基于粒子群优化算法的光刻机光源优化方法EI北大核心CSCD

提出了一种基于粒子群优化算法的光刻机光源优化方法。将光源信息编码为粒子,利用图形误差作为评价函数,通过更新粒子的速度与位置信息不断迭代优化光源图形。对周期接触孔阵列和含有交叉门的复杂掩模图形的仿真验证表明,两者的图形误差分别降低了66.1%和27.3%,有效提高了光刻成像质量。与基于遗传算法的光源优化方法相比,该方法具有更快的收敛速度。另外,还研究了像差和离焦对本方法稳健性的影响。     

基于粒子群优化算法的光刻机光源掩模投影物镜联合优化方法

全芯片多参数联合优化是光刻分辨率增强技术的重要发展方向。提出了一种基于粒子群优化(PSO)算法的光源掩模投影物镜联合优化(SMPO)方法。将由像素表征的光源、由离散余弦变换基表征的掩模及由泽尼克系数表征的投影物镜编码为粒子,以图形误差作为评价函数,通过不断迭代更新粒子,实现光源掩模投影物镜联合优化。在标称条件和工艺条件下,采用含有交叉门的复杂掩模图形对所提方法的仿真验证表明,图形误差分别降低了94.2%和93.8%,有效提高了光刻成像质量。与基于遗传算法的SMPO方法相比,该方法具有更快的收敛速度。此外,该方法具有优化自由度高和优化后掩模可制造性强的优点。     

基于二次规划的光刻机光源优化方法

提出一种基于二次规划的光刻机光源优化方法。采用空间像与目标像的图形误差为目标函数,根据空间像强度与不同位置的点光源之间的线性关系,将光源优化转换成二次规划问题。将掩模图形区域分成限制区域和比较区域,对限制区域应用约束条件,对比较区域采用目标函数优化。采用一维孤立空图形和二维接触孔阵列图形对该方法进行验证,分析光刻胶阈值和离焦量对优化结果的影响。仿真表明,提出的光源优化方法获得了光源的全局最优解,提高了光刻成像质量,增大了工艺窗口。     

基于光刻胶三维形貌的光刻多参数联合优化方法

多参数联合优化是光刻分辨率增强技术的发展方向。提出了一种以光刻胶三维形貌差异为评价目标的光刻多参数联合优化方法。以多个深度位置的光刻胶图形误差为目标函数,对光源、掩模、投影物镜波前、离焦量和曝光剂量进行联合优化,提高了光刻胶图形三维形貌的质量。为获得较高的优化效率,采用自适应差分进化算法实现光源和掩模的优化,并针对其他参数的特点,采用不同优化方法进行优化。对密集线、含有交叉门的复杂掩模图形和静态随机存储器中的典型图形进行了仿真验证,可用焦深的最大值分别达到237nm、115nm和144.8nm,曝光宽容度的最大值分别达到18.5%、12.4%和16.4%。与基于空间像的光源掩模投影物镜联合优化技术相比,所提方法明显扩大了工艺窗口。     

基于动态适应度函数的光源掩模优化方法

提出了一种基于动态适应度函数的光刻机光源掩模优化方法(SMO)。动态适应度函数方法在遗传算法优化过程中采用动态适应度函数模拟真实光刻工艺条件误差对光刻结果的影响,得到对光刻工艺条件误差不敏感的优化光源和优化掩模。该方法无需优化权重系数,即可获得与权重优化后的加权适应度函数方法相近的工艺宽容度。典型逻辑图形的仿真实验表明,曝光剂量误差为15%时,动态适应度函数方法得到的优化光源和优化掩模的可用焦深达到200 nm,与加权适应度函数方法的优化效果相当。动态适应度函数方法也可用于降低SMO的优化光源和掩模对其他工艺条件误差如彗差的敏感度。     

基于随机并行梯度速降算法的光刻机光源与掩模联合优化方法

随着集成电路特征尺寸进入2Xnm及以下节点,光源与掩模联合优化(SMO)成为了拓展193nm ArF浸没式光刻工艺窗口、减小工艺因子的重要分辨率增强技术(RET)之一。提出了一种基于随机并行梯度速降(SPGD)算法的SMO方法,通过随机扰动进行梯度估计,利用估计梯度来迭代更新光源与掩模,避免了求解梯度解析表达式的过程,降低了优化复杂度。对周期接触孔阵列及十字线、密集线三种掩模图形的仿真验证表明,三种掩模图形误差(PE)值分别降低了75%、80%与70%,该方法较大程度地提高了光刻成像质量。     

