大规模集成电路和太阳能光伏产业的发展对硅单晶的品质和尺寸提出了更高要求,直拉法是制备高品质硅单晶的有效方法。传统的控制系统结构基于视觉测径,通过加热器和提拉速度控制CZ硅单晶生长过程,但因关键变量耦合复杂不易实现解耦控制。基于视觉测径的恒拉速控制系统结构,如何调节加热功率控制热场温度稳定是本文研究的重点。加热功率-热场温度的热传输过程具有非线性、时变、大滞后特性,基于模型的算法更利于热场温度的有效控制。生长过程的机理建模困难且求解复杂,本文采用数据驱动的建模思想。生长过程的非线性时变特性随时间累积较为严重,数据驱动的全局一次辨识和控制很难取得理想效果。基于此,本文提出分段辨识和分段控制策略。在模型辨识方面,选择等径阶段受充分激励的实验数据进行分段和滤波处理,利用模糊逼近和行列式比值法确定滞后阶次和模型阶次;模型结构确定后,对于生长变化简单的数据段一,基于一次改进的蚁狮优化算法辨识模型参数;对于生长变化复杂的数据段二,基于本文提出的新型T-S模糊辨识方法结合二次改进的蚁狮优化算法辨识含噪声的模型参数。仿真表明,本文两次改进的蚁狮优化算法具有更好的全局优化能力;新型T-S模糊辨识较传统辨识方法而言,更能有效抑制噪声对辨识结果的影响。基于硅单晶数据,辨识所得的滞后阶次和模型阶次均符合经验值;基于改进的蚁狮优化算法和新型T-S模糊辨识方法,取得了精度较高的分段模型。在控制方面,考虑到数据段二模型的噪声参数不稳定性和广义预测控制算法的复杂度,选择改进广义预测控制算法实现模型预测分段控制,同时对模型二参数进行在线修正;针对模型切换过程引发的控制不稳定性,提出在切换点超前计算待切换模型的控制量和控制量限幅策略。仿真表明,改进广义预测控制算法可以有效控制分段过程,而模型切换控制策略则较好的保障了切换过程的平稳过渡。