一种半导体清洗设备的智能控制方法及系统

摘要

本发明公开了一种半导体清洗设备的智能控制方法及系统，涉及智能控制领域，其中，所述方法包括：根据污染物集合，在清洗液数据库内进行清洗液成分和温度的优化，获取清洗液信息和温度信息，并配制获得清洗液；将半导体置于清洗液中，采集清洗池内的图像，计算获取超声面积信息；分析获取清洗液的空化阈值；根据空化阈值，构建约束条件，根据约束条件和目标函数进行超声波清洗的波长、频率和发射功率的优化，获得最优超声参数；通过所述控制单元，采用所述最优超声参数，对超声清洗仪进行控制，对半导体进行超声清洗。解决了现有技术中半导体的超声清洗精准性差，导致半导体的超声清洗效果不佳的技术问题。

权利要求

1.一种半导体清洗设备的智能控制方法，其特征在于，所述方法应用于一半导体清洗设备的智能控制装置，所述装置内包括清洗液分析单元、超声参数分析单元和控制单元，所述控制单元和超声清洗装置连接，包括：采集待进行清洗的半导体已进行的生产步骤集合，并映射匹配获取半导体上的污染物，获得污染物集合；

根据所述污染物集合，构建查询条件，输入所述清洗液分析单元，在清洗液数据库内进行清洗液成分和温度的优化，获取清洗液信息和温度信息，并配制获得清洗液；

将半导体置于清洗液中，采集清洗池内的图像，进行局部向量转换和分析，获取半导体的位置信息，根据所述位置信息，计算获取超声面积信息；

根据所述清洗液信息结合所述超声面积信息，分析获取清洗液的空化阈值；

根据所述空化阈值，构建约束条件，并构建目标函数，调用半导体的设计信息，根据所述约束条件和目标函数，在超声参数分析单元内，进行超声波清洗的波长、频率和发射功率的优化，获得最优超声参数；

通过所述控制单元，采用所述最优超声参数，对超声清洗仪进行控制，对半导体进行超声清洗；

其中，所述方法还包括：

将半导体置于清洗液中，采集清洗池内的图像；

对清洗池图像进行灰度化处理，并根据半导体的大小，设置处理算子；

采用所述处理算子，按照处理步长，对灰度化的清洗池图像划分，并将划分获得的局部区域内像素点的灰度值与灰度阈值进行比较，大于则记为1，不大于则记为0，获得多个局部向量；

将局部向量内均为0的局部向量对应的局部区域的位置，作为所述位置信息；

结合超声清洗仪发射超声波的区域和所述位置信息，划分获得所述超声面积信息。

2.根据权利要求1所述的方法，其特征在于，采集待进行清洗的半导体已进行的生产步骤集合，并映射匹配获取半导体上的污染物，包括：调用半导体生产污染的监测日志数据，获取不同生产步骤引入的污染物种类，获得多个生产步骤对应的多个步骤污染物集合；

构建所述多个生产步骤和多个步骤污染物集合的映射关系；

根据所述生产步骤集合在所述映射关系内进行映射匹配，获得所述污染物集合。

3.根据权利要求1所述的方法，其特征在于，所述方法包括：调用半导体污染物清洗的日志数据，获取多个样本污染物集合、多个样本清洗液信息、多个样本温度信息和多个样本清洁程度信息，构建所述清洗液数据库；

在所述清洗液数据库内随机选择获得第一样本清洗液信息和第一样本温度信息；

根据所述污染物集合、第一样本清洗液信息和第一样本温度信息，构建查询条件，获得对应的第一样本清洁程度信息；

继续随机选择获得第二样本清洗液信息和第二样本温度信息，并查询获得第二样本清洁程度信息；

判断所述第二样本清洁程度信息是否大于第一样本清洁程度信息，若是，则将所述第二样本清洗液信息和第二样本温度信息作为最优清洗液组合，若否，在准予值大于0时，将准予值减1，将所述第二样本清洗液信息和第二样本温度信息作为最优清洗液组合，准予值为大于1的整数；

继续迭代优化，输出最终的最优清洗液组合，获得所述清洗液信息和温度信息。

4.根据权利要求1所述的方法，其特征在于，所述方法包括：将超声清洗仪的发射功率大于所述空化阈值，作为约束条件；

构建目标函数：

其中，FIT为适应度，M为污染物集合内污染物种类的数量，w1、w2和w3为权重，Ji为某一超声参数下，对M种污染物内第i种污染物进行超声清洗单位时间后的剩余污染物百分比，C为某一超声参数下发射超声波的能耗，Ti为某一超声参数下对M种污染物内第i种污染物进行超声清洗至完全清洁的时间；

随机生成满足所述约束条件的多个第一解，每个第一解内均包括一超声参数；

根据所述多个第一解进行测试，并结合所述目标函数，计算获得多个第一适应度，将多个第一适应度中最大的前P个第一适应度对应的第一解作为P个领头解，将其他的Q个第一解作为Q个种群解，P和Q为大于1的整数；

