在半导体制成工艺中,不论早期的250nm制成技术,还是现在主流的28nm制成技术,湿法清洗技术都扮演着极为重要的角色；而清洗机化学品的流量和浓度控制又是湿法清洗技术的重中之重。过滤器的更换控制在对化学品的流量和浓度控制中是或不可缺的。本学位论文的研究涉及半导体后道工艺(BEOL)中晶圆清洗机(JK750)化学品槽过滤器生命周期内的流量预测和基于预测优化过滤器更换的应用,主要解决过早过滤器更换中的成本浪费和杜绝该设备的过滤器流量EP (Excursion Prevention)报警时对正生产产品成品率的影响,最终完成降低产品生产成本的目的。本文的主要研究工作概述如下：(1)列出了JK750机过滤器流量预测应用的背景和它的应用价值,介绍了国内外各大半导体制造企业在过滤器更换控制中的方法和措施；简单地分析了非线性系统的各类典型神经网络预测模型的结构、优缺点以及前人们的应用成果。(2)研究了JK750机过滤器的工作原理和过滤器更换对流量的变化,提出了JK750机过滤器流量的预测模型确立的技术路线和技术措施。(3)讨论了基于RBF神经网络JK750机过滤器流量的预测模型中,输入量与输出量的自相关系数,梯度下降算法以及不同神经元个数时的预测结果。通过对其预测模型的理论分析和仿真研究,为本论文涉及的预测建模提供了理论依据。(4)为了提高预测模型的辨识精度以及减少误差,文中针对RBF网络预测模型的结构进行了一定改进,同时通过带有有效准则的模糊聚类算法研究和应用,确立了最佳聚类数,即神经元的个数。通过仿真计算,获得了该模型的各类参数；最后利用仿真实验,表明该模型的预测效果十分良好。(5)以JK750机实时的输出流量作为被控对象,通过将PC和在PC中Matlab软件作为软硬件预测实践平台,并将改进的RBF网络预测模型以及模糊聚类算法应用到该实验平台中去。实验实践结果表明,文中所提出的改进型RBF神经网络的预测模型,能够有效地精准地预测下一时刻的流量变化,优化了过滤器的更化,即节约成本。近年来,大型半导体制造企业的市场竞争日趋激烈,暴利程度也被不断侵蚀,为了提高企业自身的竞争力,其不得不致力于提升产品成品率和降低产品生产成本的运动中。而该研究的应用,能够优化JK750机过滤器的更换,提高产品成品率,同时降低了清洗工艺的成本,具有良好的工程实践应用价值。