种可能的实现方式和第四种可能的实现方式中的任意一个，所述加热器功率包括主加热器功率和底部加热器功率，所述加热器电阻值包括主加热器的电阻值和底部加热器的电阻值。

在第六种可能的实现方式中，结合上述第二方面及第二方面的第一种可能的实现方式、第二种可能的实现方式、第三种可能的实现方式和第四种可能的实现方式中的任意一个，所述炉内温度根据所述直拉单晶炉内至少两个温度传感器的测量值确定。

第三方面，本申请实施例还提供了另一种引晶功率确定装置，包括：至少一个存储器和至少一个处理器；

所述至少一个存储器，用于存储机器可读程序；

所述至少一个处理器，用于调用所述机器可读程序，执行上述第一方面或第一方面的任一可能实现方式所提供的引晶功率确定方法。

第四方面，本申请实施例还提供了一种计算机可读介质，所述计算机可读介质上存储有计算机指令，所述计算机指令在被处理器执行时，使所述处理器执行上述第一方面或第一方面的任一可能实现方式所提供的引晶功率确定方法。

由上述技术方案可知，针对同一个炉次，由于直拉单晶炉在熔料阶段和引晶阶段具有基本相同的热特性，因此可以基于熔料阶段炉内温度与加热器能量输出之间的关系，来预测引晶工作，又由于不同炉次坩埚中物料的量、加热器的开启时间和方式、及加热器的功率曲线设置相似，因此可以通过直拉单晶炉的历史数据来确定熔料阶段炉内温度与加热器能量输出之间关系与引晶功率的联系。由此可见，基于直拉单晶炉的历史生产数据训练功率预测模型，在获取到用于表征当前炉次熔料阶段炉内温度与加热器能量输出值之间关系的特征数据后，将特征数据输入功率预测模型，便可以获得当前炉次的引晶功率，因此可以降低引晶功率确定过程中人工干预的程序，并具有更加科学的支撑，从而能够提高所确定出的引晶功率的准确性。

附图说明

图1是本申请实施例一提供的一种引晶功率确定方法的流程图；

图2是本申请实施例二提供的一种引晶功率确定方法的流程图；

图3是本申请实施例三提供的一种引晶功率确定方法的流程图；

图4是本申请实施例三提供的一种炉内温度随时间变化的趋势图；

图5是本申请实施例三提供的另一种炉内温度随时间变化的趋势图；

图6是本申请实施例三提供的一种主加热器输出功率随时间变化的趋势图；

图7是本申请实施例三提供的一种地步加热器输出功率随时间变化的趋势图；

图8是本申请实施例三提供的一种炉内温度与加热器能量输出值之间的映射关系图；

图9是本申请实施例四提供的一种引晶功率确定装置的示意图；

图10是本申请实施例四提供的一种包括第一训练模块的引晶功率确定装置的示意图；

图11是本申请实施例四提供的另一种引晶功率确定装置的示意图；

图12是本申请实施例四提供的一种包括第二训练模块的引晶功率确定装置的示意图；

图13是本申请实施例五提供的一种引晶功率确定装置的示意图。

附图标记列表：

102：获取直拉单晶炉在当前炉次的熔料阶段的特征数据

104：将获取到的特征数据输入功率预测模型，将功率预测模型的输出确定为引晶功率

202：获取直拉单晶炉的历史生产数据

204：从每个历史生产数据中提取第一训练样本

206：通过各第一训练样本，训练功率预测模型

208：获取直拉单晶炉在当前炉次熔料阶段的特征数据

210：将特征数据输入功率预测模型，将功率预测模型的输出确定为引晶功率

302：获取直拉单晶炉的历史生产数据

304：从每个历史生产数据中提取第二训练样本

306：通过各第二训练样本，训练功率预测模型

308：获取直拉单晶炉在当前炉次熔料阶段的特征数据

310：将特征数据输入功率预测模型，将功率预测模型的输出确定为引晶功率

10～30：引晶功率确定方法90：引晶功率确定装置130：引晶功率确定装置

91：数据获取模块92：功率预测模块93：第一获取模块

94：第一提取模块95：第一训练模块96：第二获取模块

97：第二提取模块98：第二训练模块911：数据采集子模块

912：数据转换子模块913：数据提取子模块1301：存储器

1302：处理器

具体实施方式

如前所述，在通过直拉单晶炉生产单晶硅时，需要定期对直拉单晶炉内的石英坩埚、加热器和保温层等进行更换，更换石英坩埚、加热器和保温层会显著改变直拉单晶炉的炉内热特性，而且随着直拉单晶炉生产炉次的增加，直拉单晶炉的炉内热特性也会发生改变。直拉单晶炉的炉内热特性不同，需要不同的引晶功率才能使直拉单晶炉达到稳温和适合引晶的条件，如果能够准确预测引晶功率，进而根据引晶功率设置加热器功率输出值，可以使直拉单晶炉快速达到稳温和适合引晶的条件，以达到提升生产效率的目的。目前依据人工经验确定引晶功率的方法，由于人工经验的不同或缺乏科学支撑，导致所确定出的引晶功率准确性较低，无法使直拉单晶炉快速达到稳温和适合引晶的条件，导致单晶硅的生产效率较低，而且还会导致物料、能源浪费的问题。