采用预设步长，对所述P个领头解内的超声参数进行随机调整，获得P个第二解，并计算获取P个第二适应度；

根据所述P个第二适应度，对所述预设步长进行调整，获得调整步长；

采用所述调整步长，对Q个种群解内的超声参数进行随机调整，获得Q个第二解，并计算获取Q个第二适应度；

将P个第二适应度和Q个第二适应度内最大的前P个第二适应度对应的解更新为P个领头解，并更新获得Q个种群解；

继续寻优优化，直到达到优化次数阈值，将适应度最大的解输出，获得所述最优超声参数。

5.根据权利要求4所述的方法，其特征在于，根据所述P个第二适应度，对所述预设步长进行调整，获得调整步长，包括：计算获取P个第二适应度的均值，以及多个第一适应度的均值，获得第二均值和第一均值；

根据第二均值和第一均值的比值的倒数，对所述预设步长进行调整计算，获得所述调整步长。

6.一种半导体清洗设备的智能控制系统，其特征在于，所述系统用于执行权利要求1至

5中任一项所述的方法，所述系统与一半导体清洗设备的智能控制装置通信连接，所述装置内包括清洗液分析单元、超声参数分析单元和控制单元，所述控制单元和超声清洗装置连接，所述系统包括：污染物映射匹配模块，所述污染物映射匹配模块用于采集待进行清洗的半导体已进行的生产步骤集合，并映射匹配获取半导体上的污染物，获得污染物集合；

清洗液配制模块，所述清洗液配制模块用于根据所述污染物集合，构建查询条件，输入所述清洗液分析单元，在清洗液数据库内进行清洗液成分和温度的优化，获取清洗液信息和温度信息，并配制获得清洗液；

超声面积计算模块，所述超声面积计算模块用于将半导体置于清洗液中，采集清洗池内的图像，进行局部向量转换和分析，获取半导体的位置信息，根据所述位置信息，计算获取超声面积信息；

空化阈值分析模块，所述空化阈值分析模块用于根据所述清洗液信息结合所述超声面积信息，分析获取清洗液的空化阈值；

超声参数分析模块，所述超声参数分析模块用于根据所述空化阈值，构建约束条件，并构建目标函数，调用半导体的设计信息，根据所述约束条件和目标函数，在超声参数分析单元内，进行超声波清洗的波长、频率和发射功率的优化，获得最优超声参数；

超声清洗模块，所述超声清洗模块用于通过所述控制单元，采用所述最优超声参数，对超声清洗仪进行控制，对半导体进行超声清洗；

图像采集模块，所述图像采集模块用于将半导体置于清洗液中，采集清洗池内的图像；

第三执行模块，所述第三执行模块用于对清洗池图像进行灰度化处理，并根据半导体的大小，设置处理算子；

第四执行模块，所述第四执行模块用于采用所述处理算子，按照处理步长，对灰度化的清洗池图像划分，并将划分获得的局部区域内像素点的灰度值与灰度阈值进行比较，大于则记为1，不大于则记为0，获得多个局部向量；

位置信息确定模块，所述位置信息确定模块用于将局部向量内均为0的局部向量对应的局部区域的位置，作为所述位置信息；

超声面积信息确定模块，所述超声面积信息确定模块用于结合超声清洗仪发射超声波的区域和所述位置信息，划分获得所述超声面积信息。

说明书

一种半导体清洗设备的智能控制方法及系统

技术领域

[0001] 本发明涉及智能控制领域，具体地，涉及一种半导体清洗设备的智能控制方法及系统。

背景技术

[0002] 在半导体生产工艺中，几乎每道工序都需要对半导体硅片进行清洗，清洗质量的高低对于半导体的性能具有重要的影响。现有技术中，存在半导体的超声清洗精准性差，导致半导体的超声清洗效果不佳的技术问题。

发明内容

[0003] 本申请提供了一种半导体清洗设备的智能控制方法及系统。解决了现有技术中半导体的超声清洗精准性差，导致半导体的超声清洗效果不佳的技术问题。达到了提高半导体的超声清洗精准性、可靠度，提升半导体的超声清洗质量的技术效果。

[0004] 鉴于上述问题，本申请提供了一种半导体清洗设备的智能控制方法及系统。

[0005] 第一方面，本申请提供了一种半导体清洗设备的智能控制方法，其中，所述方法应用于一种半导体清洗设备的智能控制系统，所述系统与一半导体清洗设备的智能控制装置通信连接，所述装置内包括清洗液分析单元、超声参数分析单元和控制单元，所述控制单元和超声清洗装置连接，所述方法包括：采集待进行清洗的半导体已进行的生产步骤集合，并映射匹配获取半导体上的污染物，获得污染物集合；根据所述污染物集合，构建查询条件，输入所述清洗液分析单元，在清洗液数据库内进行清洗液成分和温度的优化，获取清洗液信息和温度信息，并配制获得清洗液；将半导体置于清洗液中，采集清洗池内的图像，进行局部向量转换和分析，获取半导体的位置信息，根据所述位置信息，计算获取超声面积信息；根据所述清洗液信息结合所述超声面积信息，分析获取清洗液的空化阈值；根据所述空化阈值，构建约束条件，并构建目标函数，调用半导体的设计信息，根据所述约束条件和目标函数，在超声参数分析单元内，进行超声波清洗的波长、频率和发射功率的优化，获得最优超声参数；通过所述控制单元，采用所述最优超声参数，对超声清洗仪进行控制，对半导体进行超声清洗。

