TWI418947B - 包含反覆學習電路的位置控制設備，曝光設備，製造裝置的方法，及用於具有包含學習過濾器之反覆學習電路的位置控制設備中的反覆學習方法 - Google Patents

包含反覆學習電路的位置控制設備，曝光設備，製造裝置的方法，及用於具有包含學習過濾器之反覆學習電路的位置控制設備中的反覆學習方法 Download PDF

Info

Publication number
TWI418947B
TWI418947B TW098106449A TW98106449A TWI418947B TW I418947 B TWI418947 B TW I418947B TW 098106449 A TW098106449 A TW 098106449A TW 98106449 A TW98106449 A TW 98106449A TW I418947 B TWI418947 B TW I418947B
Authority
TW
Taiwan
Prior art keywords
control
filter
parameter
target
learning
Prior art date
Application number
TW098106449A
Other languages
English (en)
Other versions
TW201001086A (en
Inventor
Kiyoshi Takagi
Original Assignee
Canon Kk
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Canon Kk filed Critical Canon Kk
Publication of TW201001086A publication Critical patent/TW201001086A/zh
Application granted granted Critical
Publication of TWI418947B publication Critical patent/TWI418947B/zh

Links

Classifications

    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
    • G03F7/70—Microphotolithographic exposure; Apparatus therefor
    • G03F7/70691—Handling of masks or workpieces
    • G03F7/70716—Stages
    • G03F7/70725—Stages control
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
    • G03F7/70—Microphotolithographic exposure; Apparatus therefor
    • G03F7/70691—Handling of masks or workpieces
    • G03F7/70775—Position control, e.g. interferometers or encoders for determining the stage position
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/19—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by positioning or contouring control systems, e.g. to control position from one programmed point to another or to control movement along a programmed continuous path
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/41—Servomotor, servo controller till figures
    • G05B2219/41439—Position error ffw for compensation of speed
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/42—Servomotor, servo controller kind till VSS
    • G05B2219/42012—H-infinite controller

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Manufacturing & Machinery (AREA)
  • Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Feedback Control In General (AREA)
  • Exposure And Positioning Against Photoresist Photosensitive Materials (AREA)
  • Exposure Of Semiconductors, Excluding Electron Or Ion Beam Exposure (AREA)
  • Control Of Position Or Direction (AREA)