基于衍射谱分析的全芯片光源掩模联合优化关键图形筛选

提出了一种全芯片光源掩模联合优化的关键图形筛选方法,用图形的主要频率表征图形的特征,用主要频率的位置和轮廓信息描述主要频率在频域上的分布特征。设计了相应的主要频率提取方法、覆盖规则、聚类方法以及关键图形筛选方法,实现了全芯片光源掩模联合优化的关键图形筛选。采用荷兰ASML公司的商用计算光刻软件Tachyon进行了仿真验证,与ASML公司同类技术的对比结果表明,本方法获得的工艺窗口优于ASML Tachyon方法。     

基于深度优先搜索的全芯片光源掩模优化关键图形筛选方法

提出一种基于深度优先搜索的全芯片光源掩模优化关键图形筛选方法。所提方法采用掩模频谱的投影边界以及增长因子表征掩模的衍射频谱特征。设计了基于深度优先搜索的关键图形筛选算法,实现了全芯片光源掩模优化关键图形筛选,获得了所有关键图形组。相比于现有同类方法,所提方法可以获得覆盖频率分组的所有关键图形组,进而选出更优关键图形组。采用荷兰ASML公司的商用计算光刻软件Tachyon Tflex对所提方法进行了仿真验证,仿真结果表明所提方法获得的工艺窗口优于Tachyon Tflex方法,与现有方法相比,所提方法筛选出的关键图形结果更优。     

基于LED反光杯系统的优化研究

在照明系统设计中,接收面的均匀照明以及光能的充分利用一直是光源设计急需解决的问题。目前在LED光源设计领域中,通常采用斯派罗法则分析和微分方程计算的方式进行照明效果优化,这些方式的优化层面较单一,周期长且误差较大。为了加强LED光源系统优化效率,同步提高光源系统的光照均匀度和能量利用率,论文提出了基于光照均匀度评价函数、能量利用率评价函数和综合性评价函数的优化设计算法。运用数值分析方法对单光源系统的反光杯第二面圆锥常数K与曲率半径R进行优化调整,实现整个反光杯光源系统的光照均匀度和能量利用率的同步优化。研究结果表明：利用该文算法优化后的系统比未优化的光源系统光照均匀度提高了14.2%,能量利用率提高了16.75%,与理想值的接近度提升了14.42%,验证了优化方法的可行性。在此基础上,论文进一步研究多光源系统阵列间距对系统光照均匀度和能量利用率的影响,得出光源阵列系统的最优阵列间距,在此间距下的光照均匀度与理想值的接近度为44.84%,能量利用率为88.84%,最终实现了光照均匀度和能量利用率均较好的矩形阵列光源系统。     

基于多染色体遗传算法的像素化光源掩模优化方法

提出了一种基于多染色体遗传算法(GA)的像素化光源掩模优化(SMO)方法。该方法使用多染色体遗传算法,实现了像素化光源和像素化掩模的联合优化。与采用矩形掩模优化的单染色体GASMO方法相比,多染色体GASMO方法具有更高的优化自由度,可以获得更优的光刻成像质量和更快的优化收敛速度。典型逻辑图形的仿真实验表明,多染色体方法得到的最优光源和最优掩模的适应度值比单染色体方法小7.6%,提高了光刻成像质量。仿真实验还表明,多染色体方法仅需132代进化即可得到适应度值为5200的最优解,比单染色体方法少127代,加快了优化收敛速度。     

基于粒子群并行优化的煤矿井下机器人路径规划

路径规划是煤矿井下搜救探测机器人自主导航的关键步骤,矿井是三维的非机构化的环境,机器人行走过程应该具有高度智能的路径规划,传统的自适应能力与处理非线性的问题能力较差,路径规划误差较大,提出基于粒子群并行优化的煤矿井下机器人路径规划方法,充分考虑井下的环境高低变化,采用栅格法对环境建模,将粒子群独立分布在不同容器中分别进行路径建模,不同容器中粒子分别进行优化操作;因为速度和最优子群被分别保留,在机器人路径规划实验阶段,路径规划的时间较传统方法降低20%,避障成功率高达95%,最优路径的出现概率能保持在99%,这种方法具有很强的指导性与实用价值。     