本申请实施例中，由于在同一炉次的熔料阶段和引晶阶段，直拉单晶炉的炉内热特性相同，而引晶阶段位于熔料阶段之后，因此可以基于熔料阶段的炉内热特性来确定引晶阶段的引晶功率，而熔料阶段的炉内热特性可以通过用于表征炉内温度与加热器能量输出值之间的对应关系的特征数据进行表示。同时，在通过同一直拉单晶炉生产单晶硅时，不同炉次的生产过程相似，比如，坩埚中物料的量相似，加热器开启时间和方式相似，加热器的输出功率曲线相似等，因此可以基于历史生产数据确定熔料阶段的特征数据与引晶功率之间的关系。综上，通过直拉单晶炉的历史生产数据训练功率预测模型，获取当前炉次熔料阶段的特征数据后，将获取到的特征数据输入到功率预测模型中，便可以获得当前炉次的引晶功率，由于引晶功率基于熔料阶段的特征数据和历史生产数据确定，降低了人工干预的程度，并具有科学的支撑，从而能够提高所确定出的引晶功率的准确性。

下面结合附图对本本申请实施例提供的引晶功率确定方法和装置进行详细说明。

实施例一

图1是本申请实施例一提供的一种引晶功率确定方法的流程图。参见图1，本实施例提供的引晶功率确定方法10包括如下步骤：

102、获取直拉单晶炉在当前炉次的熔料阶段的特征数据，其中，特征数据用于表征直拉单晶炉在熔料阶段内炉内温度与加热器能量输出值的关系。

在通过直拉单晶炉生产单晶硅时，可将生产过程划分为熔料、引晶、放肩、等径等阶段。熔料阶段是通过加热器对放置在坩埚中的物料进行加热，以使物料熔化而获得用于生产单晶硅的熔硅。引晶阶段在熔料阶段之后进行，当籽晶***熔硅完成熔接后，以一定速率提拉籽晶以生成直径较小的晶体，该阶段用于消除由于热应力和表面张力作用而产生的位错，建立起无位错生长状态。

在利用直拉单晶炉生产单晶硅的当前炉次，将物料加入坩埚并完成准备工作后，利用加热器对物料进行加热，直至物料全部熔化，从开始对物料进行加热至物料全部熔化这一阶段为熔料阶段。在熔料阶段开始后，对熔料阶段的过程数据进行采集，比如采集炉内温度、加热器功率、加热器电阻值等数据，进而基于所采集的过程数据确定用于表征熔料阶段炉内温度与加热器能量输出值之间关系的特征数据。

由于后续步骤需要基于所获取到的特征数据来预测引晶功率，而熔料阶段之后便需要根据引晶功率设置加热器的功率输出值，以达到稳温的目的，为此需要在熔料阶段进行的过程中，按照设定的数据采集规则对过程数据进行采集，以在熔料阶段结束时可以立即基于所采集到的过程数据确定特征数据，保证能够及时确定出较准确的引晶功率，进而保证单晶硅生产过程的正常进行，并提高单晶硅生产的效率。

104、将获取到的特征数据输入功率预测模型，获得功率预测模型的输出，并将功率预测模型的输出确定为当前炉次的引晶功率。

利用直拉单晶炉的历史生产数据训练功率预测模型，功率预测模型的输入为用于表征熔料阶段炉内温度与加热器能量输出值之间关系的特征数据，功率预测模型的输出为引晶功率的预测值。针对于当前炉次，在获取到当前炉次熔料阶段的特征数据后，将获取到的特征数据输入功率预测模型，获得功率预测模型的输出，进而将功率预测模型的输出作为当前炉次引晶阶段的引晶功率，对直拉单晶炉进行控制。

由于不同直拉单晶炉的热特性存在较大区别，因此需要针对每个直拉单晶炉单独训练功率预测模型，在需要确定一个直拉单晶炉当前炉次的引晶功率时，需要获取该直拉单晶炉对应的功率预测模型，进而将该直拉单晶炉当前炉次的熔料阶段的特征数据输入获取到的功率预测模型中，以获得该直拉单晶炉当前炉次的引晶功率。

由于功率预测模型的输入为当前炉次熔料阶段的特征数据，输出为引晶功率，因此在训练功率预测模型时需要历史炉次熔料阶段的特征数据以及引晶功率，进而用于训练功率预测模型的历史生产数据，应至少包括相应历史炉次所使用的引晶功率和熔料阶段的特征数据，或者应至少包括相应历史炉次所使用的引晶功率和熔料阶段的过程数据，此时熔料阶段的特征数据可以基于熔料阶段的过程数据计算而获得。

本申请实施例提供的方案，针对同一个炉次，由于直拉单晶炉在熔料阶段和引晶阶段具有基本相同的热特性，因此可以基于熔料阶段炉内温度与加热器能量输出之间的关系，来预测引晶工作，又由于不同炉次坩埚中物料的量、加热器的开启时间和方式、及加热器的功率曲线设置相似，因此可以通过直拉单晶炉的历史数据来确定熔料阶段炉内温度与加热器能量输出之间关系与引晶功率的联系。由此可见，基于直拉单晶炉的历史生产数据训练功率预测模型，在获取到用于表征当前炉次熔料阶段炉内温度与加热器能量输出值之间关系的特征数据后，将特征数据输入功率预测模型，便可以获得当前炉次的引晶功率，因此可以降低引晶功率确定过程中人工干预的程序，并具有更加科学的支撑，从而能够提高所确定出的引晶功率的准确性。

实施例二

图2是本申请实施例二提供的一种引晶功率确定方法的流程图。参见图2，本申请实施例提供的引晶功率确定方法20包括如下步骤：

202、获取直拉单晶炉的历史生产数据。

在利用一个直拉单晶炉生产单晶硅时，为了能够更加准确的确定该直拉单晶炉的引晶功率，需要基于该直拉单晶炉的历史生产数据训练功率预测模型，进而在获取到当前炉次熔料阶段的特征数据后，将所获得的特征数据输入功率预测模型，获得当前炉次的引晶功率，进而根据所获得的引晶功率控制加热器的功率输出，使该直拉单晶炉达到稳温和适合引晶的条件。