[0006] 第二方面，本申请还提供了一种半导体清洗设备的智能控制系统，其中，所述系统与一半导体清洗设备的智能控制装置通信连接，所述装置内包括清洗液分析单元、超声参数分析单元和控制单元，所述控制单元和超声清洗装置连接，所述系统包括：污染物映射匹配模块，所述污染物映射匹配模块用于采集待进行清洗的半导体已进行的生产步骤集合，并映射匹配获取半导体上的污染物，获得污染物集合；清洗液配制模块，所述清洗液配制模块用于根据所述污染物集合，构建查询条件，输入所述清洗液分析单元，在清洗液数据库内进行清洗液成分和温度的优化，获取清洗液信息和温度信息，并配制获得清洗液；超声面积计算模块，所述超声面积计算模块用于将半导体置于清洗液中，采集清洗池内的图像，进行局部向量转换和分析，获取半导体的位置信息，根据所述位置信息，计算获取超声面积信息；空化阈值分析模块，所述空化阈值分析模块用于根据所述清洗液信息结合所述超声面积信息，分析获取清洗液的空化阈值；超声参数分析模块，所述超声参数分析模块用于根据所述空化阈值，构建约束条件，并构建目标函数，调用半导体的设计信息，根据所述约束条件和目标函数，在超声参数分析单元内，进行超声波清洗的波长、频率和发射功率的优化，获得最优超声参数；超声清洗模块，所述超声清洗模块用于通过所述控制单元，采用所述最优超声参数，对超声清洗仪进行控制，对半导体进行超声清洗。

[0007] 本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：

[0008] 通过对待进行清洗的半导体已进行的生产步骤集合进行污染物映射匹配，获得污染物集合；根据污染物集合，构建查询条件，输入清洗液分析单元，在清洗液数据库内进行清洗液成分和温度的优化，获取清洗液信息和温度信息，并配制获得清洗液；将半导体置于清洗液中，采集清洗池内的图像，计算获取超声面积信息，结合清洗液信息确定清洗液的空化阈值；根据空化阈值，构建约束条件；根据约束条件和目标函数，在超声参数分析单元内进行超声波清洗的波长、频率和发射功率的优化，获得最优超声参数；按照最优超声参数控制超声清洗仪对半导体进行超声清洗。达到了提高半导体的超声清洗精准性、可靠度，提升半导体的超声清洗质量的技术效果。

[0009] 上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

[0010] 为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的附图作简单地介绍。明显地，下面描述中的附图仅仅涉及本发明的一些实施例,而非对本发明的限制。

[0011] 图1为本申请一种半导体清洗设备的智能控制方法的流程示意图；

[0012] 图2为本申请一种半导体清洗设备的智能控制方法中获得污染物集合的流程示意图；

[0013] 图3为本申请一种半导体清洗设备的智能控制系统的结构示意图。实施方式

[0014] 本申请通过提供一种半导体清洗设备的智能控制方法及系统。解决了现有技术中半导体的超声清洗精准性差，导致半导体的超声清洗效果不佳的技术问题。达到了提高半导体的超声清洗精准性、可靠度，提升半导体的超声清洗质量的技术效果。实施例

[0015] 请参阅附图1，本申请提供一种半导体清洗设备的智能控制方法，其中，所述方法应用于一种半导体清洗设备的智能控制系统，所述系统与一半导体清洗设备的智能控制装置通信连接，所述装置内包括清洗液分析单元、超声参数分析单元和控制单元，所述控制单元和超声清洗装置连接，所述方法具体包括如下步骤：

[0016] 采集待进行清洗的半导体已进行的生产步骤集合，并映射匹配获取半导体上的污染物，获得污染物集合；

[0017] 如附图2所示，获得污染物集合，包括：

[0018] 调用半导体生产污染的监测日志数据，获取不同生产步骤引入的污染物种类，获得多个生产步骤对应的多个步骤污染物集合；

[0019] 构建所述多个生产步骤和多个步骤污染物集合的映射关系；

[0020] 根据所述生产步骤集合在所述映射关系内进行映射匹配，获得所述污染物集合。

[0021] 基于大数据，采集半导体生产污染的监测日志数据，获得多个生产步骤对应的多个步骤污染物集合，并根据多个生产步骤对应的多个步骤污染物集合，构建映射关系。映射关系包括多个生产步骤，以及多个生产步骤对应的多个步骤污染物集合。每个生产步骤包括半导体历史生产步骤。每个步骤污染物集合包括每个生产步骤引入的多个历史污染物种类。示例性地，多个生产步骤包括晶圆加工、氧化、光刻、刻蚀、薄膜沉积、互连、测试、封装等。当生产步骤为刻蚀时，对应的步骤污染物集合包括刻蚀气体杂质、刻蚀溶液杂质等。

[0022] 进一步，采集待进行清洗的半导体已进行的生产步骤集合，并将生产步骤集合输入映射关系，通过映射关系对生产步骤集合进行污染物种类匹配，获得污染物集合。生产步骤集合包括待进行清洗的半导体的多个已进行的生产步骤。污染物集合包括生产步骤集合对应的多个污染物种类。达到了通过映射关系匹配待进行清洗的半导体已进行的生产步骤集合对应的污染物集合，从而提高半导体的超声清洗可靠性的技术效果。

