论文部分内容阅读
单晶硅是优良的衬底材料,被广泛应用于半导体产业中,超精密磨削技术是半导体芯片衬底平坦化加工和背面减薄加工的核心技术。表面粗糙度的大小是评价硅片加工质量重要的指标之一,为了得到较低的表面粗糙度,需要开展大量繁杂的实验探究磨削参数对表面粗糙度的影响规律。然而,自旋转超精密磨削机床与普通平面、外圆磨床相比,其运动形式有明显区别,且单晶硅材料的力学特性也不同于金属材料,再加上我国对超精磨削机床的研制正处于试制阶段,仍有大量的技术难题需要攻克,不能充分开展磨削实验。鉴于以上原因,建立基于自旋转磨削原理的硅片表面粗糙度Ra模型意义重大。首先,根据单晶硅的材料特性,作者分别阐释了单晶硅脆性断裂去除、塑性去除两种不同材料去除机理,通过自旋转磨削实验表明,采用600#金刚石砂轮粗磨单晶硅片时材料去除以脆性断裂为主;采用2000#金刚石砂轮精密磨削单晶硅片时材料去除以塑性去除为主。其次,基于自旋转磨削运动原理,建立了单颗磨粒相对于硅片的运动方程,根据体积不变原理建立了单颗磨粒的平均磨削深度模型,在此基础上阐释了单颗磨粒所受法向力与磨粒磨削深度的关系。建立了单晶硅脆性断裂去除及塑性去除方式下适用于自旋转磨削的表面粗糙度模型。再次,通过实验分别研究了砂轮转速、硅片转速及砂轮轴向进给速度对硅片表面粗糙度的影响规律,同时也研究了磨粒直径大小及光磨时间对硅片表面粗糙度的影响。通过与实验数据的对比验证了所建立的理论模型的正确性。最后,以砂轮转速、硅片转速及砂轮轴向进给速度为输入,表面粗糙度Ra为输出,建立了基于BP人工神经网络的表面粗糙度预测模型,该模型实现了对表面粗糙度Ra的可靠预测。