在获取直拉单晶炉的历史生产数据时，需要获得多个历史生产数据，每个历史生产数据对应直拉单晶炉的一个历史炉次，比如获取直拉单晶炉最近1000个炉次的生产数据作为历史生产数据，则获取到1000个历史生产数据。历史生产数据至少包括相应历史炉次所使用的引晶功率及熔料阶段的过程数据，比如，包括相应历史炉次所使用的引晶功率以及熔料阶段的炉内温度、加热器功率和加热器电阻值等。

204、从每个历史生产数据中提取第一训练样本。

在获取到多个历史生产数据后，对于每个历史生产数据，通过如下方式从该历史生产数据中提取第一训练样本：

S1、以预先设定的采样周期为间隔时间，从该历史生产数据中采集熔料阶段的炉内温度、加热器功率和加热器电阻值，并将每次采集到的炉内温度、加热器功率和加热器电阻值确定为一个历史特征向量，获得多个历史特征向量。

比如，熔料阶段的持续时间为1小时，预先设定的采样周期为1分钟，则从熔料阶段开始到结束可以提取到61个历史特征向量。

S2、从该历史生产数据中获取相对应历史炉次所使用的引晶功率，作为第一引晶功率。

对于每个炉次，引晶功率是一个确定值。每个历史炉次的历史生产数据中记录有该炉次所使用的引晶功率，因此从历史生产数据中可以直接提取引晶功率作为第一引晶功率。

S3、将从该历史生产数据中提取到的各历史特征向量和第一引晶功率，确定为一个第一训练样本。

由于熔料阶段的炉内温度、加热器功率和加热器电阻值能够反映直拉单晶炉的热特性，而引晶功率也与直拉单晶炉的热特性相关，因此熔料阶段的炉内温度、加热器功率和加热器与引晶功率存在特定关系，即历史特征向量与第一引晶功率存在特定关系，因此将从同一个历史生产数据中提取到的各历史特征向量和第一引晶功率确定为一个第一训练样本，后续将利用第一训练样本训练功率预测模型。

需要说明的是，在从历史生产数据中提取熔料阶段的炉内温度时，可以从历史生产数据中提取直拉单晶炉内多个温度传感器的测量值，进而根据各温度传感器的测量值确定炉内温度。比如，从历史生产数据中提取红外温度传感器和炉壁上所设置温度传感器的测量值，通过对两个温度传感器的测量值进行相互校准，获得炉内温度，其中红外温度传感器用于测量熔硅表面的温度，而炉壁上所设置温度传感器用于测量炉膛内的温度。

另外需要说明的是，直拉单晶炉包括主加热器和底部加热器，主加热器呈筒状，底部加热器呈平板状，用于装容熔硅的坩埚位于主加热器内，并位于底部加热器上。由于主加热器和底部加热器均会对直拉单晶炉的热特性造成影响，因此，在从历史生产数据中提取加热器功率和加热器电阻值时，可以分别提取主加热器功率和底部加热器功率，并分别提取主加热器的电阻值和底部加热器的电阻值。

206、通过各第一训练样本，训练功率预测模型。

在从各历史生产数据中提取到多个第一训练样本后，将第一训练样本包括的各历史特征向量作为模型输入，将第一训练样本包括的额第一引晶功率作为模型输出，通过各第一训练样本进行模型训练，获得功率预测模型。

比如，从1000个历史生产数据中提取到1000个第一训练样本，通过提取到的10000个第一训练样本训练功率预测模型，使得功率预测模型能够基于输入的特征数据输出引晶功率，其中特征数据与第一训练样本具有相同的数据项，即包括特征数据包括炉内温度、加热器功率和加热器电阻值。

208、获取直拉单晶炉在当前炉次熔料阶段的特征数据。

当前炉次是指直拉单晶炉当前正在进行单晶硅生产的炉次。在当前炉次的熔料阶段，从熔料阶段开始到熔料阶段结束，每经过一个采样周期，对炉内温度、加热器功率和加热器电阻值进行一次采集，并将每次采集到的炉内温度、加热器功率和加热器电阻值确定为一个当前特征向量，进而将在熔料阶段内采集到的多个当前特征向量作为特征数据。

在本申请实施例中，为了保证功率预测模型基于特征数据能够更加准确的预测引晶功率，获取特征数据时的采集周期应与训练功率预测模型时的采集周期相同，即从历史生产数据中提取炉内温度、加热器功率和加热器电阻值时所使用的采样周期，与从当前炉次熔料阶段采集炉内温度、加热器功率和加热器电阻值时所使用的采样周期相同。

比如，接续步骤204中S1的例子，在当前炉次熔料阶段内，每经过1分钟，对炉内温度、加热器功率和加热器电阻值进行一次采集，将每次采集到的炉内温度、加热器功率和加热器电阻值确定为一个当前特征向量。

由于不同炉次熔料阶段的持续时间不同，而采集周期相同，所以从一个历史生产数据中所提起历史特征向量的数量与当前特征向量的数量可能不同，为此，功率预测模型可以是对输入长度没有特定要求的模型，或者可以对当前特征向量进行处理，使当前特征向量与历史特征向量具有相同的长度。

需要说明的是，与上述步骤204中S3的描述相对应，在采集当前炉次熔料阶段的炉内温度时，可以采集直拉单晶炉内多个温度传感器的测量值，进而根据各温度传感器的测量值确定当前炉次熔料阶段的炉内温度。比如，在熔料阶段采集红外传感器和炉壁上所设置温度传感器的测量值，通过对两个温度传感器的测量值进行相互校准，获得当前炉次熔料阶段的炉内温度。