Description

包含反覆學習電路的位置控制設備，曝光設備，製造裝置的方法，及用於具有包含學習過濾器之反覆學習電路的位置控制設備中的反覆學習方法
本發明有關一包括反覆學習控制電路之位置控制設備，該反覆學習控制電路適當地應用至曝光設備或機器工具中所使用之架台單元。
反覆學習控制係一控制，其中藉由反覆地施行用於追蹤一待控制之目標的軌跡之控制(嘗試)，由該目標軌跡之偏差被減少，以致高精確性控制能被提供。大致上，於該反覆學習控制中，可使用僅只一被施加至待控制之目標的輸入及該目標之輸出施行學習。據此，難以包括在一控制模型及一量化誤差中之非線性能被補償。其係需要對於一待控制之目標具有可重複性，以致該相同之輸出係由相同之輸入所獲得。大致上，掃描半導體曝光設備及工業機器手臂滿足此條件。據此，為了進一步改善該控制精確性，該反覆學習控制可被應用至這些半導體曝光設備及工業之機器手臂。數個應用已被提出。
於該反覆學習控制中，該“學習法則”一詞被稱為一演算法，其中一輸出係經過一給定之嘗試所獲得，且該下一輸入係按照該輸出更新。典型學習法則之一係一法則，其中一輸入值係產生藉由將一偏差之第二導數值乘以一恆定之矩陣。此外，藉由使用一用於學習法則之PD補償器，反覆學習控制能被施行，而沒有使用一控制目標模型。
再者，迪路華(De Roover)與他的同仁藉由使用H∞控制理論(具有對於晶圓架台動作系統之應用的穩健多變數反覆學習控制器之合成，DICK DE ROOVER及OKKO H.BOSGRA，控制之國際期刊、2000年、第73冊、編號10號、第968-979頁)獲得此一學習過濾器。
又再者，美國專利第7,181,296 B2號敘述一方法，其中除了上述以模型為基礎之學習法則以外，時間頻率分析被使用，以致一穩健性過濾器係時間變化的。此方法減少學習上之干擾的效應，且因此，該學習被有效率地進行。
於反覆學習控制中，一最佳之輸入係藉由反覆地進行嘗試所獲得。據此，其花費某一時間數量，直至一用於精確性地追蹤該目標軌跡之輸入被獲得。譬如，用於半導體曝光設備，該處理時間(該生產能力)係用於其性能的一重要因素。因此，其想要的是用於該學習所需要之時間數量被減至最小。
為了減少嘗試之次數及獲得一最佳之輸入，關於待控制之目標的資訊可被主動地使用。然而，於上述文件中，該學習過濾器係源自一線性非時變模型，且因此，該學習過濾器係線性非時變的(LTI)。
據此，如果一模型之參數係於一嘗試期間變化，該模型及該學習過濾器間之一致性不被確保。其結果是，該學習性能係降級，且因此，反覆嘗試之次數及學習時間增加。
根據本發明的一態樣，一位置控制設備包括一反覆學習控制電路，其減少反覆嘗試之次數及用於該反覆學習所需要之時間。
根據本發明之另一態樣，一位置控制設備包括一偵測單元，其被組構成偵測一控制目標之位置；一減去單元，其被組構成由一目標值減去該偵測單元之輸出；一反覆學習控制電路，其包含一過濾器，該偵測單元之輸出及該目標值間之偏差被輸入該過濾器，在此該反覆學習控制電路前饋一控制輸入至該控制目標；及一參數計算單元，其被組構成計算該控制目標的參數中之變化。該過濾器之特徵係按照該控制目標的參數中之變化而改變(計算)。
根據本發明之另一態樣，一位置控制設備包括一偵測單元，其被組構成偵測一控制目標之位置；一偏差計算單元，其被組構成計算該偵測單元之輸出及一目標值間之偏差；一反饋控制器，其被組構成使用該偏差產生一待輸入至該控制目標之反饋信號；一反覆學習控制電路，其被組構成產生一待輸入至該控制目標之前饋信號，在此該反覆學習控制電路包含一過濾器，其使用第k次嘗試(k≧1)所獲得之偏差產生一控制信號，該反覆學習控制電路使用一控制信號及用於該第k次嘗試所產生之前饋信號，產生用於第(k+1)次嘗試之前饋信號，該控制信號使用該第k次嘗試中所計算之偏差藉由該過濾器所產生；一參數計算單元，其被組構成計算該控制目標的參數中之變化；一改變單元，其被組構成按照該控制目標的參數中之變化改變(計算)該第一過濾器之特徵；及一相加單元，其被組構成總計該第(k+1)次嘗試中所產生之反饋信號及用於該第(k+1)次嘗試所產生之前饋信號。
根據本發明之另一態樣，一位置控制設備包括一偵測單元，其被組構成偵測一控制目標之位置；一過濾器，其被組構成使用該偵測單元之輸出及目標值間之偏差產生一控制輸入；一反覆學習控制電路，其被組構成前饋該控制輸入至該控制目標；一參數計算單元，其被組構成計算該控制目標的參數中之變化；及一改變單元，其被組構成按照該控制目標的參數中之變化改變(計算)該過濾器之特徵。
根據本發明之另一態樣，提供一用於具有包含學習過濾器之反覆學習電路的位置控制設備中的反覆學習方法。該方法包括：將第k次嘗試中所獲得之反覆學習輸入施加至一控制目標；藉由取得該控制目標之變化參數計算該學習過濾器；及使用一藉由該學習過濾器所產生之控制輸入及一計算用於該第k次嘗試之反覆學習輸入，計算用於第(k+1)次嘗試之反覆學習輸入，該控制輸入使用該控制目標在第k次嘗試之位置及一目標值間之偏差。
根據本發明之另一態樣，一曝光設備被組構成將原件之圖案投射至基板上及使該基板暴露至光線。該曝光設備包括：一架台，該原件及該基板之一已安裝在其上面，該架台定位該原件及該基板之一，該架台包含一位置控制設備，該位置控制設備包含一偵測單元，其被組構成偵測一控制目標之位置；一減去單元，其被組構成由一目標值減去該偵測單元之輸出；一反覆學習控制電路，其包含一過濾器，該偵測單元之輸出及該目標值間之偏差被輸入該過濾器，其中該反覆學習控制電路前饋一控制輸入至該控制目標；及一參數計算單元，其被組構成計算該控制目標的參數中之變化；其中該過濾器之特徵係按照該控制目標的參數中之變化而改變(計算)。
根據本發明之另一態樣，一製造裝置的方法包括：使用一曝光設備經過一原件之圖案將基板暴露至光線；及使該經曝光之基板顯影；其中該曝光設備包含一架台，該原件及該基板之一已安裝在其上面，該架台定位該原件及該基板之一，且其中該架台包含一位置控制設備，及其中該位置控制設備包含一偵測單元，其被組構成偵測一控制目標之位置；一減去單元，其被組構成由一目標值減去該偵測單元之輸出；一反覆學習控制電路，其包含一過濾器，該偵測單元之輸出及該目標值間之偏差被輸入該過濾器，其中該反覆學習控制電路前饋一控制輸入至該控制目標；及一參數計算單元，其被組構成計算該控制目標的參數中之變化；且其中該過濾器之特徵係按照該控制目標的參數中之變化而改變(計算)。
本發明之進一步特色將所附圖面由示範具體實施例之以下敘述變得明顯參考。
圖1係一根據本發明之第一具體實施例的示範位置控制設備之控制方塊圖。一位置控制設備7控制一控制目標P(p)之位置。該位置控制設備7包括一反饋控制器K、一用於偵測該控制目標P(p)之位置yk 的偵測單元1，及一用於由目標值r減去該偵測單元1之輸出的減去單元2。該位置控制設備7另包括一反覆學習控制電路6，用於以一經過反覆學習所獲得之控制輸入提供給該控制目標P。
該反覆學習控制係針對藉由反覆地施行該目標軌跡之追蹤從一目標軌跡減去一偏差。下文，k代表該反覆嘗試次數。
該反覆學習控制電路6包括一學習過濾器L(p)(第一過濾器)，用於產生一控制輸入；一穩健性過濾Q(第二過濾器)，用於封鎖一不需要用於該學習過濾器L(p)之學習操作的頻率範圍；及一記憶體5，用於儲存所產生之控制輸入。
該偵測單元1之輸出值與該目標值r的偏差ek (第k個偏差)被輸入至該學習過濾器L(p)。該學習過濾器L(p)之輸出被輸入至一相加單元4。此外，第k個控制輸入fk 被輸入至該相加單元4。該相加單元4之輸出被輸入至該穩健性過濾器Q。該穩健性過濾器Q之輸出被輸入至該記憶體5，當作第(k+1)個控制輸入fk+1 。在第(k+1)次追蹤控制操作中，儲存於該記憶體5中之控制輸入fk+1 以前饋輸入之形式被加至該控制目標。亦即，該控制輸入fk+1 藉由相加單元3被加至該反饋控制器K之輸出uk+1 。
