买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京航空航天大学申请的专利一种基于机械臂的鲁棒性晶圆校准方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120985676B 。

龙图腾网通过国家知识产权局官网在2025-12-23发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511516904.4，技术领域涉及：B25J9/16；该发明授权一种基于机械臂的鲁棒性晶圆校准方法是由程厚义;齐廉浩;李奕晗设计研发完成，并于2025-10-23向国家知识产权局提交的专利申请。

本一种基于机械臂的鲁棒性晶圆校准方法在说明书摘要公布了：本发明提供一种基于机械臂的鲁棒性晶圆校准方法，包括利用第一晶圆每周旋转时获取的采样点的极径和极角训练神经网络，并将训练好的神经网络作为采样点权重预测模型；获取待校准的第二晶圆每周旋转时边缘上多个采样点的极径和极角并输入至采样点权重预测模型，以输出第二晶圆边缘上每个采样点的权重；根据第二晶圆校准前的机械臂、晶圆转动平台、激光传感器和第二晶圆的位置关系构建误差模型并转换为线性模型；求解线性模型，得到第二晶圆圆心的坐标，以确定机械臂的长度和转动角度，进而调整第二晶圆在晶圆转动平台上的位置。本发明能够提高校准效率，并有效避免机械臂的机械误差和响应速度对定位精度的影响，提高晶圆校准的鲁棒性。

本发明授权一种基于机械臂的鲁棒性晶圆校准方法在权利要求书中公布了：1.一种基于机械臂的鲁棒性晶圆校准方法，其特征在于，包括： 获取第一晶圆每周旋转时边缘上多个采样点的极径和极角； 将第一晶圆每周旋转时获取的采样点的极径和极角作为训练集训练神经网络，并将训练好的神经网络作为采样点权重预测模型； 获取待校准的第二晶圆每周旋转时边缘上多个采样点的极径和极角； 将第二晶圆每周旋转时获取的采样点的极径和极角输入至采样点权重预测模型，以输出第二晶圆边缘上每个采样点的权重； 根据第二晶圆校准前的机械臂、晶圆转动平台、激光传感器和第二晶圆的位置关系构建误差模型； 根据泰勒近似将误差模型转换为线性模型； 根据第二晶圆边缘上每个采样点的权重，采用迭代重加权最小二乘法求解线性模型，得到第二晶圆圆心的坐标； 根据第二晶圆圆心的坐标确定机械臂的长度和转动角度； 根据机械臂的长度和转动角度调整第二晶圆在晶圆转动平台上的位置； 其中，所述将第一晶圆每周旋转时获取的采样点的极径和极角作为训练集训练神经网络，并将训练好的神经网络作为采样点权重预测模型，包括： 根据以下公式计算拟合损失Lf： ； 其中，X为第一输入矩阵；T表示矩阵的转置；Wi为第一晶圆旋转一周时第一晶圆边缘上第i个采样点的权重，i=1,2,...,n；n为第一晶圆旋转一周时第一晶圆边缘上采样点的总数；y为第一截距矩阵；θn为第一晶圆旋转一周时第一晶圆边缘上第n个采样点的极角；dn为第一晶圆旋转一周时第一晶圆边缘上第n个采样点的极径； 根据以下公式计算方向一致性损失Ls： ； 其中，ktheory,i为第一晶圆旋转一周时第一晶圆边缘上第i个采样点的理论斜率；kreal,i为第一晶圆旋转一周时第一晶圆边缘上第i个采样点的实际斜率；θi为第一晶圆旋转一周时第一晶圆边缘上第i个采样点的极角； 根据以下公式计算距离一致性损失Ld： Ld=Wir-meanr； 其中，r为第一晶圆的半径；meanr为第一晶圆旋转一周时第一晶圆边缘上n个采样点的极径均值； 根据以下公式计算残差一致性损失Lres： ； 其中，ρ·表示ρ函数；res表示拟合损失Lf的具体损失值；q为输入数据的维度；C·表示与随机过程功率谱密度相关的归一化常数；σmax为最大噪声水平参数；γ·为下不完全伽马函数；Γ·为上不完全伽马函数；b为预设比例系数； 根据拟合损失、方向一致性损失、距离一致性损失以及残差一致性损失确定总损失； 根据总损失训练神经网络直至收敛，得到训练好的神经网络，以作为采样点权重预测模型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京航空航天大学，其通讯地址为：100191 北京市海淀区学院路37号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。