另外需要说明的是，与上述步骤204中S3的描述相对应，在采集当前炉次熔料阶段的加热器功率和加热器电阻值时，可以分别采集主加热器功率和底部加热器功率，并分别采集主加热器的电阻值和底部加热器的电阻值。

210、将当前炉次熔料阶段的特征数据输入功率预测模型，将功率预测模型的输出确定为当前炉次的引晶功率。

在当前炉次的熔料阶段结束后，便可以获得到当前炉次熔料阶段的特征数据，进而及时将特征数据输入功率预测模型，获得功率预测模型的输出，进而将功率预测模型的输出确定为当前炉次的引晶功率。

在获得功率预测模型输出的引晶功率后，可以将所获得的引晶功率输入直拉单晶炉的控制器，使得控制器基于引晶功率控制加热器的功率输出值，使直拉单晶炉达到稳温和适合引晶的条件。

本申请实施例提供的方案，按照设定的采样周期采集当前炉次熔料阶段的炉内温度、加热器功率和加热器电阻值作为特征数据，由于熔料阶段的炉内温度与加热器功率和加热器电阻值之间的关系由直拉单晶炉的热特征决定，因此可以将炉内温度、加热器功率和加热器电阻值作为特征数据来确定当前炉次的引晶功率。由于直接将采集到的炉内温度、加热器功率和加热器电阻值作为特征数据，无需作进一步处理，可以保证获取特征数据的速度和方便性。

实施例三

在上述实施例二所提供的引晶功率确定方法中，直接采集当前炉次熔料阶段的炉内温度、加热器功率和加热器电阻值作为特征数据，即通过直拉单晶炉的温升速度来评估直拉单晶炉的热特性。在另一些实施例中，由于不同炉次加热器的实际输出功率可能并不相同，因此可以通过加热器的实际能量输出与温升速度来评估直拉单晶炉的热特性，即基于炉内温度、加热器功率和加热器电阻值等确定特征数据，使特征数据能够表征炉内温度与加热器能量输出值的关系。图3是本申请实施例三提供的引晶功率确定方法的流程图。参见图3，本申请实施例提供的引晶功率确定方法30包括如下步骤：

302、获取直拉单晶炉的历史生产数据。

步骤302参考实施例二中的步骤202，在此不再进行赘述。

304、从每个历史生产数据中提取第二训练样本。

在获得到多个历史生产数据后，对于每个历史生产数据，通过如下方式从该历史生产数据中提取第二训练样本：

A1、从该历史生产数据中获取熔料阶段的炉内温度、加热器功率和加热器电阻值。

在通过直拉单晶炉生产单晶硅的过程中，直拉单晶炉内的温度传感器可以实时检测炉内温度，直拉单晶炉的控制器可以实时记录加热器功率和加热器电阻值，因此所获取到的炉内温度、加热器功率和加热器电阻值，包括相应历史炉次熔料阶段内任一时刻的炉内温度、加热器功率和加热器电阻值。

需要说明的是，在从历史生产数据中获取熔料阶段的炉内温度时，可以从历史生产数据中获取直拉单晶炉内多个温度传感器的测量值，进而根据各温度传感器的测量值确定炉内温度。比如，从历史生产数据中获取红外温度传感器和炉壁上所设置温度传感器的测量值，通过对两个温度传感器的测量值进行相互校准，获得炉内温度，其中红外温度传感器用于测量熔硅表面的温度，而炉壁上所设置温度传感器用于测量炉膛内的温度。

另外需要说明的是，直拉单晶炉包括主加热器和底部加热器，主加热器呈筒状，底部加热器呈平板状，用于装容熔硅的坩埚位于主加热器内，并位于底部加热器上。由于主加热器和底部加热器均会对直拉单晶炉的热特性造成影响，因此，在从历史生产数据中获取加热器功率和加热器电阻值时，可以分别获取主加热器功率和底部加热器功率，并分别获取主加热器的电阻值和底部加热器的电阻值。

A2、根据获取到的炉内温度、加热器功率和加热器电阻值，确定相应历史炉次熔料阶段内炉内温度与加热器能量输出值之间的第二映射关系。

对于从历史生产数据中获取到的炉内温度、加热器功率和加热器电阻值，炉内温度表征温度随时间的变化趋势，加热器功率保证加热器输出功率随时间的变化趋势，加热器电阻值表征加热器电阻值随时间的变化趋势，通过对炉内温度、加热器功率和加热器电阻值进行处理，可以去除时间维度的影响，获得炉内温度与加热器能量输出值的第二映射关系。具体地，可以在时间维度对获取到的加热器功率和加热器电阻值进行积分，获得加热器能量输出值随时间的变化趋势，进而根据炉内温度随时间的变化趋势和加热器能量输出值随时间的变化趋势，确定炉内温度与加热器能量输出值之间的第二映射关系。

比如，图4为本申请实施例三提供的一种红外温度传感器所测量炉内温度随时间变化的趋势图，图5是本申请实施例三提供的一种炉壁上所设置温度传感器所测量炉内温度随时间变化的趋势图，图6是本申请实施例三提供的一种主加热器输出功率随时间的变化趋势图，图7是本申请实施例三提供的一种底部加热器输出功率随时间的变化趋势图，图8是本申请实施例三提供的一种炉内温度与加热器能量输出值之间的映射关系图。其中，在图4-8中，Q1、Q2、Q3和Q4分别表示4个不同的历史锅次，图4-7的横坐标为时间，图4和图5的纵坐标为温度，图6和图7的纵坐标为功率，图8的横坐标和纵坐标分别为能量和温度。

