光刻机运动控制与网络监控技术研究

光刻机是IC器件制造的关键设备之一,其工件台的高速度和高定位精度是获得高质量光刻和高效率的重要条件.本文通过对光刻机工件台运动速度模式、运动轨迹和定位误差补偿以及现代运动控制技术和网络监控技术的研究,应用运动控制器强大的计算能力,实现优化的速度模式和运动轨迹;应用电机编码器和直尺光栅作为反馈器件,实现全闭环控制;应用基于TCP/UDP协议的远程控制和视频监控技术,实现交互式的远程监控.在Windows操作系统下,用Visaul C++开发工具完成了控制系统的软件开发.实验结果表明,该系统能使工件台的定位精度达到±1μm,并具有较高的工作效率,体现了较高的应用价值.

光学显微线条纹图像中心线提取

由于接近光学衍射极限,微米尺度线条纹在经过高倍显微镜放大成像后边缘通常都很模糊,加上同轴光源产生的光照不均匀现象,成像质量通常很差。为了有效测量微米尺度线条纹间距,本文提出了一种针对光学显微线条纹图像的中心线提取算法。首先,采用Retinex方法对原图像进行增强,以克服由光照不均匀所造成的无法准确分割的问题。接着,使用Ostu最佳阈值对图像进行二值分割。然后,针对分割后条纹边缘含有大量毛刺和凹陷的现象,使用基于快速步进算法的边缘塌陷法对中心线进行准确提取。最后,对提取中心线进行了最小二乘拟合。实验结果表明:本文提出的方法可以有效实现微米尺度线条纹光学显微图像中心线的准确提取。使用本方法对标准宽度线条纹间距进行实测的最大测量偏差小于2%。

基于轴线法与卡尔曼滤波的Baxter机器人标定

为提高Baxter机器人的绝对定位精度,首先根据机器人操作系统(robot operating system,简称ROS)的通用机器人模型统一机器人描述格式(unified robot description format,简称URDF)文件,详细分析了Baxter机器人的运动学模型,通过建立坐标间的约束条件进行模型简化,并提取待标定参数。针对机器人的多参数模型以及非几何参数影响较大的情况,提出一种结合轴线测量法与卡尔曼滤波系统辨识法的分步标定方法,分析了针对URDF模型的轴线法和卡尔曼滤波的标定原理,最后分别利用Matlab和激光跟踪仪进行仿真和实验验证。对Baxter机器人标定结果表明,该标定方法能够获得较准确的运动学几何参数,适用于ROS搭建的多几何参数的机器人及关节柔性较大的机械臂。

改进型分布重复投影光刻机

分布重复投影光刻机(DSW)的精度和工作效率直接影响到大规模集成电路生产工艺的特殊要求。为了提高DSW的精度和效率,研究和运用了先进运动控制技术,使光刻工作台定位精度小于±0·5μm;同时应用视频网络技术,实现了远程交互式工作方式。根据要求,完成了DSW的各系统模块的设计,并且开发了基于PC的应用软件。实验结果表明,该改进型DSW体现了较高的应用价值。

基于机器视觉和PSO的机器人示教路径优化研究

工业机器人在处理新的生产任务时,需要对其进行示教。目前,传统的机器人示教再现方法存在示教系统复杂、示教时间长以及操作者需要特殊训练等诸多问题。针对上述问题,该文提出了一种基于机器视觉和人手演示的机器人示教方法。首先通过Microsoft Kinect2.0传感器提取人手的示教路径,然后通过粒子群优化算法PSO对人手演示的初始路径进行优化,获得一条优化的机器人运动路径,让机器人完成示教再现。最后,通过实验对基于机器视觉和PSO的机器人示教方法进行验证。实验结果表明,PSO优化后的路径可以有效缩短机器人的运动时间。

一种基于机器视觉的曲面玻璃划痕缺陷检测方法

针对曲面玻璃上划痕缺陷成像难、提取难等问题,提出一种基于机器视觉的划痕缺陷检测方法。首先,通过数学建模分析,推导出曲面曲率、相机位置、打光角度三者之间对应关系。然后,在该关系指导下,获取不同打光角度的缺陷图像,并提出一种基于双阈值分割的缺陷提取算法。最后,实验结果表明,建模推导出打光角度下获取的划痕缺陷图像,缺陷细节最清晰,且双阈值分割算法能准确提取曲面玻璃中划痕缺陷。

人与机器人共存中的位姿估计与碰撞检测

提出了一种人与机器人共存中的位姿估计与碰撞检测方法。首先,利用光学3维动作捕捉系统获取标记点位姿信息,建立人体手臂的运动学模型。其次,针对工作空间中障碍物遮挡导致部分标记点位姿信息丢失的问题,将角度传感器获取的肘关节角度作为人体手臂运动学模型的输入,获取人体手臂末端位姿信息。再次,构建人体手臂和协作机器人的胶囊体模型,计算各胶囊体之间的最短距离,从而判断人机的相对位姿关系并实现碰撞检测。最后,通过10个人在不同人机共存场景下对人机位姿估计与碰撞检测方法进行评价。实验结果表明,本方法估计的人体手臂末端位置误差在20 mm以内,人机最短距离的最大误差为14.53 mm,能够实现人机碰撞检测。

机器人抓取对象硬度触觉感知研究

物体硬度感知对于机器人进行物体灵巧操作具有重要意义。针对物体硬度感知中传感信号复杂、物体压缩量大而导致的系统鲁棒性差以及容易损伤物体的问题,提出了一种基于触觉传感的机器人抓取对象硬度感知方法。该方法使用两指夹持器轻微挤压物体,通过安装在两指指尖的柔性触觉传感器阵列采集压力序列信号。将压力序列信号进行多项式处理得到非线性特征序列,使用基于决策树的Adaboost算法处理非线性特征序列,实现抓取物体在线硬度等级分类。将基于决策树的Adaboost算法和其他各种算法进行比较,并进行实际物体硬度识别实验。实验结果表明所提方法能够准确实时识别不同抓取对象的硬度。

基于人体手臂运动意图反馈的人机顺应协作

本文旨在通过人体手臂运动意图反馈来提高人与机器人协作的顺应性.首先通过自编码器和反向传播神经网络融合表面肌电信号和机器视觉信号,对人体手臂肘关节力矩和运动意图进行预测.然后,将人体手臂肘关节力矩反馈给机器人,以此预测手臂的运动意图并让机器人作出顺应响应,从而实现人机协作.最后,结合主观评价指标和客观评价指标,在人机协作锯木头实验中对比了3种不同协作模式的效果.与无运动意图反馈的人机协作相比,有反馈的人机协作下的协作交互力波动幅度减小了153.39 N,任务完成时间减少了19.25 s.实验结果表明,有人体手臂运动意图反馈的人机协作能够提高人与机器人协作的顺应程度,与人-人协作效果类似.