基于灰雁优化算法的晶圆搬运机械臂振动轨迹规划研究

第一作者及研究机构： 纪玉杰 (Yujie Ji) 及胡培炎 (Peiyan Hu)，沈阳理工大学机械工程学院 (School of Mechanical Engineering, Shenyang Ligong University) 发表期刊及时间： 发表于 Sensors (2026, 26, 829)，于2026年1月27日在线发表。

研究背景与目标 本研究属于半导体制造装备与机器人运动控制交叉领域。在当代半导体制造业中，晶圆搬运机器人是实现晶圆高速、高精度传输的核心执行器。随着半导体工艺制程的不断微缩，对机械臂的定位精度、稳定性和运行效率提出了极为严苛的要求。当前，为追求快速运动和轻量化设计，机械臂广泛采用柔性传动元件，但这不可避免地导致末端产生残余振动，严重劣化定位精度和系统稳定性。传统的轨迹规划方法，如时间最优轨迹规划，往往聚焦于实现最快的点到点运动，而忽视了柔性传动特性所引发的末端残余振动问题。因此，开发一种能够有效抑制残余振动，并且同时兼顾运动效率的轨迹规划技术，成为先进晶圆搬运机器人研发的核心技术之一。本文旨在解决这一工程难题，提出了一种基于灰雁优化 (Graylag Goose Optimization, GGO) 算法的振动抑制轨迹规划方法，以实现在运动时间和残余振动能量之间取得最优平衡。

研究流程与方法 该研究的工作流主要包括四个阶段：柔性机械臂动力学建模、基于GGO算法的多目标轨迹优化、算法性能基准测试，以及基于仿真平台的鲁棒性验证。

第一阶段，研究建立了晶圆搬运机械臂的动力学模型。研究对象为一个平面二自由度机械臂，其大臂为刚性连杆，小臂则通过柔性钢带驱动，可视为一个柔性运动关节。研究首先采用D-H参数法定义了关节角度q1、q2，并引入了柔性传动元件的弹性变形角度θ。结构参数包括大臂和小臂长度均为240 mm，质量分别为2.757 kg和2.165 kg。基于拉格朗日方法（Lagrange method），研究首先分析了系统的势能，其中特别考虑了柔性臂杆的弹性势能（Ve = ¹⁄₂ k(q2 - θ)²），随后推导了含各连杆转动动能和质心平动动能的系统总动能表达式。最终，通过应用拉格朗日方程，建立了包含弹性恢复力矩项的系统动力学模型。

第二阶段，研究实施了基于灰雁优化算法的振动抑制轨迹规划。该方法的核心是采用多项式梯形插值曲线（即S形速度曲线）规划运动轨迹，该曲线能避免加速度突变，是抑制振动的前提。轨迹被分为多个时间片段，并通过定义切换时间点t1和t2来控制。本研究的最大创新在于，引入了一种新兴的元启发式算法——灰雁优化（GGO）算法，来求解这些最优切换时间。该算法模拟灰雁在长途迁徙中的智能行为，如编队飞行、动态领航等，将种群分为“探索组”和“开发组”。“探索组”进行全局搜索，使用向全局最优解移动和受三只随机个体引导的策略；而“开发组”（精英个体）则进行局部优化，使用三只哨兵雁求均值和在当前最优解附近扰动的策略。研究构建了一个多目标优化函数，其目标是最小化一个由两项指标组成的复合函数：第一项代表运动总时间（通过权重系数w1调节），第二项代表残余振动能量（通过权重系数w2调节），该能量被定义为加加速度（jerk）的平方在时间上的积分。通过迭代寻优，GGO算法能够确定使该复合函数值最小的最优时间点t1和t2。

第三阶段，为了验证所提出的多目标灰雁优化（Multi-objective GGO, MOGGO）算法的性能，研究进行了全面的基准测试。在MATLAB 2022b平台上，研究从CEC2013测试套件中随机选取了8个代表性的基准函数（包括单峰、多峰和复合函数），与粒子群优化 (PSO)、非支配排序遗传算法II (NSGAII)、灰狼优化器 (GWO)、鲸鱼优化算法 (WOA) 和蜣螂优化算法 (DBO) 五种主流算法进行对比。测试结果表明，MOGGO算法在大部分测试函数上，无论在收敛速度、求解精度还是稳定性方面，均显著优于对比算法。

第四阶段，研究在Simulink环境中构建了仿真平台，对优化出的轨迹进行了抗扰动鲁棒性验证。研究将最优轨迹参数导入仿真系统，并引入一个有界的随机外部力矩扰动（τd(t) = τmax ξ(t)，ξ(t)在[-0.1, 0.1]范围内），以模拟未建模动力学和环境干扰。通过对比规划轨迹和在该闭环控制系统下运行的模拟跟踪轨迹，来评估系统的轨迹跟踪精度和振动抑制性能。