参见图6，Q2、Q3和Q4所对应历史锅次中，主加热器输出功率随时间的变化趋势基本相同，因此图6中Q2、Q3和Q4所对应变化趋势曲线基本重合。参见图7，Q2、Q3和Q4所对应历史锅次中，底部加热器输出功率随时间的变化趋势基本相同，因此图7中Q2、Q3和Q4所对应变化趋势曲线基本重合。

A3、从第二映射关系中采集至少两个目标加热器能量输出值所映射的第二炉内温度。

预先设定有多个目标加热器能量输出值，比如以100瓦为差值，从0-75kw确定出751个目标加热器能量输出值。

在确定出熔料阶段炉内温度与加热器能量输出值之间的第二映射关系后，基于该第二映射关系确定每个目标加热器能量输出值对应的第二炉内温度。比如，参见图8，对于Q1所对应的历史生产数据，从曲线Q1上采集横坐标值为0w、75w、150w、225w……等目标加热器能量输出值时对应的炉内温度，共计获取到751个第二炉内温度。

A4、从该历史生产数据中获取相对应历史炉次所使用的引晶功率，作为第二引晶功率。

对于每个炉次，引晶功率是一个确定值。每个历史炉次的历史生产数据中记录有该炉次所使用的引晶功率，因此从历史生产数据中可以直接提取引晶功率作为第二引晶功率。

A5、将各第二炉内温度和第二引晶功率确定，确定为一个第二训练样本。

由于熔料阶段的炉内温度与加热器能量输出值之间的对应关系由直拉单晶炉的热特征决定，而已经功率也与直拉单晶炉的热特性相关，因此炉内温度与加热器能量输出值之间的对应关系与引晶功率存在特定关系，即第二炉内温度与第二引晶功率存在特定关系，因此将基于同一个历史生产数据中获取到的第二炉内温度和第二引晶功率确定为一个第二训练样本，后续将利用第二训练样本训练功率预测模型。

306、通过各第二训练样本，训练功率预测模型。

在从各历史生产数据中获取到多个第二训练样本后，将第二训练样本包括的各历史特征向量作为模型输入，将第二训练样本包括的额第一引晶功率作为模型输出，通过各第二训练样本进行模型训练，获得功率预测模型。

比如，从1000个历史生产数据中提取到1000个第二训练样本，通过提取到的10000个第二训练样本训练功率预测模型，使得功率预测模型能够基于输入的特征数据输出引晶功率，其中特征数据与第二训练样本具有相同的数据项，即包括各目标加热器能量输出值所映射的第二炉内温度。

308、获取直拉单晶炉在当前炉次熔料阶段的特征数据。

当前炉次是指直拉单晶炉当前正在进行单晶硅生产的炉次。在当前炉次的熔料阶段，从熔料阶段开始到熔料阶段结束，实时获取炉内温度、加热器功率和加热器电阻值。在熔料阶段结束后，基于获取到的炉内温度、加热器功率和加热器电阻值，确定当前炉次熔料阶段内炉内温度与加热器能量输出之间的第一映射关系，进而基于第一映射关系确定每个目标加热器能量输出值对应的第一炉内温度。将所获取到的各第一炉内温度确定为当前炉次熔料阶段的特征数据。

在本申请实施例中，上述步骤306中A3所述的目标加热器能量输出值与上述本步骤308中所述的目标加热器能量输出值相同。比如，上述步骤306获取预先确定的751个目标加热器能量输出值对应的第二炉内温度，则本步骤308获取相同的751个目标加热器能量输出值对应的第一炉内温度。

需要说明的是，与上述步骤304中A1的描述相对应，在获取当前炉次熔料阶段的炉内温度时，可以获取直拉单晶炉内多个温度传感器的测量值，进而根据各温度传感器的测量值确定当前炉次熔料阶段的炉内温度。比如，在熔料阶段获取红外传感器和炉壁上所设置温度传感器的测量值，通过对两个温度传感器的测量值进行相互校准，获得当前炉次熔料阶段的炉内温度。

另外需要说明的是，与上述步骤304中A1的描述相对应，在获取当前炉次熔料阶段的加热器功率和加热器电阻值时，可以分别获取主加热器功率和底部加热器功率，并分别获取主加热器的电阻值和底部加热器的电阻值。

例如，参见图4，在当前炉次的熔料阶段，通过红外温度传感器采集到的炉内温度随时间的变化趋势如Q0所示，其中红外温度传感器用于检测熔硅的液面温度。参见图6，在当前炉次的熔料阶段，主加热器的输出功率随时间的变化趋势如Q0所示。参见图7，在当前炉次的熔料阶段，底部加热器的输出功率随时间的变化趋势如Q0所示。参见图8，当前炉次熔料阶段内炉内温度与加热器能量输出之间的第一映射关系如Q0所示，由于当前炉次的第一映射关系与Q3所对应历史炉次的第二映射关系基本相同，所以图中Q0和Q3所对应变化趋势曲线基本重合。

310、将当前炉次熔料阶段的特征数据输入功率预测模型，将功率预测模型的输出确定为当前炉次的引晶功率。

步骤310参考实施例二中的步骤210，在此不再进行赘述。

本申请实施例提供的方案，由于熔料阶段的炉内温度与加热器功率和加热器电阻值之间的关系由直拉单晶炉的热特征决定，同时不同炉次加热器的实际输出功率可能存在区别，为此根据熔料阶段炉内温度、加热器功率和加热器电阻值，确定炉内温度与加热器能量输出值之间的对应关系作为特征数据，通过将温度与功率的关系转换为温度与能量的关系，可以使特征数据更加准确的反映直拉单晶炉的热特征，进而基于所获取的特征数据确定引晶功率时，可以进一步提高所确定出引晶功率的准确性。

