集成电路(IC)、数字模拟系统电路、太阳能光伏产业的迅速崛起为硅单晶带来了更高品质、更大尺寸的高要求。在现实生产过程当中,制备高品质硅单晶的主要方法是基于视觉测径的直拉法。之前传统的双闭环控制系统结构,是通过采用并且使用加热器功率、提拉速度来对直拉法硅单晶生长过程实施控制的,但是,因为变量耦合较为复杂,并不容易实现解耦控制,且晶体品质对拉速的波动极为敏感。所以本文采用基于视觉测径的恒拉速控制系统结构,通过调节加热功率控制晶体直径稳定生长从而提高晶体品质。加热功率-晶体直径的过程具有非线性特性、时变特性、时间大滞后特性等一系列特性,晶体直径的有效控制更得力于-基于模型的算法。由于,生长过程中,其机理建模困难、且求解较为复杂,本课题将采用的建模思想是数据驱动的建模思想。在模型辨识方面,选择等径阶段加热器功率和晶体直径的实验数据开始实施滤波处理步骤,利用的是模糊逼近法、行列式比值法来确认滞后阶次、模型阶次;模型结构历经一系列计算、分析,最终被确定之后,在粒子群的优化算法的基础之上、前提之下,进行向量回归的支持、辨识模型的参数将会被采纳。仿真结果阐明,本文采用的基于粒子群优化算法的支持向量回归的模型,更能高效抑制噪声影响辨识结果的整个过程。在实验数据的基础上,辨识所得的滞后阶次、模型阶次均与经验值呈符合状态;经过一系列的验证之后,基于粒子群优化算法的支持向量回归模型有着非常高的精度。在控制方面,考虑到传统的模型预测控制方法中,预测模型的选择无法充分描述系统非线性过程,所以,预测模型的选择就会趋向于无模型自适应控制算法的动态线性化模型。接下来,与模型预测控制的滚动优化思想、误差校正思想相互结合,提出来的策略称之为无模型、自适应、预测控制。根据仿真的最终结果可以阐明,无模型自适应预测控制算法可以有效控制非线性的生长过程,控制速度和跟踪精度都较其他控制方法有明显的提升。