主要结果与分析 在动力学模型的基础上，通过GGO算法优化获得了最优轨迹参数。仿真结果显示，所规划的S形速度曲线十分平滑，无速度突变；位移曲线呈现渐进式角变化；加速度曲线无明显剧烈波动。

在算法性能方面，MOGGO在CEC2013基准函数测试中展现了卓越的优化能力。例如，在单峰函数F4和F5上，MOGGO收敛到的最优值的平均值和标准差远低于其他算法，证明了其强大的开发能力和收敛精度；在多峰和复合函数F21和F23上，MOGGO同样表现出色，证明了其优越的全局搜索和跳出局部最优的能力。

进一步地，研究系统地分析了不同初始条件对着眼于运动时间和振动能量的多目标优化结果的影响。研究结果显示：残余振动能量对角位移变化高度敏感，将小臂角位移限制在60°以内，可显著抑制柔性关节引起的振动；启动加速度的增大虽能缩短运行时间，但会非线性地急剧提升振动能量，研究表明约20 deg/s²是平衡两者的较好折衷范围；时间权重因子w1在0.1至0.9之间时，系统对权重变化不敏感，优化解位于一个平缓的帕累托前沿区域，但当w1=1（即只追求时间最优）时，振动能量会急剧攀升，表明存在明确的效率-稳定性权衡。

最重要的验证结果来自Simulink鲁棒性仿真。在引入随机转矩扰动的情况下，规划的小臂关节角位移曲线与模拟跟踪角位移曲线高度吻合，全程呈现光滑S形轨迹，末端稳态误差几乎可以忽略不计。角速度跟踪在全程仅峰值附近有微小偏差，无不规则振荡。更关键的是，跟踪加速度曲线与规划曲线高度一致，仅有微小的局部高频波动，未检测到突变尖峰，这从源头上抑制了机械臂的结构振动。定量来看，角位移波动被限制在0.01度/秒以内，速度误差基本维持在0.1度/秒以内，加速度误差被限制在0.2度/平方秒内。这些数据有力地证明，本方法规划的轨迹能在有效抵御外部随机干扰的同时，显著抑制高频振动分量，实现平滑稳定的运动。

研究结论与价值 本研究得出以下核心结论：首先，基于拉格朗日方法建立且充分考虑了柔性动力学特性的机械臂模型，为振动抑制轨迹规划提供了准确的理论基础。其次，结合多段多项式轨迹规划与残余振动能量方程构建的多目标优化函数，能够通过合理设置权重系数，实现兼顾时间最优与振动能量最低的协同优化。最后，也是最重要的，提出的改进多目标灰雁优化（MOGGO）算法能有效求解双目标振动抑制轨迹优化问题，所生成的轨迹在受到随机外部扰动时，表现出优异的振动抑制性能。

该研究的科学价值在于提出并验证了一种新的、高效的元启发式算法在复杂机电系统多目标振动抑制中的应用框架，为同类多约束、强耦合优化问题提供了新的解决思路。其应用价值极为显著：该方法有望显著提升晶圆搬运机器人的定位精度和运行稳定性，降低因振动导致的晶圆移位或破损风险，从而直接提升半导体制造的生产良率和经济效益，为下一代先进晶圆机器人的控制技术发展提供了可行且高效的方案。

研究亮点 本研究的亮点主要体现在三个方面。第一，算法创新：将新颖的灰雁优化（GGO）算法引入到机器人轨迹规划领域，并对其进行了多目标改进（MOGGO），通过结合逻辑混沌映射和高斯扰动机制，在全局搜索和局部开发能力上取得了优于传统PSO、GWO、WOA等算法的表现。第二，方法论的系统性：研究流程从动力学建模、多目标优化、算法基准测试到扰动环境下的闭环仿真验证，形成了一个完整且严谨的方法论链条，特别是通过Simulink引入零均值随机扰动进行鲁棒性测试，使得研究结论更具工程说服力。第三，优化目标的明确性与实用性：直接聚焦于“运动时间”和采用加加速度平方积分定义的“残余振动能量”这一对在半导体制造中矛盾尖锐的指标，并通过权重因子和不同工况的系统分析，清晰揭示了二者之间的帕累托前沿关系，对工程应用中的参数整定具有直接的指导价值。

此外，该论文也客观指出了研究的局限性，即目前仅针对双目标进行了帕累托优化，且验证局限于MATLAB/Simulink仿真环境，未来将扩展到更高维多目标优化问题，并在可编程逻辑控制器（PLC）等实际工业平台上进行验证。