根據本發明之第一具體實施例，該位置控制設備包括一參數變化計算單元Z，用於偵測或評估該控制目標P(p)的參數p中之變化。該學習過濾器L(p)之特徵係按照該參數p中之變化所計算。
為了偵測或評估該參數p中之變化，譬如，關於該控制目標之物理數量及該參數p中之變化間之相互關係的資訊，能以譬如表格或函數之形式被預存於一記憶體(未示出)中。於該追蹤控制期間，該參數p中之變化能使用譬如一感測器在偵測該物理數量之後獲得。
其次敘述一用於導出該學習過濾器L(p)之方法。
為了導出該學習過濾器L(p)，該控制目標P(p)被表示為一包括該參數中之變化的線性參數變化(LPV)模型。
大致上，LPV系統係一工廠，其中該狀態空間矩陣係一參數p之函數。該LPV系統被表示如下： y =C (p )x+D (p )u (2)
在此，於圖1所示該反饋控制系統中，該控制目標P(p)及該反饋控制器K之閉環系統Pcl 被表示如下：
在此該反饋控制器K係一被固定之反饋控制器，其不會按照該參數中之變化而變化。
根據本具體實施例，該學習過濾器L(p)係一LPV系統，且被表示如下： y L =C L (p )x L +D L (p )e (5)此外，用於圖1所示之反覆學習控制電路，該控制輸入被界定如下：fk+1 =Q(fk +L(p)ek )………(6)
使用該上述方程式，偏差ekk+1 及ek 間之關係被表示如下：ek+1 =Pcl (p)fk+1 =Pcl (p)Q(fk +L(p)ek )=Pcl (p)Q(Pcl (p)-1 ek +L(p)ek )=Q(I+Pcl (p)L(p))ek ………(7)
為了經過反覆學習會聚該偏差，該以下之條件被滿足：∥Q(I +P cl (p )L (p ))∥∞<1………(8)
該學習過濾器L(p)被導出，以致條件(8)被滿足。該上述問題能使用圖3所示之控制方塊圖(圖1所示方塊圖的一等效轉換圖)被說明。如圖3所示，讓Ph (p)標示藉由虛線所圍繞的一部份。然後，該問題被表示為一增益排程H∞控制問題，其中L(p)係按照Ph (p)中之變化而變化。據此，藉由使用一線性矩陣不等式，能獲得對應於該變化參數之i頂點的線性非時變學習過濾器Li 。下文，該線性矩陣不等式被標示為“LMI”，且該線性非時變學習過濾器被標示為一“LTI學習過濾器”。
該LTI學習過濾器Li 被表示為以下之矩陣：
譬如，當變化的參數之數目為一個時，該參數之頂點的數目係二個。據此，對應於該二頂點之二LTI學習過濾器L1 及L2 (非時變過濾器)可被獲得。
在此，藉由使用以下之內插公式內插該二LTI學習過濾器間之值，該學習過濾器L(p)能按照該參數p中之變化被計算：
在此Pmin 代表該下限制值，及Pmax 代表該上限制值。
亦即，該學習過濾器L(p)包括一內插計算單元。
圖4係一藉由方程式(10)所表示之控制方塊圖。於圖4中，常數值C1 代表一L1 的係數，且常數值C2 代表L2 的係數。藉由將該常數值C1 及學習過濾器L1 之乘積加至該常數值C2 及學習過濾器L2 之乘積，該LPV學習過濾器L(p)能被獲得。
藉由圖1所示該位置控制設備所施行之反覆學習控制之流程被敘述在下面。
圖2係該反覆學習控制之流程圖。
於步驟S1中，進行第一次嘗試。於步驟S1中，施行控制，而沒有使用來自該反覆學習控制電路之輸入。一偏差e1 係輸入至該學習過濾器L(p)。來自該學習過濾器L(p)之輸出通過該穩健性過濾器Q及被儲存於該記憶體5中當作一輸入f2 。
於步驟S2中，進行第k次嘗試。注意既然數位控制被進行，一控制輸入及第k個樣本在該第k次嘗試中之偏差係分別標示為fki 及eki 。讓j標示在一次嘗試中之樣本的總數。最初，該偏差之最大值emax 被設定至0，且樣本數目i被設定至0。
於步驟S3中，一事先儲存於該記憶體5中之控制輸入fk 被加至一由該控制器所輸出之輸出Uk 。這樣一來，該控制目標係在該第k次嘗試中被控制。
此外，於該第k次嘗試中，第(k+1)個控制輸入係經過以下步驟S4及S5中所施行之處理產生。
於步驟S4中，該參數變化計算單元Z偵測或評估第k個樣本之參數Pi 。使用該偵測或評估之結果，計算該學習過濾器Li (pi)。為了計算該學習過濾器Li (pi )，譬如，使用該上述方程式(10)。這樣一來，該學習過濾器Li (pi )能被計算。
於步驟S5中，該偏差eki 係輸入至該學習過濾器Li (pi )。該學習過濾器Li (pi )之輸出被加至該控制輸入fki 。此後，該結果通過該穩健性過濾器Q，且被儲存於該記憶體5中當作一控制輸入f(k +1 )i 。
於步驟S6中，該偏差eki 係與該偏差之最大值emax 比較。如果該偏差eki >emax ，則emax 被更新。
於步驟S7中，如果j<1(步驟S7中之是)，則該處理繼續進行至步驟S8。然而，如果ji(步驟S7中之否)，i=i+1，且隨後該處理繼續進行至步驟S2。
於步驟S8中，該第k次嘗試被完成。
於步驟S9中，該偏差之最大值emax 係與一預定設定值比較。如果該最大值emax 係比該預定設定值較小或相等(步驟S9中之是)，其決定該偏差係充分小的。因此，該學習操作被完成。然而，如果該最大值emax 係大於該預定設定值(步驟S9中之否)，k=k+1，且隨後，該處理繼續進行至步驟S2。
藉由使用該上述之反覆學習控制方案控制該位置，如與現存不會變化該學習過濾器之反覆學習控制方案比較，用於將該偏差減少至一少於該預定值之值所需要的嘗試次數能被減少。其結果是，用於反覆學習所需要之時間數量能被減少。
參考本發明之以下第一至第三具體實施例敘述示範之合適參數及該結果之有效資料。
於該第一具體實施例中，該等參數包括驅動一控制目標之驅動單元的力量係數。
其次參考圖1敘述一根據本具體實施例之位置控制設備。注意業已參考圖1作成之敘述不被重複。該參數變化計算單元Z計算該參數中之變化。更特別地是，該參數變化計算單元Z預存指示該控制目標的位置及記憶體(未示出)中之力量係數間之相互關係的資訊，並使用該資訊與藉由該偵測單元(感測器)1所偵測之控制目標P的位置計算該力量係數中之變化。如下面所敘述，該參數能使用一包括該力量係數之公式被表示。據此，能由該力量係數中之變化計算該參數中之變化。
譬如，指示該控制目標的位置及該力量係數間之相互關係的資訊能藉由偵測該推力漣波所獲得，如圖5所示，同時運動該控制目標及由所偵測之推力漣波計算該力量係數。
其次敘述一用於當該參數p包括該力量係數時導出LPV模型之方法、及一用於導出學習過濾器L(p)之方法。
讓m標示該控制目標之質量，x標示位移，uu 標示一至該控制目標之力量輸入，且a標示驅動該控制目標之驅動單元的力量係數。然後，該控制目標係形成模式如下：
其次敘述一用於將此模型傳送進入一仿射參數相依模型之程序，其係LPV模型之一。
首先，該狀態向量被界定為：
隨後，該狀態方程式係使用方程式(11)獲得如下： 當設定： 時，則
在此，一輸出方程式y被界定如下：y =[1 0]x =Cx ………(16)此外，一致動器之放大特徵係使用以下之狀態方程式及輸出方程式表示： u u =C f x f (18)
在此，方程式(15)及(16)之以下擴增系統能使用x w =[x x f ] T 獲得： y =[C 0]x w =C w x w (20)然後，該系統矩陣能被寫為： 這樣一來，該系統矩陣能藉由使用不包括該參數p之矩陣A0 及僅只具有該參數p的係數之矩陣A1 表示。如此，方程式(21)具有以下仿射參數相依模型之作用：