[0023] 根据所述污染物集合，构建查询条件，输入所述清洗液分析单元，在清洗液数据库内进行清洗液成分和温度的优化，获取清洗液信息和温度信息，并配制获得清洗液；

[0024] 调用半导体污染物清洗的日志数据，获取多个样本污染物集合、多个样本清洗液信息、多个样本温度信息和多个样本清洁程度信息，构建所述清洗液数据库；

[0025] 在所述清洗液数据库内随机选择获得第一样本清洗液信息和第一样本温度信息；

[0026] 根据所述污染物集合、第一样本清洗液信息和第一样本温度信息，构建查询条件，获得对应的第一样本清洁程度信息；

[0027] 继续随机选择获得第二样本清洗液信息和第二样本温度信息，并查询获得第二样本清洁程度信息；

[0028] 判断所述第二样本清洁程度信息是否大于第一样本清洁程度信息，若是，则将所述第二样本清洗液信息和第二样本温度信息作为最优清洗液组合，若否，在准予值大于0时，将准予值减1，将所述第二样本清洗液信息和第二样本温度信息作为最优清洗液组合，准予值为大于1的整数；

[0029] 继续迭代优化，输出最终的最优清洗液组合，获得所述清洗液信息和温度信息。

[0030] 连接所述一种半导体清洗设备的智能控制系统，调取半导体污染物清洗的日志数据，获得清洗液数据库，并将清洗液数据库嵌入至清洗液分析单元。其中，清洗液数据库包括多个样本半导体污染物清洗日志。每个样本半导体污染物清洗日志包括样本污染物集合，以及样本污染物集合对应的样本清洗液信息、样本温度信息和样本清洁程度信息。样本污染物集合包括历史清洗半导体对应的多个历史污染物种类。样本清洗液信息包括样本污染物集合对应的历史清洗液成分组成信息。样本温度信息包括样本污染物集合对应的历史清洗液温度信息。样本清洁程度信息是用于表征按照样本清洗液信息、样本温度信息对应的历史清洗液对样本污染物集合的历史清洗半导体进行清洗时，历史清洗半导体的清洁程度的数据信息。按照样本清洗液信息、样本温度信息对应的历史清洗液对样本污染物集合的历史清洗半导体进行清洗时，历史清洗半导体的清洁程度越高，对应的样本清洁程度信息越大。

[0031] 进一步，对清洗液数据库内的多个样本半导体污染物清洗日志进行样本清洗液信息、样本温度信息的随机选择，获得第一样本清洗液信息和第一样本温度信息。第一样本清洗液信息、第一样本温度信息包括清洗液数据库内的，随机的一个样本半导体污染物清洗日志内的样本清洗液信息、样本温度信息。继而，将污染物集合、第一样本清洗液信息和第一样本温度信息设置为查询条件，将查询条件输入清洗液数据库，获得第一样本清洁程度信息。第一样本清洁程度信息包括清洗液数据库，查询条件对应的样本清洁程度信息。同理，再次对清洗液数据库内的多个样本半导体污染物清洗日志进行样本清洗液信息、样本温度信息的随机选择，获得第二样本清洗液信息和第二样本温度信息，并将污染物集合、第二样本清洗液信息、第二样本温度信息设置为新的查询条件，将新的查询条件输入清洗液数据库，获得新的查询条件对应的第二样本清洁程度信息。

[0032] 进一步，对第二样本清洁程度信息是否大于第一样本清洁程度信息进行判断。如果第二样本清洁程度信息大于第一样本清洁程度信息，则，将第二样本清洗液信息和第二样本温度信息设置为当前的最优清洗液组合。如果第二样本清洁程度信息等于/小于第一样本清洁程度信息，则，在准予值大于0时，将准予值减1，将第二样本清洗液信息和第二样本温度信息作为当前的最优清洗液组合。继而，继续对当前的最优清洗液组合进行迭代优化，直至当前的最优清洗液组合的迭代优化次数满足预设迭代次数时，获得最终的最优清洗液组合。且，在对当前的最优清洗液组合进行迭代优化时，若准予值不大于0，则，不对当前的最优清洗液组合进行更新。进而，将最终的最优清洗液组合内的样本清洗液信息、样本温度信息分别输出为清洗液信息和温度信息，并按照清洗液信息和温度信息配制清洗液。由此，本申请实现了根据污染物集合对清洗液数据库进行清洗液成分和温度的多轮迭代优化，从而配置清洁程度较高的清洗液，提高了半导体的超声清洗效果。

[0033] 其中，准予值为由所述一种半导体清洗设备的智能控制系统预先设置确定的大于1的整数，例如为10。在迭代优化的初期，第一样本清洁程度信息对应的第一样本清洗液信息、第一样本温度信息大概率并非为最终的最优清洗液组合，可能为局部最优，为避免优化进程停滞在第一样本清洁程度信息对应的第一样本清洗液信息、第一样本温度信息处，准予值较大，以较大概率接受较劣的第二样本清洁程度信息对应的第二样本清洗液信息、第二样本温度信息为当前的最优清洗液组合，以提升迭代优化速率，快速迭代寻优。而在迭代优化的后期，当前的最优清洗液组合可能为全局最优，为提升寻优的准确性，准予值较小，以较小概率接受较劣的当前的最优清洗液组合为全局最优的最终的最优清洗液组合，提升迭代优化的准确度。此外，最终的最优清洗液组合包括满足预设迭代次数的迭代优化次数对应的当前的最优清洗液组合。预设迭代次数包括由所述一种半导体清洗设备的智能控制系统预先设置确定的迭代优化次数阈值。清洗液为满足清洗液信息、温度信息的溶液。

