一种基于机械臂的鲁棒性晶圆校准方法

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。