藉由將一加權函數W、一常數δ、及一控制值Z2 導入一控制系統所獲得之一般化控制對象能如圖6所示被說明，該控制系統包括一使用方程式(22)之模型及一反饋控制器與該穩健性過濾器Q的閉環系統Pcl (P)。據此，對應於參數之i頂點的每一個之LTI學習過濾器Li可被導出，該參數基於該增益排程H∞控制理論而變化，該理論基於該LMI。注意於此具體實施例中，該穩健性過濾器Q係具有350Hz之截止頻率的第一階低通過濾器。
此外，該加權函數W被界定為： 再者，該常數δ係一顯著小的常數值。
如果該力量係數a中之變化的範圍被設定至：0.75a1,………(24)則該參數p在以下之範圍中變化：
所導出之LPV學習過濾器被說明於圖7中。當該參數p係該上限值Pmax 時，與當該參數p係該下限值Pmin 時，該實線及該虛線分別代表該等學習過濾器。讓L1 及L2 標示該等學習過濾器。然後，適應於藉由推力漣波所造成的參數p中之變化的LPV學習過濾器可藉由使用方程式(10)所獲得。
此外，根據本具體實施例，一零相位低通過濾器被用於該穩健性過濾器Q。既然零相位低通過濾器不能進行一即時操作，該偏差ek 及該參數p係亦儲存於記憶體中，如圖9所示。每次進行一學習操作即完成一嘗試。一特別之處理流程係在下面參考圖10所示流程圖敘述。
於步驟S11中，進行第一次嘗試。於步驟S11中，施行控制，而沒有使用來自該反覆學習控制電路之輸入。一偏差e1 係儲存於記憶體11中。此外，該參數P1 係藉由該參數變化計算單元Z所計算，且被儲存於記憶體12中。該偏差e1 係輸入至該學習過濾器L(p)。來自該學習過濾器L(p)之輸出通過該穩健性過濾器Q，且被儲存於該記憶體5中當作一輸入f2 。
於步驟S12中，進行第k次嘗試(k>1)。在那時，事先儲存於該記憶體5中之控制輸入fk 被加至一由該控制器所輸出之輸出Uk 。這樣一來，於該第k次嘗試中，該控制目標被控制。此外，於該第k次嘗試中，一用於該第(k+1)次嘗試(k>1)之控制輸入fk+1 係經過該等以下步驟S15至S18離線地產生。注意，既然進行數位控制，該第k次嘗試中之第i個樣本中之控制輸入及偏差被分別標示為fki 及eki 。讓j標示在一次嘗試中之樣本的總數。最初，該偏差之最大值emax 被設定至0，且樣本數目i被設定至0。
於步驟S13中，該偏差ek 係儲存於該記憶體11中。此外，參數pk 係藉由該參數變化計算單元Z所計算，且被儲存於該記憶體12中。再者，該偏差ek 之最大值emax 被偵測。
於步驟S14中，該偏差之最大值emax 係與一預定設定值比較。如果該最大值emax 係比該預定設定值較小或相等(步驟S14中之是)，其決定該偏差係充分小的。因此，該學習操作被完成。然而，如果該偏差之最大值emax 係大於該預定設定值(步驟S14中之否)，則k係增量達(其傳統上可被寫成k=k+1)。此後，該處理繼續進行至步驟S15。
於步驟S15中，由該記憶體12讀取該第i個樣本之參數Pki 。隨後，使用該讀出結果計算一學習過濾器Li (Pi )。更特別地是，該學習過濾器係使用方程式(10)計算。
於步驟S16中，該第i個樣本之偏差eki 係由該記憶體讀取。隨後，該偏差eki 係輸入至該學習過濾器Li (Pi )。該學習過濾器Li (Pi )之輸出被加至該控制輸入fki 。這樣一來，一輸出gki 被計算。
於步驟S17中，如果j<1(步驟S17中之是)，則該處理繼續進行至步驟S18。然而，如果ji(步驟S17中之否)，i=i+1。隨後該處理繼續進行至步驟S15。
於步驟S18中，該輸出gk 通過該穩健性過濾器Q，其係一零相位低通過濾器，且被儲存於該記憶體中，當作一控制輸入f(k+l) 。
於步驟S19中，k=k+1，且隨後，該處理繼續進行至步驟S12，在此開始該下一次嘗試。藉由重複該等上述步驟，該學習控制被進行。
根據本具體實施例的模擬之結果被敘述在下面。
於此模擬中，一控制目標被控制，以便追蹤圖8所示之目標軌跡(該位置輪廓)。注意除了經過該上述反覆學習及該反饋輸入所獲得之控制輸入以外，一藉由將自該位置輪廓所取得之加速度乘以一常數值所獲得之前饋輸入被提供至該模擬。
圖11說明在已進行十次嘗試之後的偏差。於圖11中，實線代表使用LPV學習過濾器之反覆學習控制。虛線代表使用一具有固定參數之學習過濾器的反覆學習控制(其後稱為“LTI反覆學習控制”)。如可由圖11看出，該LPV反覆學習控制能減少該偏差，如與該LTI反覆學習控制比較。這是因為藉由從圖5所示關係在一位移x獲得該力量係數a之值、使用方程式(14)獲得該參數p、及改變該LPV學習過濾器，該LPV反覆學習控制可為適應該力量中之變化。
圖12說明在已使用該LTI反覆學習控制進行40次嘗試之後所獲得之偏差、及在已使用該LPV反覆學習控制進行10次嘗試之後所獲得之偏差的比較。經過該LTI反覆學習控制所獲得之偏差係藉由實線所代表，而經過該LPV反覆學習控制所獲得之偏差係藉由虛線所代表。如可由圖12看出，藉由使用該LPV反覆學習控制，一偏差能經過該LTI反覆學習控制的大約五分之一的重複次數被減少。
此外，為了補償該力量中之變化，該控制輸入可使用預獲取之推力漣波資料被校正如下：
然而，於此技術中，反饋控制系統係直接被校正。據此，如果該預獲取推力漣波資料係與該實際資料不同，該穩健性可被降級。於對比下，在該LPV反覆學習控制中，一前饋輸入係經過反覆嘗試產生。據此，該閉環系統之穩健性不被降級。
圖13說明當該力量中之實際變化係由該預獲取推力漣波資料移位達3毫米時的模擬結果。在已使用該LPV反覆學習控制進行10次嘗試之後所獲得之偏差係藉由實線所代表，而經過該力量係數之上述直接補償及LTI反覆學習控制所獲得之偏差係藉由虛線所代表。因為該反饋控制系統之性能降級，經過該LTI反覆學習控制所獲得之偏差係大的。然而，如與圖11所示之反應作比較，經過該LPV反覆學習控制之偏差係可忽略地被降級。如此，其能被確保該LPV反覆學習控制係穩健的。
於該第二具體實施例中，該等參數包括施加至一控制目標之擾動力。既然該擾動力不是該模型的一原始參數，該擾動力被考慮當作該系統的一等效傾倒力量。
其次參考圖1敘述根據本具體實施例之位置控制設備。注意已經參考圖1所作成之敘述不被重複。
該參數變化計算單元Z包括擾動觀測器。該擾動觀測器使用一控制輸入及一位移評估擾動力。藉由使用所評估之擾動力，該參數變化計算單元Z能計算參數中之變化。
其次敘述當該參數p包括一擾動力時用於導出LPV模型之方法。
讓m標示該控制目標之質量，x標示一位移，uu 標示一至該控制目標之力量輸入，且g標示擾動力。然後，該控制目標係形成模式如下：
在此，藉由應用以下之延伸線性化：
方程式(27)之狀態方程式能被獲得如下：
如此，擾動力能被導入一系統矩陣。藉由設定：
(然而，當=0時...(31)，P=0...(32))，且形成一致動器之放大特徵的壙增系統，以下按照該擾動力而變化之仿射參數相依模型能被獲得，如於該第一具體實施例中：
然後，藉由使用類似於該第一具體實施例者之一般化控制對象，LPV學習過濾器能被導出。該參數p之改變範圍被設定至：
如果該參數p超過該上限pmax 及該下限pmin ，則該上限pmax 及該下限pmin 分別被用於該參數p。
本具體實施例之模擬結果被敘述在下面。
圖14說明施加至一控制目標之擾動。該擾動係該模擬之一參數。該擾動力被該擾動觀測器所評估。此後，該參數p係使用所評估之擾動力、該速率、及方程式(30)計算。隨後，該LPV學習過濾器係按照該參數p計算。