[0034] 将半导体置于清洗液中，采集清洗池内的图像，进行局部向量转换和分析，获取半导体的位置信息，根据所述位置信息，计算获取超声面积信息；

[0035] 将半导体置于清洗液中，采集清洗池内的图像；

[0036] 对清洗池图像进行灰度化处理，并根据半导体的大小，设置处理算子；

[0037] 采用所述处理算子，按照处理步长，对灰度化的清洗池图像划分，[0038] 并将划分获得的局部区域内像素点的灰度值与灰度阈值进行比较，大于则记为1，不大于则记为0，获得多个局部向量；

[0039] 将局部向量内均为0的局部向量对应的局部区域的位置，作为所述位置信息；

[0040] 结合超声清洗仪发射超声波的区域和所述位置信息，划分获得所述超声面积信息。

[0041] 将清洗液放置于清洗池后，将待进行清洗的半导体放置于清洗池中，并采集清洗池内的图像信息，获得清洗池图像。通过对清洗池图像进行灰度化处理，得到灰度化的清洗池图像。清洗池图像包括放置清洗液、待进行清洗的半导体的清洗池对应的图像数据。灰度化处理是指将清洗池图像中的每个像素点的RGB值统一成一个值，这个值称为灰度值。对清洗池图像进行灰度化处理的方法包括现有技术中的最大值法、平均值法、加权平均法。灰度化的清洗池图像包括清洗池图像的多个像素点对应的多个灰度值。

[0042] 将放置于清洗池的待进行清洗的半导体的正视图的面积设置为处理算子。按照处理算子对灰度化的清洗池图像进行划分，获得随机的第一局部区域。第一局部区域包括灰度化的清洗池图像内的随机的多个像素点。且，第一局部区域的大小满足处理算子。将第一局部区域内的多个像素点对应的多个灰度值与灰度阈值进行比较。如果第一局部区域内的像素点的灰度值大于灰度阈值，则，将该像素点对应的局部向量记为1，否则，将该像素点对应的局部向量记为0。由此，获得第一局部区域内的多个像素点对应的多个局部向量。如果第一局部区域内的多个像素点对应的多个局部向量均为0，则，将第一局部区域对应的位置作为半导体的位置信息。根据超声清洗仪发射超声波的区域和半导体的位置信息对灰度化的清洗池图像进行定位，获得超声面积信息。如果第一局部区域内的多个像素点对应的多个局部向量不均为0，则，按照处理算子和处理步长继续对灰度化的清洗池图像进行划分，直至获得半导体的位置信息。其中，灰度阈值包括由所述一种半导体清洗设备的智能控制系统预先设置确定的半导体的像素点灰度阈值。超声面积信息包括灰度化的清洗池图像内，超声清洗仪发射超声波的区域和半导体的位置信息对应的面积信息。优选地，处理步长为1。示例性地，按照处理算子和处理步长继续对灰度化的清洗池图像进行划分时，向第一局部区域左移处理步长后，再按照处理算子对灰度化的清洗池图像进行划分。

[0043] 根据所述清洗液信息结合所述超声面积信息，分析获取清洗液的空化阈值；

[0044] 根据所述多个样本清洗液信息，测试获得多个样本声强空化阈值；

[0045] 构建所述多个样本清洗液信息和多个样本声强空化阈值的映射关系，获得空化阈值对照表；

[0046] 采用所述清洗液信息进行映射匹配，获得声强空化阈值，结合所述超声面积信息，计算获得所述空化阈值。

[0047] 当清洗液受到足够的超声功率时，清洗液中的某些小气泡会不断增大直至产生蒸汽泡，这个现象称为超声空化。声强空化阈值参数是指使单位面积的清洗液产生超声空化的最小超声功率。声强空化阈值参数与清洗液成分有关。有的清洗液具有较低的声强空化阈值参数，而有的清洗液具有较高的声强空化阈值参数。按照多个样本清洗液信息进行声强空化阈值参数查询，获得多个样本声强空化阈值。且，多个样本清洗液信息与多个样本声强空化阈值具有一一对应关系。将这个一一对应关系记为多个样本清洗液信息和多个样本声强空化阈值的映射关系，并根据映射关系，构建空化阈值对照表。继而，将清洗液信息输入空化阈值对照表进行声强空化阈值参数的映射匹配，获得声强空化阈值。将声强空化阈值与超声面积信息的乘积输出为空化阈值。其中，每个样本声强空化阈值包括每个样本清洗液信息对应的声强空化阈值参数。空化阈值对照表包括多个样本清洗液信息和多个样本声强空化阈值的映射关系。声强空化阈值包括清洗液信息对应的声强空化阈值参数。

[0048] 根据所述空化阈值，构建约束条件，并构建目标函数，调用半导体的设计信息，根据所述约束条件和目标函数，在超声参数分析单元内，进行超声波清洗的波长、频率和发射功率的优化，获得最优超声参数；

