基于CompactParticleSwarmOptimization算法的光刻机掩模台微动台的机械参数软...的制作方法

文档序号:9260882阅读:248来源:国知局
基于Compact Particle Swarm Optimization算法的光刻机掩模台微动台的机械参数软 ...的制作方法
【技术领域】
[0001] 本发明属于半导体制造装备技术领域及机械参数测量领域。
【背景技术】
[0002] 光刻机作为生产制造超大规模集成电路的重要设备,其精度方面的要求已经达到 纳米级。作为其中重要组成部分的掩模台精度要求也非常之高,尤其是其中的微动台部分, 它是最直接与掩模台系统精度相关的部件。作为机电系统,掩模台微动台上的电机安装及 台体加工不可避免的存在机械误差,从而会导致按照理论值进行解禪控制的精度下降情 况。因此,该些机械参数必须要被精确测量。然而微动台运动模型设及到的机械参数很难 在装配好的台体上直接测量,如台体的质屯、位置、电机的驱动中屯、等。故需要采用间接的测 量手段进行测量,从而精确确定相关机械参数。
[0003] 现有一种工件台微动部分机械参数估计方法。该专利用一种间接测量方法,根据 已经分析出来的机械误差参数项及相应的误差模型,得到位移差方程,通过实测输入输出 数据列写方程并解方程组得到相应误差参数。但是该方法在6输入6输出的情况下只能确 定6个机械参数误差,远远不能满足要求,并且无法解决应用中经常出现的矩阵病态问题。

【发明内容】

[0004] 本发明的目的是为了解决现有工件台微动部分机械参数估计算法精度差的问题, 本发明提供一种基于CompactParticleSwarmOptimization算法的光刻机掩模台微动台 的机械参数软测量方法。
[0005] 本发明的基于CompactParticleSwarmOptimization算法的光刻机掩模台微动 台的机械参数软测量方法,所述方法包括如下步骤:
[0006] 步骤一:根据掩模台微动台的机械机构及其理论设计,建立微动台的理想运动学 模型,确定待测机械参数,建立掩模台微动台含差模型;
[0007] 步骤二;给定位置输入,驱动微动台运动产生位移,将实际输出位移与通过建立的 掩模台微动台含差模型计算出的输出位移值做差,作为寻优的目标函数;
[0008] 步骤S;根据目标函数,利用CompactParticleSwarmOptimization优化学习算 法确定待辨识的机械参数。
[0009] 所述步骤S包括如下步骤:
[0010] 步骤=一;初始化计数器t=0,机械误差参数的概率分布均值初始值yi[i] =0, 机械误差参数的概率分布方差初始值〇i[i] =A;i=0,…!!;!!为待辨识的机械误差参 数的个数;构成PV矩阵的初始值
PV的每一行包含高斯分布的一组均 值和方差;其中t为优化学习迭代的次数;;初始化每项机械误差参数的寻优范围,在生成 个体时,若向上超过了所设置的寻优范围则取上边界,若向下超过了所设置的寻优范围则 取下边界;
[0011] 步骤S二:由PV矩阵生成随机向量Xgb、向量xt的初值X嘴向量yt的初值X",所 述随机向量请为机械误差参数局部最优值向量;
[001引步骤判断t是否等于设定的值Gm,若是,则向量Xgb中的参数即为待辨识的 机械误差参数的估计最优值,待辨识的机械参数的估计最优值即为误差参数的估计最优值 与相应标称值的和,若否,则转入步骤S四;
[001引步骤S四:由PV矩阵生成局部最优值向量4 ;
[0014] 步骤S五厘新X"嘴V"1;
[0017] 其中,<1)1、42、4 3、丫 1和丫 2均为优化的权重;
[001引步骤S六:将xt+1与局部最优值向量语代入目标函数,将获得的函数值进行比 较,若函数值八為),则转入步骤立走,若/片")<八请),则X'"=请,转入步骤
[0019] 步骤=走;更新机械误差参数的概率分布均值yw[i]机械误差参数的概率分布 方差0W山:
[0020]