机器视觉系统前置矩形LED阵列的优化布置

为获得均匀光照,提高视觉测量系统图像的品质,对前置对称安装的矩形发光二极管(LED)光源布置问题进行了研究。考虑到解析法要求光轴与辐照面法线平行,提出采用优化的方法布置光源。根据光源的结构特征,以方差作为主要指标,建立优化目标函数。考虑到目标函数的非凸性,采用模拟退火算法(SA)对问题进行求解。搭建实验平台对照度分布进行了测量,考察均匀度在95%以上的区域,优化方法的结果与实验结果基本一致,误差在4%以内。结果表明,确定的优化目标合理,提出的光源优化布置方法有效。     

基于改进粒子群算法的LED光源阵列优化

为了提高发光二极管（light emitting diode,LED）光源阵列的光照均匀度,提出一种改进粒子群算法和新型等差LED阵列排布方式。根据光照分布模型建立了照射面的光照均匀度评价函数,使用改进的粒子群算法对新型等差LED阵列、矩形及圆形阵列进行优化。将优化后的LED阵列数据导入光学软件TracePro中进行仿真验证,得到优化后等差、矩形及圆形LED阵列的光照均匀度分别为82.89%、73.31%及78.56%,比优化前LED阵列的光照均匀度分别提高了15.84%、10.65%及15.57%。研究结果表明,改进后的粒子群算法收敛速度更快、精度更高,且提出的新型等差LED阵列有着更好的光照均匀度。     

基于粒子群优化的最小二乘支持向量机在混合气体定量分析中的应用

针对混合气体建模过程中最小二乘支持向量机参数难以确定及红外光谱数据计算量过大的问题,提出一种粒子群优化的最小二乘支持向量机方法,用于建立基于主成分分析特征提取的红外光谱多组分气体定量分析模型。首先对主吸收峰区域的550个红外光谱数据利用主成分分析技术进行了特征提取,将降维得到的7个特征值作为模型的输入变量从而有效地降低了计算量。混合气体主要由浓度范围分别是0.1%～1%的甲烷、乙烷及0.1%～1.5%的丙烷三种组分气体组成。采用最小二乘支持向量机技术分别建立了各组分气体的定量分析模型,利用粒子群优化算法对最小二乘支持向量机算法中的参数进行了优化选取,取代了传统的遍历优化方法,然后利用取得的最优参数重建定量分析模型。实验结果表明,采用此方法离线建模所用时间比采用遍历优化方法节省40倍以上,预测结果误差水平相当,满足实测要求。粒子群优化算法在全局优化及收敛速度方面具有较大优势。粒子群优化算法与最小二乘支持向量机技术相结合用于混合气体定量分析是切实可行的,具有一定的实际意义和应用价值。     

基于SelPSO算法的紧凑型照明器件优化方法

提出一种基于自然选择的粒子群算法(SelPSO)的扩展光源匀透镜设计方法。该方法通过DDE技术,将TracePro的光线追迹功能与Matlab的信息处理功能有机结合,建立以点光源透镜轮廓为对象的优化模型,进而利用加入平滑度约束的SelPSO算法对模型进行全局优化。以h/d=2.5∶1的紧凑型匀光透镜为例,结果表明:SelPSO算法与PSO算法在相同参数下进行优化,SelPSO算法具有更强且更快的全局收敛能力,优化后透镜表面光滑易加工,且均匀度、光效分别达到87.566%、89.536%;对透镜安装公差进行分析后,将横向、纵向位移误差分别控制在[0 mm,2 mm]内,对照明效果产生的影响较小;此方法还具有较强普适性,可针对不同照明范围的照明系统进行优化,且整体照明效果良好。     

基于粒子群优化的水下成像系统标定

摄像机在水下拍摄时,经过不同介质的成像光线会发生折射,小孔成像模型不再成立,现有标定方法无法准确标定系统参量.针对此问题,本文提出一种基于粒子群优化的水下成像系统标定方法.在空气中应用张正友平面标定法得到摄像机内、外参量,通过求取特征点间相对定位距离,建立系统对水中物体的标定评价函数,并用粒子群算法对其优化,从而标定得到光心到防水罩距离、防水罩平面法向量和防水罩厚度.结果表明:基于粒子群标定算法得到的相对定位误差平均值分别为1.99%和0.62%,而应用高阶畸变折射补偿法得到的相对定位误差平均值分别为3.29%和2.68%;当被测物位于不同拍摄距离以及改变不同姿态时,由本文算法得到的相对定位误差均低于高阶畸变折射补偿法,且本文提出的标定算法可以得到高准确度的系统参量,为水下视觉研究提供了可靠的参量依据.     