[0049] 将超声清洗仪的发射功率大于所述空化阈值，作为约束条件；

[0050] 构建目标函数： 其中， 为适应度，为污染物集合内污染物种类的数量， 为权重， 为某一超声参数下，对M
种污染物内第i种污染物进行超声清洗单位时间后的剩余污染物百分比，C为某一超声参数下发射超声波的能耗， 为某一超声参数下对M种污染物内第i种污染物进行超声清洗至完全清洁的时间；

[0051] 随机生成满足所述约束条件的多个第一解，每个第一解内均包括一超声参数；

[0052] 根据所述多个第一解进行测试，并结合所述目标函数，计算获得多个第一适应度，将多个第一适应度中最大的前P个第一适应度对应的第一解作为P个领头解，将其他的Q个第一解作为Q个种群解，P和Q为大于1的整数；

[0053] 采用预设步长，对所述P个领头解内的超声参数进行随机调整，获得P个第二解，并计算获取P个第二适应度；

[0054] 超声参数分析单元包括约束条件和目标函数。约束条件为超声清洗仪的发射功率大于空化阈值。基于大数据，随机生成满足约束条件的多个第一解。每个第一解内均包括一超声参数。超声参数包括超声清洗仪的随机的一个超声波波长、随机的一个超声波频率、随机的发射功率。继而，分别对多个第一解进行测试，并结合目标函数进行计算，获得多个第一解对应的多个第一适应度。目标函数为

[0055] 其中， 为输出的适应度； 为污染物集合内污染物种类的数量； 均为由所述一种半导体清洗设备的智
能控制系统预先设置确定的权重； 为某一超声参数下，对M种污染物内第i种污染物进行超声清洗单位时间后的剩余污染物百分比；C为某一超声参数下发射超声波的能耗； 为某一超声参数下对M种污染物内第i种污染物进行超声清洗至完全清洁的时间；
通过按照超声参数对正常生产中产生污染的半导体进行测试获取。

[0056] 进一步，对多个第一适应度进行由大到小的排序，第一适应度越大，该第一适应度的排序越靠前，将前P个第一适应度对应的第一解设置为P个领头解，将剩余的第一适应度对应的第一解设置为其他的Q个第一解。将其他的Q个第一解作为Q个种群解。且，P和Q均为大于1的整数。P、Q的和等于多个第一解的数量。继而，按照预设步长对P个领头解内的超声参数进行随机调整，获得P个第二解，并结合目标函数计算P个第二解对应的P个第二适应度。预设步长包括由所述一种半导体清洗设备的智能控制系统预先设置确定的超声波波长调整幅度、超声波频率调整幅度、发射功率调整幅度。例如，超声波波长调整幅度为6%，则，在按照预设步长对P个领头解内的超声参数进行随机调整时，可以将P个领头解内的超声参数对应的超声波波长缩小6%或扩大6%。P个第二适应度与多个第一适应度的获得方式相同。

[0057] 根据所述P个第二适应度，对所述预设步长进行调整，获得调整步长；

[0058] 计算获取P个第二适应度的均值，以及多个第一适应度的均值，获得第二均值和第一均值；

[0059] 根据第二均值和第一均值的比值的倒数，对所述预设步长进行调整计算，获得所述调整步长。

[0060] 将P个第二适应度的均值设置为第二均值。将多个第一适应度的均值记为第一均值。继而，将第二均值与第一均值的比值的倒数记为步长调整特征值，并按照步长调整特征值对预设步长进行调整计算，获得调整步长。优选地，在按照步长调整特征值对预设步长进行调整计算时，分别将步长调整特征值与预设步长内的超声波波长调整幅度、超声波频率调整幅度、发射功率调整幅度进行乘法计算，获得优化超声波波长调整幅度、优化超声波频率调整幅度、优化发射功率调整幅度，并将优化超声波波长调整幅度、优化超声波频率调整幅度、优化发射功率调整幅度输出为调整步长。

[0061] 采用所述调整步长，对Q个种群解内的超声参数进行随机调整，获得Q个第二解，并计算获取Q个第二适应度；

[0062] 将P个第二适应度和Q个第二适应度内最大的前P个第二适应度对应的解更新为P个领头解，并更新获得Q个种群解；

[0063] 继续寻优优化，直到达到优化次数阈值，将适应度最大的解输出，获得所述最优超声参数。

[0064] 通过所述控制单元，采用所述最优超声参数，对超声清洗仪进行控制，对半导体进行超声清洗。

[0065] 按照调整步长分别对Q个种群解内的超声参数进行随机调整，获得Q个第二解，并结合目标函数计算Q个第二解对应的Q个第二适应度。继而，按照第二适应度由大到小的顺序对P个第二适应度、Q个第二适应度进行排序，将前P个第二适应度对应的解更新为新的P个领头解，将剩余的第二适应度对应的解更新为新的Q个种群解。基于新的P个领头解、新的Q个种群解继续寻优优化，直到达到优化次数阈值，将适应度最大的解输出为最优超声参数。继而，将最优超声参数传输至控制单元，按照最优超声参数控制超声清洗仪对半导体进行超声清洗，从而提高半导体的超声清洗效果。其中，优化次数阈值包括由所述一种半导体清洗设备的智能控制系统预先设置确定的寻优优化次数阈值。适应度最大的解包括达到优化次数阈值时，适应度最大的超声波波长、超声波频率、发射功率。控制单元具有对超声清洗仪进行超声波波长、超声波频率、发射功率的控制的功能。且，控制单元和超声清洗装置连接。超声清洗装置包括超声清洗仪、清洗池。清洗池为用于放置待进行清洗的半导体和清洗液的容置空间。