既然該詳細之學習流程係與該第一具體實施例者相同，其敘述不被重複。
注意在使用圖14所示擾動及圖8所示輪廓之模擬中，該參數p不會超過該上限及下限。
圖15說明在已進行四次嘗試之後的偏差。使用一LPV學習過濾器之反覆學習控制係藉由實線所代表，且該LPV反覆學習控制係藉由虛線所代表。如可由圖15看出，於該LPV反覆學習控制中，在由0.03秒至0.05秒之範圍中獲得高追蹤性能。於對比下，在該LTI反覆學習控制中，當超過二次嘗試已被進行時，獲得與該LPV反覆學習控制相同之性能。如上面所述，既然該LPV反覆學習控制評估該擾動力及變化該學習過濾器，以便適應該擾動力，該LPV反覆學習控制能獲得一高品質學習結果。據此，該LPV反覆學習控制能減少反覆之次數。
於該第三具體實施例中，包括一控制目標的姿態角度中之變化的參數係參考圖1敘述。注意業已參考圖1作成之敘述不被重複。
該參數變化計算單元Z包括一感測器(姿態偵測單元)，用於偵測一控制目標之姿態角度。
其次敘述當該參數p包括一控制目標之姿態角度時用於導出LPV模型之方法。
圖16說明一可運動本體86之運動，當該可運動本體86接收一控制輸入uu 時，該本體係一控制目標。於圖16中，該橫坐標代表該x軸，且垂直於圖16之平面的軸代表該y軸。此外，θy 標示該可運動本體86繞著該y軸之旋轉角度。
如圖16所示，當一推力係在一平行於該控制目標的底部表面之方向中產生時，該x軸方向中之推力係平行於該x軸方向之方向中的控制輸入uu 之分力。據此，該x軸方向中之推力能被uu cosθy 所給與。
該控制目標之狀態方程式被表示如下： 當設定：
及以一致動器之放大特徵獲得該狀態方程式之擴增系統時，如於該第一具體實施例中，則以下按照該旋轉角度變化之仿射參數相依模型能被獲得：
隨後，如於該第一具體實施例中，LPV學習過濾器係使用一般化控制對象導出。在那時，該參數p之變化範圍被界定如下： 本具體實施例之模擬結果被敘述在下面。
在本具體實施例中，該旋轉角度θy 被圖17所示之另一控制系統所控制，在此其係與一控制該x軸方向中之運動的控制系統不同。此外，該旋轉角度θy 係藉由一感測器直接地測量。據此，該參數中之變化可使用來自該感測器及方程式(38)之資訊被計算。此後，該LPV過濾器能被變化。
該詳細之學習流程係與該第一具體實施例相同。
圖18說明在已進行四次嘗試之後的偏差。使用LPV學習過濾器之反覆學習控制被一直線所代表，且該LTI反覆學習控制被一虛線所代表。如可由圖18看出，於該LPV反覆學習控制中，一小偏差係在由0.03秒至0.07秒之範圍中所獲得。於對比下，在該LTI反覆學習控制中，當超過三次嘗試已被進行時，一與該LPV反覆學習控制相同之性能被獲得。如上面所述，既然該LPV反覆學習控制使用由該感測器所輸出之測量值計算該參數中之變化，且按照該計算結果變化該學習過濾器，該LPV反覆學習控制能獲得一高品質之學習結果。據此，該LPV反覆學習控制能減少反覆進行之次數。
圖19係一曝光設備之範例的概要說明圖，根據本發明之具體實施例的位置控制設備之一係施加至該曝光設備。根據本具體實施例，該曝光設備係僅只說明性的。因此，該曝光設備之組構不被限制於在下面所敘述之組構。
一曝光設備100包括一照明光學系統81、一在其上面安裝有光罩82之可運動光罩架台83、一投射光學系統84、及一在其上面安裝有晶圓85之可運動晶圓架台86。該曝光設備100另包括一感測器88，其偵測該晶圓架台86之位置。
光線係經由該光罩(原件)82及該投射光學系統84從該照明光學系統81放射至該晶圓(基板)85上。這樣一來，該光罩82之縮減圖案藉由該投射光學系統84被投射至一晶圓上。如此，該已縮減圖案之影像係形成在該晶圓上。
該曝光設備100另包括一設置在控制盒中之控制板80。該控制板80包括根據上述具體實施例之一的位置控制設備7。一現存之DSP系統能被使用於該控制板80。該控制板80被連接至該感測器88、該曝光設備100之主要中央處理單元(CPU)(未示出)、及一驅動該架台以便可與這些零組件通訊之驅動器(未示出)。
經過此一組構，該曝光設備100基於譬如來自該感測器88所輸出之位置信號偵測或評估一參數中之變化。此後，該曝光設備100進行該反覆學習控制，同時考慮該參數中之變化，以便控制該晶圓架台86之位置。
在該曝光設備100開始一實際曝光操作之前，該曝光設備100能k次地驅動該晶圓架台86。這樣一來，在該偏差之最大值emax 變得充分小之後，該曝光設備100能開始該實際曝光操作。在該偏差之最大值emax 變得充分小之後，該曝光設備100可或不能更新一控制輸入fk 。
另一選擇係，取代控制該晶圓架台86，根據上述具體實施例之一的位置控制設備可被使用於控制該光罩架台83。
此外，一裝置(例如半導體積體電路裝置或液晶顯示器裝置)能被使用上述曝光設備製成。在此，一用於製造該裝置之方法包括在一晶圓(基板)上使用該曝光設備100施行曝光操作之步驟，一感光劑以塗在該晶圓上。諸如使該基板顯影之傳統處理步驟可接著被應用，以完成該裝置之製造。
雖然本發明已參考示範具體實施例敘述，將了解本發明不限於所揭示之示範具體實施例。以下申請專利之範圍將被給與最寬廣之解釋，以便涵括所有修改及同等結構與功能。
1．．．偵測單元
2．．．減去單元
3．．．相加單元
4．．．相加單元
5．．．記憶體
6．．．控制電路
7．．．位置控制設備
11．．．記憶體
12．．．記憶體
80．．．控制板
81．．．照明光學系統
82．．．光罩
83．．．光罩架台
84．．．投射光學系統
85．．．晶圓
86．．．可運動本體
88．．．感測器
100．．．曝光設備
K．．．反饋控制器
L1 ．．．學習過濾器
L2 ．．．學習過濾器
Li ．．．學習過濾器
L(p)．．．學習過濾器
Li (pi )．．．學習過濾器
P(p)．．．控制目標
Pcl (p)．．．閉環系統
Ph (p)．．．部份
Q．．．堅固性過濾器
r．．．目標值
Z．．．計算單元
圖1係一使用線性參數變化(LPV)反覆學習控制的位置控制電路之控制方塊圖。
圖2係使用該LPV反覆學習控制的位置控制之流程圖。
圖3係當一LPV學習過濾器被導出時所使用之等效轉換增益排程H∞控制問題的一方塊圖。
圖4係一說明學習過濾器L(p)之方塊圖。
圖5係說明一控制目標之位置及該推力漣波間之關係的曲線圖。
圖6係一說明包括閉環系統的一般化控制對象之方塊圖，該閉環系統運用一控制目標中之變化、一穩健性過濾器、及一加權函數。
圖7係一說明LPV反覆學習過濾器之增益圖。
圖8說明一控制目標之目標軌跡。
圖9係當一零相位低通過濾器被用於LPV反覆學習控制中之穩健過濾器時，一位置控制電路之控制方塊圖。
圖10係當一零相位低通過濾器被用於LPV反覆學習控制中之穩健過濾器時，所施行之位置控制的流程圖。
圖11說明一根據本發明之第一具體實施例的模擬結果。
圖12說明一根據本發明之該第一具體實施例的模擬結果。
圖13說明一根據本發明之該第一具體實施例的模擬結果。
圖14說明被施加至一控制目標之擾動力。
圖15說明一根據本發明之第二具體實施例的模擬結果。
圖16說明根據本發明之第三具體實施例的控制目標之坐標。
圖17說明根據本發明之具體實施例的控制目標之運動及旋轉。
圖18說根據本發明之第三具體實施例的一模擬結果。
圖19係一曝光設備之概要說明圖，一反覆學習控制裝置被應用至該曝光設備。
1．．．偵測單元
2．．．減去單元
3．．．相加單元
4．．．相加單元
5．．．記憶體
6．．．控制電路
7．．．位置控制設備
K．．．反饋控制器
L(p)．．．學習過濾器
P(p)．．．控制目標
Q．．．堅固性過濾器
r．．．目標值
Z．．．計算單元