实施例四

图9是本申请实施例四提供的一种引晶功率确定装置的示意图。参见图9，本申请实施例提供的引晶功率确定装置90包括：

一个数据获取模块91，用于获取直拉单晶炉在当前炉次的熔料阶段的特征数据，其中，特征数据用于表征直拉单晶炉在熔料阶段内炉内温度与加热器能量输出值的关系；

一个功率预测模块92，用于将数据获取模块91获取到的特征数据输入功率预测模型，获得功率预测模型的输出，将功率预测模型的输出确定为当前炉次的引晶功率，其中，功率预测模型通过直拉单晶炉的历史生产数据训练获得。

在本申请实施例中，数据获取模块91可用于执行上述实施例一中的步骤102，功率预测模块92可用于执行上述实施例一中的步骤104。

在一种可能的实现方式中，在图9所示引晶功率确定装置90的基础上，数据获取模块91用于每经过一个预设的采样周期，对当前炉次的熔料阶段的炉内温度、加热器功率和加热器电阻值进行一次采集，将每次采集到的炉内温度、加热器功率和加热器电阻值确定为一个当前特征向量；将采集到的至少两个当前特征向量确定为特征数据。

在一种可能的实现方式中，在图9所示引晶功率确定装置90的基础上，参见图10所示的引晶功率确定装置的示意图，该引晶功率确定装置90还包括：

一个第一获取模块93，用于获取直拉单晶炉的至少两个历史生产数据，其中，每个历史生产数据对应直拉单晶炉生产单晶硅的一个历史炉次；

一个第一提取模块94，用于针对第一获取模块93获取到的每个历史生产数据，以采样周期为间隔时间，从该历史生产数据中采集熔料阶段的炉内温度、加热器功率和加热器电阻值，并将每次采集到的炉内温度、加热器功率和加热器电阻值确定为一个历史特征向量；从该历史生产数据中获取该历史生产数据所对应历史炉次所使用的第一引晶功率；将各历史特征向量和第一引晶功率，确定为一个第一训练样本；

一个第一训练模块95，用于将第一训练样本包括的各历史特征向量作为模型输入，将第一训练样本包括的第一引晶功率作为模型输出，通过第一提取模块94获取到的各第一训练样本进行模型训练，获得功率预测模型。

在本申请实施例中，第一获取模块93可用于执行上述实施例二中的步骤202，第一提取模块94可用于执行上述实施例二中的步骤204，第一训练模块95可用于执行上述实施例二中的步骤206。

在一种可能的实现方式中，在图9所示引晶功率确定装置90的基础上，如图11所示的引晶功率确定装置的示意图，数据获取模块91包括：

一个数据采集子模块911，用于对当前炉次的熔料阶段的炉内温度、加热器功率和加热器电阻值进行采集；

一个数据转换子模块912，用于根据数据采集子模块911采集到的炉内温度、加热器功率和加热器电阻值，确定在当前炉次的熔料阶段内炉内温度与加热器能量输出值的第一映射关系；

一个数据提取子模块913，用于从数据转换子模块912确定出的第一映射关系中，采集至少两个目标加热器能量输出值所映射的第一炉内温度，并将采集到的至少两个第一炉内温度确定为特征数据。

在一种可能的实现方式中，在图11所示引晶功率确定装置90的基础上，如图12所示的引晶功率确定装置的示意图，该引晶功率确定装置90还包括：

一个第二获取模块96，用于获取直拉单晶炉的至少两个历史生产数据，其中，每个历史生产数据对应直拉单晶炉生产单晶硅的一个历史炉次；

一个第二提取模块97，用于针对第二获取模块96获取到的每个历史生产数据，从该历史生产数据中获取熔料阶段的炉内温度、加热器功率和加热器电阻值，根据获取到的炉内温度、加热器功率和加热器电阻值，确定在该历史生产数据所对应历史炉次的熔料阶段内炉内温度与加热器能量输出值的第二映射关系，从第二映射关系中采集各目标加热器能量输出值所映射的第二炉内温度，从该历史生产数据中获取该历史生产数据所对应历史炉次所使用的第二引晶功率，将各第二炉内温度和第二引晶功率，确定为一个第二训练样本；

一个第二训练模块98，用于将第二训练样本包括的各第二炉内温度作为模型输入，将第二训练样本包括的第二引晶功率作为模型输出，通过第二提取模块97获取到的各第二训练样本进行模型训练，获得功率预测模型。

在本申请实施例中，第二获取模块96可用于执行上述实施例三中的步骤302，第二提取模块97可用于执行上述实施例三中的步骤304，第二训练模块98可用于执行上述实施例三中的步骤306。

在一种可能的实现方式中，在图9-12任一附图所示引晶功率确定装置90的基础上，加热器功率包括主加热器功率和底部加热器功率，加热器电阻值包括主加热器的电阻值和底部加热器的电阻值。

在一种可能的实现方式中，在图9-12任一附图所示引晶功率确定装置90的基础上，炉内温度根据直拉单晶炉内至少两个温度传感器的测量值确定。

实施例五

图13是本申请实施例五提供的另一种引晶功率确定装置的示意图。参见图13，本申请实施例提供的引晶功率确定装置130包括：至少一个存储器1301和至少一个处理器1302；