[0066] 综上所述，本申请所提供的一种半导体清洗设备的智能控制方法具有如下技术效果：

[0067] 1.通过对待进行清洗的半导体已进行的生产步骤集合进行污染物映射匹配，获得污染物集合；根据污染物集合，构建查询条件，输入清洗液分析单元，在清洗液数据库内进行清洗液成分和温度的优化，获取清洗液信息和温度信息，并配制获得清洗液；将半导体置于清洗液中，采集清洗池内的图像，计算获取超声面积信息，结合清洗液信息确定清洗液的空化阈值；根据空化阈值，构建约束条件；根据约束条件和目标函数，在超声参数分析单元内进行超声波清洗的波长、频率和发射功率的优化，获得最优超声参数；按照最优超声参数控制超声清洗仪对半导体进行超声清洗。达到了提高半导体的超声清洗精准性、可靠度，提升半导体的超声清洗质量的技术效果。

[0068] 2.根据污染物集合对清洗液数据库进行清洗液成分和温度的多轮迭代优化，从而配置清洁程度较高的清洗液，提高了半导体的超声清洗效果。实施例

[0069] 基于与前述实施例中一种半导体清洗设备的智能控制方法，同样发明构思，本发明还提供了一种半导体清洗设备的智能控制系统，所述系统与一半导体清洗设备的智能控制装置通信连接，所述装置内包括清洗液分析单元、超声参数分析单元和控制单元，所述控制单元和超声清洗装置连接，请参阅附图3，所述系统包括：

[0070] 污染物映射匹配模块，所述污染物映射匹配模块用于采集待进行清洗的半导体已进行的生产步骤集合，并映射匹配获取半导体上的污染物，获得污染物集合；

[0071] 清洗液配制模块，所述清洗液配制模块用于根据所述污染物集合，构建查询条件，输入所述清洗液分析单元，在清洗液数据库内进行清洗液成分和温度的优化，获取清洗液信息和温度信息，并配制获得清洗液；

[0072] 超声面积计算模块，所述超声面积计算模块用于将半导体置于清洗液中，采集清洗池内的图像，进行局部向量转换和分析，获取半导体的位置信息，根据所述位置信息，计算获取超声面积信息；

[0073] 空化阈值分析模块，所述空化阈值分析模块用于根据所述清洗液信息结合所述超声面积信息，分析获取清洗液的空化阈值；

[0074] 超声参数分析模块，所述超声参数分析模块用于根据所述空化阈值，构建约束条件，并构建目标函数，调用半导体的设计信息，根据所述约束条件和目标函数，在超声参数分析单元内，进行超声波清洗的波长、频率和发射功率的优化，获得最优超声参数；

[0075] 超声清洗模块，所述超声清洗模块用于通过所述控制单元，采用所述最优超声参数，对超声清洗仪进行控制，对半导体进行超声清洗。

[0076] 进一步的，所述系统还包括：

[0077] 监测日志数据确定模块，所述监测日志数据确定模块用于调用半导体生产污染的监测日志数据，获取不同生产步骤引入的污染物种类，获得多个生产步骤对应的多个步骤污染物集合；

[0078] 映射关系构建模块，所述映射关系构建模块用于构建所述多个生产步骤和多个步骤污染物集合的映射关系；

[0079] 污染物集合确定模块，所述污染物集合确定模块用于根据所述生产步骤集合在所述映射关系内进行映射匹配，获得所述污染物集合。

[0080] 进一步的，所述系统还包括：

[0081] 数据库构建模块，所述数据库构建模块用于调用半导体污染物清洗的日志数据，获取多个样本污染物集合、多个样本清洗液信息、多个样本温度信息和多个样本清洁程度信息，构建所述清洗液数据库；

[0082] 第一样本选择模块，所述第一样本选择模块用于在所述清洗液数据库内随机选择获得第一样本清洗液信息和第一样本温度信息；

[0083] 第一样本清洁程度信息获得模块，所述第一样本清洁程度信息获得模块用于根据所述污染物集合、第一样本清洗液信息和第一样本温度信息，构建查询条件，获得对应的第一样本清洁程度信息；

[0084] 第二样本清洁程度信息获得模块，所述第二样本清洁程度信息获得模块用于继续随机选择获得第二样本清洗液信息和第二样本温度信息，并查询获得第二样本清洁程度信息；

[0085] 第一执行模块，所述第一执行模块用于判断所述第二样本清洁程度信息是否大于第一样本清洁程度信息，若是，则将所述第二样本清洗液信息和第二样本温度信息作为最优清洗液组合，若否，在准予值大于0时，将准予值减1，将所述第二样本清洗液信息和第二样本温度信息作为最优清洗液组合，准予值为大于1的整数；