[0021] 化表示紧凑式教学优化算法虚拟人口数,loser表示目标函数得到的较差解向 量,winner表示目标函数得到的较优解向量;
[0022] 步骤S八:将xw与全局最优值向量Xgb代入目标函数,将获得的函数值进行比较, 若函数值f(xW) <f(Xgb),则转入步骤立九,若f(Xgb) <f(xW),则Xgb=XW,转入步骤 =九;
[0023] 步骤S九;t=t+1,转入步骤SS。
[0024] 本发明的有益效果在于,
[0025] 1、应用CompactParticleSwarmOptimization优化学习算法对各个待辨识的机 械参数进行优化学习,W软测量的方式得到精确的机械参数,从而解决了直接测量难W对 微动台机械参数进行精确测量的问题。
[0026] 2、使用CompactParticleSwarmOptimization优化学习算法对各个待辨识的机 械参数进行优化学习,该种紧凑型的优化算法所用存储空间相对于传统优化方法有着极大 地减小,降低了应用中对存储空间的要求,易于在嵌入式系统中实现。
[0027] 3、仅仅使用输入输出数据、处理器及相应程序即可完成,解决了相关机械参数无 法采用测量仪器直接测量的难题。
【附图说明】
[002引图1为【具体实施方式】中所述的掩模台微动台含差模型的原理示意图。
[0029] 图2为图1的侧视图。
【具体实施方式】
[0030] 结合图1和图2说明本实施方式,本实施方式所述的基于Compact Particle Swarm化timization算法的光刻机掩模台微动台的机械参数软测量方法,所述方法包括如 下步骤:
[0031] 步骤一:根据掩模台微动台的机械机构及其理论设计,建立微动台的理想运动学 模型,确定待测机械参数,建立掩模台微动台含差模型;
[0032] 所述步骤一中,建立的掩模台微动台含差模型为:
[0033]
[0034] F为掩模台微动台X向合力;
[0035]Fy为掩模台微动台Y向合力;
[0036]Fz为掩模台微动台Z向合力;
[0037] 为掩模台微动台X向转矩;
[003引 Mty为掩模台微动台Y向转矩;
[0039]Mrz为掩模台微动台Z向转矩;
[0040] f为掩模台X向电机力;
[0041] fyi为掩模台Y向1号电机力;
[004引 fy2为掩模台Y向2号电机力;
[0043] fvi为掩模台垂向1号电机力;
[0044] fv2为掩模台垂向2号电机力;
[0045]fv3为掩模台垂向3号电机力;
[0046] 表1掩模台微动台含差模型的机械参数及定义 [00471

[0048] Cyi--水平X向电机到掩模台坐标系原点的Y向实际距离;
[0049] Cy2-一水平Y向1号电机到掩模台坐标系原点的Y向实际距离;
[0050] Cy3-一水平Y向2号电机到掩模台坐标系原点的Y向实际距离;
[0化1] Cd-一水平X向电机到掩模台坐标系原点的X向实际距离;
[0化2] c,2-一水平Y向1号电机到掩模台坐标系原点的X向实际距离;
[0化引 C。一一水平Y向2号电机到掩模台坐标系原点的X向实际距离;
[0054]Si--水平X向电机与X正向的实际角度,X正方向到Y正方向为正;
[005引 S2-一水平Y向1号电机与Y正向的实际角度,Y正方向到X正方向为正;
[0056] 63--水平Y向2号电机与Y正向的实际角度,Y正方向到X正方向为正;
[0057] dyi-一垂直向1号电机到掩模台坐标系原点的Y向距离偏差;
[005引 dy2--垂直向2号音圈电机到掩模台坐标系原点的Y向实际距离;
[0059] dy3--垂直向3号音圈电机到掩模台坐标系原点的Y向实际距离;
[0060] 山一一垂直向1号音圈电机到掩模台坐标系原点的X向实际距离;
[0061] 屯2--垂直向2号音圈电机到掩模台坐标系原点的X向实际距离;
[0062] d,3一一垂直向3号音圈电机到掩模台坐标系原点的X向实际距离;
[0063] Scyi-一X向平面电机到掩模台坐标系原点的Y向标称距离;
[0064] Scy2--Y向1号、2号平面电机到掩模台坐标系原点的Y向标称距离;
[0065] Sc,--Y向1号、2号平面电机到掩模台坐标系原点的X向标称距离;
[0066] Sdyi-一垂直向1号电机到掩模台坐标系原点的Y向标称距离;
[0067] Sdy2--垂直向2号电机、3号电机到掩模台坐标系原点的Y向标称距离;
[0068] ScU-一垂直向2号电机、3号电机到掩模台坐标系原点的X向标称距离;
[0069] ACyi-一水平X向电机到掩模台坐标系原点的Y向距离偏差;
[0070] ACy2-一水平X向1号电机到掩模台坐标系原点的Y向距离偏差;
[0071] ACy3-一水平Y向2号电机到掩模台坐标系原点的Y向距离偏差;
[0072]ACd-一水平X向电机到掩模台坐标系原点的X向距离偏差;
[007引 Ac,2-一水平Y向1号电机到掩模台坐标系原点的X向距离偏差;
[0074] Ac,3一一水平Y向2号电机到掩模台坐标系原点的X向距离偏差;
[007引 AS1 --水平X向电机与X正向的角度偏差,X正方向到Y正方向为正;
[0076] AS2--水平Y向1号电机与Y正向的角度偏差,Y正方向到X正方向为正;
[0077] A63――水平Y向2号电机与Y正向的角度偏差,Y正方向到X正方向为正;
[007引 A dyi-一垂直向1号电机到掩模台坐标系原点的Y向距离偏差;
[007
当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1