所述至少一个存储器1301，用于存储机器可读程序；

所述至少一个处理器1302，用于调用所述机器可读程序，执行上述各个实施例提供的引晶功率确定方法。

需要说明的是，上述引晶功率确定装置90/130内的各模块、子模块之间的信息交互、执行过程等内容，由于与前述方法实施例基于同一构思，具体内容可参见前述方法实施例中的叙述，此处不再赘述。

本申请还提供了一种计算机可读介质，存储用于使一计算机执行如本文的引晶功率确定方法的指令。具体地，可以提供配有存储介质的***或者装置，在该存储介质上存储着实现上述实施例中任一实施例的功能的软件程序代码，且使该***或者装置的计算机(或CPU或MPU)读出并执行存储在存储介质中的程序代码。

在这种情况下，从存储介质读取的程序代码本身可实现上述实施例中任何一项实施例的功能，因此程序代码和存储程序代码的存储介质构成了本申请的一部分。

用于提供程序代码的存储介质实施例包括软盘、硬盘、磁光盘、光盘(如CD-ROM、CD-R、CD-RW、DVD-ROM、DVD-RAM、DVD-RW、DVD+RW)、磁带、非易失性存储卡和ROM。可选择地，可以由通信网络从服务器计算机上下载程序代码。

此外，应该清楚的是，不仅可以通过执行计算机所读出的程序代码，而且可以通过基于程序代码的指令使计算机上操作的操作***等来完成部分或者全部的实际操作，从而实现上述实施例中任意一项实施例的功能。

此外，可以理解的是，将由存储介质读出的程序代码写到***计算机内的扩展板中所设置的存储器中或者写到与计算机相连接的扩展单元中设置的存储器中，随后基于程序代码的指令使安装在扩展板或者扩展单元上的CPU等来执行部分和全部实际操作，从而实现上述实施例中任一实施例的功能。

需要说明的是，上述各流程和各***结构图中不是所有的步骤和模块都是必须的，可以根据实际的需要忽略某些步骤或模块。各步骤的执行顺序不是固定的，可以根据需要进行调整。上述各实施例中描述的***结构可以是物理结构，也可以是逻辑结构，即，有些模块可能由同一物理实体实现，或者，有些模块可能分由多个物理实体实现，或者，可以由多个独立设备中的某些部件共同实现。

以上各实施例中，硬件单元可以通过机械方式或电气方式实现。例如，一个硬件单元可以包括永久性专用的电路或逻辑(如专门的处理器，FPGA或ASIC)来完成相应操作。硬件单元还可以包括可编程逻辑或电路(如通用处理器或其它可编程处理器)，可以由软件进行临时的设置以完成相应操作。具体的实现方式(机械方式、或专用的永久性电路、或者临时设置的电路)可以基于成本和时间上的考虑来确定。

上文通过附图和优选实施例对本申请进行了详细展示和说明，然而本申请不限于这些已揭示的实施例，基于上述多个实施例本领域技术人员可以知晓，可以组合上述不同实施例中的代码审核手段得到本申请更多的实施例，这些实施例也在本申请的保护范围之内。

Claims (12)

1.引晶功率确定方法，其特征在于，包括：

获取直拉单晶炉在当前炉次的熔料阶段的特征数据，其中，所述特征数据用于表征所述直拉单晶炉在熔料阶段内炉内温度与加热器能量输出值的关系；

将所述特征数据输入功率预测模型，获得所述功率预测模型的输出，并将所述功率预测模型的输出确定为所述当前炉次的引晶功率，其中，所述功率预测模型通过所述直拉单晶炉的历史生产数据训练获得。

2.根据权利要求1所述的方法，其特征在于，所述获取直拉单晶炉在当前炉次的熔料阶段的特征数据，包括：

每经过一个预设的采样周期，对所述当前炉次的熔料阶段的炉内温度、加热器功率和加热器电阻值进行一次采集，并将每次采集到的炉内温度、加热器功率和加热器电阻值确定为一个当前特征向量；

将采集到的至少两个所述当前特征向量，确定为所述特征数据。

3.根据权利要求2所述的方法，其特征在于，在所述将所述特征数据输入功率预测模型之前，所述方法还包括：

获取所述直拉单晶炉的至少两个所述历史生产数据，其中，每个所述历史生产数据对应所述直拉单晶炉生产单晶硅的一个历史炉次；

针对每个所述历史生产数据，均执行：

以所述采样周期为间隔时间，从该历史生产数据中采集熔料阶段的炉内温度、加热器功率和加热器电阻值，并将每次采集到的炉内温度、加热器功率和加热器电阻值确定为一个历史特征向量；

从该历史生产数据中获取该历史生产数据所对应历史炉次所使用的第一引晶功率；

将各所述历史特征向量和所述第一引晶功率，确定为一个第一训练样本；

将所述第一训练样本包括的各所述历史特征向量作为模型输入，将所述第一训练样本包括的所述第一引晶功率作为模型输出，通过各所述第一训练样本进行模型训练，获得所述功率预测模型。