基于自适应加速因子粒子群优化算法的裁剪分床研究

针对服装行业裁剪优化分床这一难题，设计了一种基于自适应加速因子粒子群优化算法的裁剪分床方法。首先，根据裁剪分床的实际生产条件，结合生产订单信息，以裁剪分床过程中各号型样片数量的误差平方之和为目标，建立相应的优化数学模型。然后，采用该算法对模型进行求解，先对各床的铺布层数进行搜索，再根据各床的铺布层数搜索对应各号型的最优配比，搜索的最终铺布层数和对应的配比作为分床方案。最后，通过实验验证了其有效性，且具有较快的收敛速度。     

基于遗传算法选择多光源下的光谱反射率重构研究

为解决基于RGB三通道信息值重构光谱反射率精度不理想的问题,提出了一种优化的基于RGB三通道信息的光谱反射率重构算法。首先编码产生随机选择多个光源的个体,RGB三通道值通过多项式回归算法预测多个光源下的三刺激值,并采用伪逆法进行多光源下的光谱反射率重构,然后将样本的重构精度作为个体的适应度评估值,以优胜劣汰,适者生存为原则对个体进行选择、交叉、变异操作,最后得到适用于颜色样本光谱重构的多个光源与基于这些光源重构得到的光谱反射率。实验选用Munsell颜色集作为训练样本集,RC24色卡、SG140色卡作为检测样本集,8个标准光源和82个发光二极管光源作为实验光源,采用该算法从90个光源中选取最优的光源组合并重构得到样本的光谱数据,并与Zhang提出的基于穷举法选择的多光源下的光谱重构方法和A光源下的伪逆法进行了重构精度对比。实验结果显示该研究提出的方法随着光源个数的增加,光谱反射率重构精度提高,特别是光源个数增加到3时,光谱重构精度提高的幅度最大。在三种重构方法中,该方法重构RC24的平均色差和平均光谱均方根误差分别为0.332 4和0.002 9,而Zhang的方法与伪逆法的平均色差分别为0.429 3和3.266,平均光谱均方根误差分别为0.029 7和0.004 8;该文方法重构SG140的平均色差和平均光谱均方根误差分别为0.486 2和0.007 3,而Zhang的方法与伪逆法的平均色差分别为0.544 8和3.821 9,平均光谱均方根误差分别为0.035 6和0.013 3。结果表明基于多光源下的光谱反射率重构精度明显优于基于单个光源下的重构精度,而基于遗传算法的多光源选择方法又优于穷举法,它能够根据颜色样本自动寻找到最优光源组合,从而基于最优多光源下的三刺激值重构样本的光谱反射率,提高了光谱反射率重构的精度。     

粒子群优化BP神经网络在甲烷检测中的应用

为了准确、快速地检测和预测甲烷气体的浓度,设计了基于红外差分吸收法的甲烷浓度检测系统.为了降低系统部件不稳定带来的影响,检测系统采用双气室结构,气室的输入和输出接口处通过渐变折射率透镜连接到传输光纤,以降低光强的损耗.系统对甲烷检测结果的平均误差为0.007 5.基于粒子群优化的误差反向传播神经网络算法构建了甲烷预测模型,以浓度在0.2%～2.0%范围内的甲烷气体为研究对象.在样本训练过程中,预测模型的精度达到10-4,实际输出值与期望值线性回归的相关系数为0.998 8,最大相对标准偏差为0.248%.实验结果表明,在甲烷浓度预测中,相对于误差反向传播神经网络预测模型,粒子群优化误差反向传播神经网络的预测性能更优.     

基于粒子群优化算法的自适应图像分割方法

提出了一种基于粒子群优化算法的图像分割新方法。粒子群优化(PSO)算法是一类随机全局优化技术,它通过粒子间的相互作用发现复杂搜索空间中的最优区域缩短了寻找阈值的时间。将PSO用于基于改进的最佳加权熵阈值法的图像分割中,试验结果表明,该方法不仅能够避免陷入局部极值,而且其速度得到了明显的改善,是一种有效的图像分割新方法。