[0086] 第二执行模块，所述第二执行模块用于继续迭代优化，输出最终的最优清洗液组合，获得所述清洗液信息和温度信息。

[0087] 进一步的，所述系统还包括：

[0088] 图像采集模块，所述图像采集模块用于将半导体置于清洗液中，采集清洗池内的图像；

[0089] 第三执行模块，所述第三执行模块用于对清洗池图像进行灰度化处理，并根据半导体的大小，设置处理算子；

[0090] 第四执行模块，所述第四执行模块用于采用所述处理算子，按照处理步长，对灰度化的清洗池图像划分，并将划分获得的局部区域内像素点的灰度值与灰度阈值进行比较，大于则记为1，不大于则记为0，获得多个局部向量；

[0091] 位置信息确定模块，所述位置信息确定模块用于将局部向量内均为0的局部向量对应的局部区域的位置，作为所述位置信息；

[0092] 超声面积信息确定模块，所述超声面积信息确定模块用于结合超声清洗仪发射超声波的区域和所述位置信息，划分获得所述超声面积信息。

[0093] 进一步的，所述系统还包括：

[0094] 样本声强空化阈值获得模块，所述样本声强空化阈值获得模块用于根据所述多个样本清洗液信息，测试获得多个样本声强空化阈值；

[0095] 对照表构建模块，所述对照表构建模块用于构建所述多个样本清洗液信息和多个样本声强空化阈值的映射关系，获得空化阈值对照表；

[0096] 空化阈值计算模块，所述空化阈值计算模块用于采用所述清洗液信息进行映射匹配，获得声强空化阈值，结合所述超声面积信息，计算获得所述空化阈值。

[0097] 进一步的，所述系统还包括：

[0098] 约束条件确定模块，所述约束条件确定模块用于将超声清洗仪的发射功率大于所述空化阈值，作为约束条件；

[0099] 函数构建模块，所述函数构建模块用于构建目标函数：

[0100] 其中， 为适应度， 为污染物集合内污染物种类的数量， 为权重， 为某一超声参数下，对M种污染物内第i种污染物进行超声清洗单位时间后的剩余污染物百分比，C为某一超声参数下发射超声波的能耗， 为某一超声参数下对M种污染物内第i种污染物进行超声清洗至完全清洁的时间；

[0101] 第一解生成模块，所述第一解生成模块用于随机生成满足所述约束条件的多个第一解，每个第一解内均包括一超声参数；

[0102] 第五执行模块，所述第五执行模块用于根据所述多个第一解进行测试，并结合所述目标函数，计算获得多个第一适应度，将多个第一适应度中最大的前P个第一适应度对应的第一解作为P个领头解，将其他的Q个第一解作为Q个种群解，P和Q为大于1的整数；

[0103] 第二适应度计算模块，所述第二适应度计算模块用于采用预设步长，对所述P个领头解内的超声参数进行随机调整，获得P个第二解，并计算获取P个第二适应度；

[0104] 步长调整模块，所述步长调整模块用于根据所述P个第二适应度，对所述预设步长进行调整，获得调整步长；

[0105] Q个第二适应度获取模块，所述Q个第二适应度获取模块用于采用所述调整步长，对Q个种群解内的超声参数进行随机调整，获得Q个第二解，并计算获取Q个第二适应度；

[0106] 第六执行模块，所述第六执行模块用于将P个第二适应度和Q个第二适应度内最大的前P个第二适应度对应的解更新为P个领头解，并更新获得Q个种群解；

[0107] 最优超声参数输出模块，所述最优超声参数输出模块用于继续寻优优化，直到达到优化次数阈值，将适应度最大的解输出，获得所述最优超声参数。

[0108] 进一步的，所述系统还包括：

[0109] 适应度均值计算模块，所述适应度均值计算模块用于计算获取P个第二适应度的均值，以及多个第一适应度的均值，获得第二均值和第一均值；

[0110] 调整步长确定模块，所述调整步长确定模块用于根据第二均值和第一均值的比值的倒数，对所述预设步长进行调整计算，获得所述调整步长。

[0111] 本发明实施例所提供的一种半导体清洗设备的智能控制系统可执行本发明任意实施例所提供的一种半导体清洗设备的智能控制方法，具备执行方法相应的功能模块和有益效果。

[0112] 所包括的各个模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能模块的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。

[0113] 本申请提供了一种半导体清洗设备的智能控制方法，其中，所述方法应用于一种半导体清洗设备的智能控制系统，所述方法包括：通过对待进行清洗的半导体已进行的生产步骤集合进行污染物映射匹配，获得污染物集合；根据污染物集合，构建查询条件，输入清洗液分析单元，在清洗液数据库内进行清洗液成分和温度的优化，获取清洗液信息和温度信息，并配制获得清洗液；将半导体置于清洗液中，采集清洗池内的图像，计算获取超声面积信息，结合清洗液信息确定清洗液的空化阈值；根据空化阈值，构建约束条件；根据约束条件和目标函数，在超声参数分析单元内进行超声波清洗的波长、频率和发射功率的优化，获得最优超声参数；按照最优超声参数控制超声清洗仪对半导体进行超声清洗。解决了现有技术中半导体的超声清洗精准性差，导致半导体的超声清洗效果不佳的技术问题。达到了提高半导体的超声清洗精准性、可靠度，提升半导体的超声清洗质量的技术效果。

[0114] 虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。