Claims (8)

  1. 一種位置控制設備，包括：一偵測單元，其被組構成偵測一控制目標之位置；一減去單元，其被組構成由一目標值減去該偵測單元之輸出；一反覆學習控制電路，其包含一時變過濾器及一線性非時變過濾器，該偵測單元之輸出及該目標值間之偏差被輸入該時變過濾器，該線性非時變過濾器被組構成封鎖一預定頻率範圍，該反覆學習控制電路前饋一控制輸入至該控制目標；及一參數計算單元，其被組構成計算該控制目標的參數中之變化；其中該時變過濾器之特徵係按照該控制目標的參數中之變化而改變，及其中該時變過濾器包含具有不變特徵之二不變過濾器及一內插計算單元，該內插計算單元內插該二不變過濾器之間的數值。
  2. 如申請專利範圍第1項之位置控制設備，其中該時變過濾器係源自一線性參數變化模型。
  3. 如申請專利範圍第1項之位置控制設備，其中該參數包含一驅動該控制目標之驅動單元的力係數，且其中該參數計算單元使用該控制目標之位置及該力係數間之預存關係，基於來自該偵測單元之輸出計算該力係數中之變化。
  4. 如申請專利範圍第1項之位置控制設備，另包括：一擾動觀測器；其中該參數中之變化係基於該擾動觀測器之輸出所計算。
  5. 如申請專利範圍第1項之位置控制設備，另包括：一姿態偵測單元；其中該參數包含該控制目標的一姿態，且該姿態偵測單元偵測該控制目標之姿態。
  6. 一種曝光設備，其被組構成將原件之圖案投射至基板上及使該基板暴露至光線，且包括：一架台，該原件及該基板之一已安裝在其上面，該架台定位該原件及該基板之一，該架台包含一位置控制設備，該位置控制設備包含一偵測單元，其被組構成偵測一控制目標之位置；一減去單元，其被組構成由一目標值減去該偵測單元之輸出；一反覆學習控制電路，其包含一時變過濾器及一線性非時變過濾器，該偵測單元之輸出及該目標值間之偏差被輸入該時變過濾器，該線性非時變過濾器被組構成封鎖一預定頻率範圍，其中該反覆學習控制電路前饋一控制輸入至該控制目標；及一參數計算單元，其被組構成計算該控制目標的參數中之變化；其中該時變過濾器之特徵係按照該控制目標的參數中之變化而改變，及其中該時變過濾器包含具有不變特徵之二不變過濾器及一內插計算單元，該內插計算單元內插該二不變過濾器 之間的數值。
  7. 一種製造裝置的方法，包括：使用一曝光設備經過一原件之圖案將基板暴露至光線；及使該經曝光之基板顯影；其中該曝光設備包含一架台，該原件及該基板之一已安裝在其上面，該架台定位該原件及該基板之一，且其中該架台包含一位置控制設備，及其中該位置控制設備包含一偵測單元，其被組構成偵測一控制目標之位置；一減去單元，其被組構成由一目標值減去該偵測單元之輸出；一反覆學習控制電路，其包含一時變過濾器及一線性非時變過濾器，該偵測單元之輸出及該目標值間之偏差被輸入該時變過濾器，該線性非時變過濾器被組構成封鎖一預定頻率範圍，其中該反覆學習控制電路前饋一控制輸入至該控制目標；及一參數計算單元，其被組構成計算該控制目標的參數中之變化；且其中該時變過濾器之特徵係按照該控制目標的參數中之變化而改變，及其中該時變過濾器包含具有不變特徵之二不變過濾器及一內插計算單元，該內插計算單元內插該二不變過濾器之間的數值。
  8. 一種位置控制設備，包括：一偵測單元，其被組構成偵測一控制目標之位置；一偏差計算單元，其被組構成計算該偵測單元之輸出及一目標值間之偏差；一反饋控制器，其被組構成使用該偏差產生一待輸入 至該控制目標之反饋信號；一反覆學習控制電路，其被組構成產生一待輸入至該控制目標之前饋信號，該反覆學習控制電路包含時變過濾器，其使用第k次嘗試(k≧1)所獲得之偏差產生一控制信號，該反覆學習控制電路使用一控制信號及用於該第k次嘗試所產生之前饋信號，產生用於第(k+1)次嘗試之前饋信號，該控制信號使用該第k次嘗試中所計算之偏差藉由該時變過濾器所產生；一參數計算單元，其被組構成計算該控制目標的參數中之變化；一改變單元，其被組構成按照該控制目標的參數中之變化而改變該時變過濾器之特徵；及一相加單元，其被組構成總計該第(k+1)次嘗試中所產生之反饋信號及用於該第(k+1)次嘗試所產生之前饋信號，其中該反覆學習控制電路包含第二過濾器，其被組構成封鎖一信號之預定頻率範圍，該信號藉由總計一使用第k次嘗試(k≧1)所計算之偏差而被該時變過濾器所產生的控制信號以及用於該第k次嘗試所產生之前饋信號所獲得。
TW098106449A 2008-02-29 2009-02-27 包含反覆學習電路的位置控制設備，曝光設備，製造裝置的方法，及用於具有包含學習過濾器之反覆學習電路的位置控制設備中的反覆學習方法 TWI418947B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2008050126A JP5279299B2 (ja) 2008-02-29 2008-02-29 反復学習制御回路を備える位置制御装置、露光装置及びデバイス製造方法