4.根据权利要求1所述的方法，其特征在于，所述获取直拉单晶炉在当前炉次的熔料阶段的特征数据，包括：

对所述当前炉次的熔料阶段的炉内温度、加热器功率和加热器电阻值进行采集；

根据采集到的炉内温度、加热器功率和加热器电阻值，确定在所述当前炉次的熔料阶段内炉内温度与加热器能量输出值的第一映射关系；

从所述第一映射关系中采集至少两个目标加热器能量输出值所映射的第一炉内温度；

将采集到的至少两个所述第一炉内温度，确定为所述特征数据。

5.根据权利要求4所述的方法，其特征在于，在所述将所述特征数据输入功率预测模型之前，所述方法还包括：

获取所述直拉单晶炉的至少两个所述历史生产数据，其中，每个所述历史生产数据对应所述直拉单晶炉生产单晶硅的一个历史炉次；

针对每个所述历史生产数据，均执行：

从该历史生产数据中获取熔料阶段的炉内温度、加热器功率和加热器电阻值；

根据获取到的炉内温度、加热器功率和加热器电阻值，确定在该历史生产数据所对应历史炉次的熔料阶段内炉内温度与加热器能量输出值的第二映射关系；

从所述第二映射关系中采集各所述目标加热器能量输出值所映射的第二炉内温度；

从该历史生产数据中获取该历史生产数据所对应历史炉次所使用的第二引晶功率；

将各所述第二炉内温度和所述第二引晶功率，确定为一个第二训练样本；

将所述第二训练样本包括的各所述第二炉内温度作为模型输入，将所述第二训练样本包括的所述第二引晶功率作为模型输出，通过各所述第二训练样本进行模型训练，获得所述功率预测模型。

6.根据权利要求2-5中任一所述的方法，其特征在于，

所述加热器功率包括主加热器功率和底部加热器功率，所述加热器电阻值包括主加热器的电阻值和底部加热器的电阻值；

和/或，

所述炉内温度根据所述直拉单晶炉内至少两个温度传感器的测量值确定。

7.引晶功率确定装置(90)，其特征在于，包括：

一个数据获取模块(91)，用于获取直拉单晶炉在当前炉次的熔料阶段的特征数据，其中，所述特征数据用于表征所述直拉单晶炉在熔料阶段内炉内温度与加热器能量输出值的关系；

一个功率预测模块(92)，用于将所述数据获取模块(91)获取到的所述特征数据输入功率预测模型，获得所述功率预测模型的输出，将所述功率预测模型的输出确定为所述当前炉次的引晶功率，其中，所述功率预测模型通过所述直拉单晶炉的历史生产数据训练获得。

8.根据权利要求7所述的装置，其特征在于，

所述数据获取模块(91)，用于每经过一个预设的采样周期，对所述当前炉次的熔料阶段的炉内温度、加热器功率和加热器电阻值进行一次采集，将每次采集到的炉内温度、加热器功率和加热器电阻值确定为一个当前特征向量；将采集到的至少两个所述当前特征向量确定为所述特征数据。

9.根据权利要求8所述的装置，其特征在于，所述装置还包括：

一个第一获取模块(93)，用于获取所述直拉单晶炉的至少两个所述历史生产数据，其中，每个所述历史生产数据对应所述直拉单晶炉生产单晶硅的一个历史炉次；

一个第一提取模块(94)，用于针对所述第一获取模块(93)获取到的每个所述历史生产数据，以所述采样周期为间隔时间，从该历史生产数据中采集熔料阶段的炉内温度、加热器功率和加热器电阻值，并将每次采集到的炉内温度、加热器功率和加热器电阻值确定为一个历史特征向量；从该历史生产数据中获取该历史生产数据所对应历史炉次所使用的第一引晶功率；将各所述历史特征向量和所述第一引晶功率，确定为一个第一训练样本；

一个第一训练模块(95)，用于将所述第一训练样本包括的各所述历史特征向量作为模型输入，将所述第一训练样本包括的所述第一引晶功率作为模型输出，通过所述第一提取模块(94)获取到的各所述第一训练样本进行模型训练，获得所述功率预测模型。

10.根据权利要求7所述的装置，其特征在于，所述数据获取模块(91)包括：

一个数据采集子模块(911)，用于对所述当前炉次的熔料阶段的炉内温度、加热器功率和加热器电阻值进行采集；

一个数据转换子模块(912)，用于根据所述数据采集子模块(911)采集到的炉内温度、加热器功率和加热器电阻值，确定在所述当前炉次的熔料阶段内炉内温度与加热器能量输出值的第一映射关系；

一个数据提取子模块(913)，用于从所述数据转换子模块(912)确定出的所述第一映射关系中，采集至少两个目标加热器能量输出值所映射的第一炉内温度，并将采集到的至少两个所述第一炉内温度确定为所述特征数据。

11.根据权利要求10所述的装置，其特征在于，所述装置还包括：

一个第二获取模块(96)，用于获取所述直拉单晶炉的至少两个所述历史生产数据，其中，每个所述历史生产数据对应所述直拉单晶炉生产单晶硅的一个历史炉次；

一个第二提取模块(97)，用于针对所述第二获取模块(96)获取到的每个所述历史生产数据，从该历史生产数据中获取熔料阶段的炉内温度、加热器功率和加热器电阻值，根据获取到的炉内温度、加热器功率和加热器电阻值，确定在该历史生产数据所对应历史炉次的熔料阶段内炉内温度与加热器能量输出值的第二映射关系，从所述第二映射关系中采集各所述目标加热器能量输出值所映射的第二炉内温度，从该历史生产数据中获取该历史生产数据所对应历史炉次所使用的第二引晶功率，将各所述第二炉内温度和所述第二引晶功率，确定为一个第二训练样本；

一个第二训练模块(98)，用于将所述第二训练样本包括的各所述第二炉内温度作为模型输入，将所述第二训练样本包括的所述第二引晶功率作为模型输出，通过所述第二提取模块(97)获取到的各所述第二训练样本进行模型训练，获得所述功率预测模型。

12.根据权利要求7-11中任一所述的装置，其特征在于，

所述加热器功率包括主加热器功率和底部加热器功率，所述加热器电阻值包括主加热器的电阻值和底部加热器的电阻值；

和/或，

所述炉内温度根据所述直拉单晶炉内至少两个温度传感器的测量值确定。

Images