Ensuring precise rate control in the deposition process of perovskite layers is a critical challenge in solar cell manufacturing. This thesis presents a data-driven modeling and predictive control framework for perovskite evaporation, integrating system identification techniques, Model Predictive Control (MPC), and a Reference Governor strategy. The proposed methodology involves modeling the evaporation dynamics by dividing the system into power-temperature and temperature-rate subsystems. The system identification process includes data preprocessing, identification and cross-validation, ensuring robust model accuracy. Notably, accurate models were identified in evaporation scenarios for hole transport materials (SpiroTTB), inorganic salts (PbI₂, CsBr), and organic compound FAI used in hybrid halide perovskite solar cell manufacturing. A finite horizon MPC with and without zero terminal constraint was implemented using MATLAB's Optimization Toolbox, providing a faster and overshoot-free rate response. Additionally, a Reference Governor (RG) architecture with Kalman filtering was developed to ensure optimal reference tracking while satisfying process built-in constraints. A step further to check the real-world implementation of the proposed control approach was done through a Hardware-in-the-Loop (HIL) setup on a Raspberry Pi 5, which interfaced with a simulated overall system and confirmed its feasibility using embedded systems in MiniSpectros equipment. This research represents a significant advancement in control methodologies for perovskite deposition, marking the first application of advanced MPC techniques to macroscopic layer formation in solar cell fabrication. The study demonstrates tangible performance improvements. Specifically, the approach yielded a lower Integral of Squared Error (ISE) for the MPC and the MPC-based Reference Governor rate tracking with respect to built-in PID cascade scheme. This work presents an alternative implementation that retains the built-in controller on MiniSpectros equipment while achieving optimal regulation through the RG-MPC framework, ensuring enhanced process stability and efficiency in perovskite formation.

Garantire un controllo preciso della velocità nel processo di deposizione degli strati di perovskite è una sfida cruciale nella produzione di celle solari. Questa tesi presenta un framework di modellizzazione basata sui dati e controllo predittivo per l'evaporazione della perovskite, integrando tecniche di identificazione di sistema, Model Predictive Control (MPC) e una strategia Reference Governor. La metodologia proposta prevede la modellizzazione della dinamica dell'evaporazione suddividendo il sistema nei sottosistemi potenza-temperatura e temperatura-velocità. Il processo di identificazione del sistema include la pre-elaborazione dei dati, l'identificazione e la cross-validazione, garantendo un'elevata accuratezza del modello. In particolare, sono stati identificati modelli accurati in scenari di evaporazione per un strato di trasporto di lacune (SpiroTTB), sali inorganici (PbI₂,CsBr) e il composto organico FAI utilizzato nella produzione di celle solari a perovskite alogenata ibrida. Un MPC a orizzonte finito, con e senza vincolo terminale nullo, è stato implementato utilizzando l’Optimization Toolbox di MATLAB, fornendo una risposta della velocità più rapida e priva di overshoot. Inoltre, è stata sviluppata un'architettura Reference Governor (RG) con filtraggio di Kalman per garantire un tracking ottimale del riferimento rispettando i vincoli intrinseci del processo. Un ulteriore passo per verificare l'implementazione reale dell'approccio di controllo proposto è stato compiuto attraverso un setup Hardware-in-the-Loop (HIL) su una Raspberry Pi 5, che ha interfacciato un sistema simulato complessivo e ne ha confermato la fattibilità utilizzando sistemi embedded nell'equipaggiamento MiniSpectros. Questa ricerca rappresenta un significativo progresso nelle metodologie di controllo per la deposizione di perovskiti, segnando la prima applicazione di tecniche avanzate di MPC alla formazione macroscopica di strati nella fabbricazione di celle solari. Lo studio dimostra miglioramenti tangibili delle prestazioni. In particolare, l’approccio ha ottenuto un Integral of Squared Error (ISE) inferiore per il tracking della velocità sia dell’MPC che del Reference Governor basato su MPC rispetto allo schema PID a cascata predefinito. Questo lavoro presenta un'implementazione alternativa che mantiene il controllore predefinito nell’equipaggiamento MiniSpectros, ottenendo al contempo una regolazione ottimale attraverso il framework RG-MPC, garantendo una maggiore stabilità ed efficienza del processo nella formazione della perovskite