Publications (2)

Publication Number Publication Date
TW201001086A TW201001086A (en) 2010-01-01
TWI418947B true TWI418947B (zh) 2013-12-11

Family

ID=40436314

Family Applications (1)

Application Number Title Priority Date Filing Date
TW098106449A TWI418947B (zh) 2008-02-29 2009-02-27 包含反覆學習電路的位置控制設備，曝光設備，製造裝置的方法，及用於具有包含學習過濾器之反覆學習電路的位置控制設備中的反覆學習方法

Country Status (5)

Country Link
US (1) US8676355B2 (zh)
EP (1) EP2096494B1 (zh)
JP (1) JP5279299B2 (zh)
KR (1) KR101068319B1 (zh)
TW (1) TWI418947B (zh)

Families Citing this family (34)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8493046B2 (en) * 2009-09-30 2013-07-23 Nagasaki University, National University Corporation Control device for DC/DC converter
JP4850956B2 (ja) * 2010-02-19 2012-01-11 ファナック株式会社 学習制御機能を備えたロボット
CN102163047B (zh) * 2010-02-19 2014-02-12 发那科株式会社 学习控制机器人
NL2006981A (en) 2010-07-26 2012-01-30 Asml Netherlands Bv Position control system, lithographic apparatus, and method to control a position of a movable object.
KR101611546B1 (ko) 2011-07-11 2016-04-12 마퍼 리쏘그라피 아이피 비.브이. 리소그래피 시스템 및 타겟의 위치 데이터를 저장하는 방법
US20130116814A1 (en) * 2011-11-07 2013-05-09 Nikon Corporation Feedforward control adjusted with iterative learning
US9329584B2 (en) 2011-12-15 2016-05-03 International Business Machines Corporation Method, system and program for constructing a controller
AT512977B1 (de) * 2013-05-22 2014-12-15 Avl List Gmbh Methode zur Ermittlung eines Modells einer Ausgangsgröße eines technischen Systems
JP6216545B2 (ja) * 2013-06-17 2017-10-18 ヤマハ発動機株式会社 自律走行車両、車両の自律走行システム及び自律走行車両の制御方法
KR101905632B1 (ko) * 2013-10-30 2018-10-10 에이에스엠엘 네델란즈 비.브이. 리소그래피에서의 대상물 위치설정
JP6362024B2 (ja) * 2014-04-14 2018-07-25 株式会社ニコン 駆動システム及び駆動方法、露光装置及び露光方法、並びにデバイス製造方法
WO2016087388A1 (en) 2014-12-02 2016-06-09 Asml Netherlands B.V. Lithographic method and apparatus
CN104503244A (zh) * 2014-12-29 2015-04-08 中国科学技术大学 基于非重复性扰动观测器的精密定位选择性ilc系统及方法
JP6617771B2 (ja) * 2015-06-02 2019-12-11 日本電気株式会社 線形パラメータ変動モデル推定システム、方法およびプログラム
CN108292105B (zh) 2015-09-24 2021-03-26 Asml荷兰有限公司 减少光刻工艺中掩模版的加热和/或冷却的影响的方法
EP3377432B1 (en) * 2015-11-16 2022-01-12 KONE Corporation A method and an apparatus for determining an allocation decision for at least one elevator
CN107045286A (zh) * 2017-04-28 2017-08-15 青岛科技大学 基于知识增强和重复学习的高效率自适应控制方法
JP7229686B2 (ja) * 2017-10-06 2023-02-28 キヤノン株式会社 制御装置、リソグラフィ装置、測定装置、加工装置、平坦化装置及び物品製造方法
WO2019069649A1 (ja) 2017-10-06 2019-04-11 キヤノン株式会社 制御装置、リソグラフィ装置、測定装置、加工装置、平坦化装置及び物品製造方法
CN108563123B (zh) * 2018-04-16 2021-04-06 东南大学 直线电机x-y的自适应迭代学习鲁棒控制系统及设计方法
WO2020008587A1 (ja) * 2018-07-05 2020-01-09 三菱電機株式会社 数値制御装置
JP6740290B2 (ja) * 2018-07-17 2020-08-12 ファナック株式会社 機械学習装置、制御装置、及び機械学習方法
CN110412866B (zh) * 2019-05-14 2022-12-23 上海大学 基于自适应迭代学习的外骨骼单腿协同控制方法
KR102236802B1 (ko) 2019-11-25 2021-04-06 건국대학교 산학협력단 진단 모델용 데이터의 특징 추출 장치 및 방법
CN111142550B (zh) * 2020-01-09 2021-07-27 上海交通大学 民用飞机辅助驾驶控制方法、系统及飞行品质评估方法
CN111200378B (zh) * 2020-02-13 2021-04-20 广州大学 一种基于迭代学习的压电电机节能控制方法
JP2022011044A (ja) 2020-06-29 2022-01-17 キヤノン株式会社 管理装置、リソグラフィー装置、管理方法および物品製造方法
KR102375355B1 (ko) * 2020-11-20 2022-03-16 강릉원주대학교 산학협력단 전자 장치에 의해 수행되는 고정밀 위치 제어를 위한 강인한 최적 외란 관측기를 포함하는 시스템 및 제어 방법
CN112636719B (zh) * 2020-12-17 2023-10-13 郑州轻工业大学 数据丢失和信道噪声干扰下的ilc系统输入信号滤波方法
CN114690754B (zh) * 2020-12-25 2024-02-09 天津大学 重复作业式无人车迭代学习自趋优的循迹控制算法
CN112947090B (zh) * 2021-03-23 2023-05-26 河南理工大学 一种dos攻击下轮式机器人数据驱动迭代学习控制方法
CN114185274B (zh) * 2021-12-06 2023-07-04 东北大学 基于迭代学习的钢铁生产过程重复性误差补偿控制方法
JP2024062786A (ja) * 2022-10-25 2024-05-10 キヤノン株式会社 制御方法、制御装置、リソグラフィ装置、および物品製造方法
CN116774585B (zh) * 2023-06-25 2023-11-14 哈尔滨工业大学 一种纳米精度运动台学习控制系统及方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070081133A1 (en) * 2004-12-14 2007-04-12 Niikon Corporation Projection exposure apparatus and stage unit, and exposure method

