随着集成电路、通信和航空航天等领域的快速发展,半导体硅片尺寸逐步增大,制程工艺越来越先进,这对硅单晶的制造提出了更高的要求。直拉法是生长硅单晶的主要方法,主要包括化料、引晶、放肩、等径和收尾等阶段,其中等径阶段的晶体直径控制是最重要的控制环节,直接决定了晶体能否高质量生长。然而硅单晶生长是一种典型的批次过程,具有批量化、多品种、技术密集、生长过程复杂等特点,需要在硅单晶批次生产过程中进行精准控制。因此,为了实现大尺寸、高品质半导体硅单晶批次生长控制,满足晶体生长工艺要求,研究Cz硅单晶批次过程的建模与直径控制具有非常重要的意义和实际价值。本文基于数据驱动和即时学习建模思想,建立了以提拉速度和加热器功率为输入,熔体温度和晶体直径为输出的晶体生长过程模型。首先,为了减少即时学习建模时间,本文提出了基于模糊c均值聚类的数据搜索策略,保证了建模的快速性,同时,引入了模型保留与更新机制,提高了模型的利用率。其次,考虑到传感器采集的数据可能存在异常,引入了异常值处理机制,以增强模型的鲁棒性。然后,为了准确描述工业数据中的非线性特性,采用极限学习机实现局部在线建模,用于提高模型的辨识精度。最后,仿真结果表明,所建立的模型相较于其他模型具有更高的精度。基于上述晶体生长过程模型,为了实现硅单晶批次生长过程中晶体直径的控制要求,本文首先采用了迭代学习控制策略。针对迭代学习控制严格重复性的要求以及难以处理时间轴上的干扰问题,引入了时间轴上的模型预测控制方法,提出了一种硅单晶批次过程晶体直径迭代学习预测控制方案。其中,基于改进的即时学习建模的模型预测控制用于处理时间轴上的干扰和约束问题,采用无模型自适应迭代学习控制修正批次间晶体直径的重复性误差,在批次轴上确保晶体直径达到精准控制。仿真结果表明,所提出的硅单晶批次过程控制方法能够很好的实现晶体直径的精准控制。