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6267876B1 (en) * 1998-07-31 2001-07-31 Trinity Flywheel Power Control of magnetic bearing-supported rotors
KR100408288B1 (ko) * 2001-06-20 2003-12-03 삼성전자주식회사 편심 보상을 위한 디스크 드라이브 서보 시스템 및 외란보상 방법
US7181296B2 (en) * 2003-08-06 2007-02-20 Asml Netherlands B.V. Method of adaptive interactive learning control and a lithographic manufacturing process and apparatus employing such a method
JP4400745B2 (ja) * 2003-11-28 2010-01-20 株式会社ニコン 露光方法及びデバイス製造方法、露光装置、並びにプログラム
KR100605914B1 (ko) * 2004-07-06 2006-08-02 동부일렉트로닉스 주식회사 리소그래피 공정의 오버레이 향상 방법
JP2006140204A (ja) 2004-11-10 2006-06-01 Nikon Corp 計測条件の最適化方法、該最適化方法を使用した位置計測方法、該位置計測方法を使用した位置合わせ方法、該位置合わせ方法を使用したデバイス製造方法、計測条件の最適化システム、該最適化システムを使用した位置計測装置及び該位置計測装置を使用した露光装置
US7379156B2 (en) * 2004-12-29 2008-05-27 Asml Netherlands B.V. Lithographic apparatus and device manufacturing method
KR100765491B1 (ko) 2006-08-16 2007-10-09 에이엠테크놀로지 주식회사 웨이퍼 자동 정렬 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070081133A1 (en) * 2004-12-14 2007-04-12 Niikon Corporation Projection exposure apparatus and stage unit, and exposure method

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Bristow et al., "A Survey of Iterative Learning Control", IEEE Control Systems Magazine, IEEE. Volume 26, Issue 3, June 2006, pages 96 to 114 *
de Roover, "Synthesis of a Robust Iterative Learning Controller Using an H∞ Approach", Proceedings of the 35th Conference on Decision and Control, Kobe, Japan, December 1996, pages 3044 to 3049 *
Steinbuch et al., "Iterative Learning Control of Industrial Motion Systems", Proc. 1st IFAC conference on Mechatronic Systems, Darmstadt (2000), pages 1 to 6 *

Also Published As

Publication number Publication date
JP2009205641A (ja) 2009-09-10
US20090222109A1 (en) 2009-09-03
TW201001086A (en) 2010-01-01
JP5279299B2 (ja) 2013-09-04
KR20090093879A (ko) 2009-09-02
EP2096494A1 (en) 2009-09-02
EP2096494B1 (en) 2018-01-03
KR101068319B1 (ko) 2011-09-28
US8676355B2 (en) 2014-03-18

Similar Documents

Publication Publication Date Title
TWI418947B (zh) 包含反覆學習電路的位置控制設備，曝光設備，製造裝置的方法，及用於具有包含學習過濾器之反覆學習電路的位置控制設備中的反覆學習方法
TWI572998B (zh) 微影方法與裝置
TWI388944B (zh) 微影裝置及元件之製造方法
KR100937967B1 (ko) 리소그래피 장치 및 디바이스 제조 방법
US7818073B2 (en) Method for obtaining improved feedforward data, a lithographic apparatus for carrying out the method and a device manufacturing method
JP4498346B2 (ja) リソグラフィ装置
TW202209095A (zh) 調整圖案化製程之系統、產品及方法
WO2022054724A1 (ja) 制御装置およびその調整方法、リソグラフィー装置、ならびに、物品製造方法
JP2019194777A (ja) 制御装置、リソグラフィ装置、および物品の製造方法
WO2022124281A1 (ja) 制御装置、調整方法、リソグラフィ装置、及び物品の製造方法
JP6234170B2 (ja) プログラム、生成方法、生成装置、駆動装置、加工装置、リソグラフィ装置及び物品の製造方法
CN115989459A (zh) 使用人工神经网络的运动控制
KR20210115040A (ko) 리소그래피 프로세스에서 렌즈 가열 및/또는 냉각의 효과를 감소시키는 방법
US11815861B2 (en) Feedback control device that suppresses disturbance vibration using machine learning, article manufacturing method, and feedback control method
JP2023070992A (ja) 情報処理装置、リソグラフィ装置、情報処理方法、物品の製造方法、およびプログラム
JP2024062786A (ja) 制御方法、制御装置、リソグラフィ装置、および物品製造方法
TW202024804A (zh) 微影方法

Legal Events

Date Code Title Description
MM4A Annulment or lapse of patent due to non-payment of fees