1. 引言
太阳能电池凭借清洁、可再生等独特优势，相较于风能、水能、地热能、核能等能源形式更具发展潜力，有望成为未来全球电力供应的核心支柱[1]。太阳能电池的生产需历经硅料到硅片、硅片到电池片、电池片到光伏组件等十余道核心工艺环节，其中镀膜工艺是提升太阳能电池光电转换性能的关键核心步骤。
该工艺基于光的干涉原理，可有效降低入射光的反射损耗，提升光伏电池片对可见光的吸收效率，进而提高电池的短路电流；同时，能够降低硅片表面载流子复合速率(实现表面钝化)，并增强烧结后电池内部的钝化能力(实现体内钝化)，双重提升电池性能。
当前主流的太阳能电池镀膜上下料技术主要分为三类，各有优缺点，具体分析如下：
第一类为半自动化上下料设备，核心依赖人工辅助完成花篮对接、硅片规整等操作，仅实现硅片传输、机器人转运等核心环节的自动化。其优点是设备结构简单、研发成本低、占地面积小；缺点是人工干预环节较多，易因人为操作失误导致硅片破损、污染，生产效率受人力限制，难以适配大规模、高产能的生产需求，且人力成本长期投入较高。
第二类为全自动化上下料设备(进口主流方案)，以德国、日本进口设备为代表，核心优势是定位精度高(石墨舟定位误差 ≤ ±0.02 mm)、运行稳定性强(设备运行率 ≥ 98.5%)，可实现全流程无人工干预，适配大规模量产需求；但其缺点显著，设备造价高昂(单台设备造价约为国产设备的2~3倍)，核心技术封锁，后期维护成本高、改造难度大。
第三类为国产全自动化上下料设备(国内主流方案)，近年来逐步实现技术突破，核心优势是造价适中、适配性强，可灵活适配国内主流硅片与石墨舟规格，维护成本低；但存在以下短板，一是石墨舟定位精度不足，易受舟体变形影响，导致装片精度下降，碎片率偏高(通常在0.1%~0.2%)；二是机器人转运过程中易出现奇异点卡顿，影响运行效率与硅片转运稳定性；三是硅片缺陷检测精度不足，漏检率、误检率较高，难以满足高端太阳能电池的质量要求；四是控制系统响应速度较慢，多单元协同控制的稳定性有待提升。
针对现有主流技术的短板，本文重点研发一款高适配性、高精度、高稳定性的镀膜工艺上下料自动化设备，攻克石墨舟变形适配、机器人奇异点规避、硅片高精度检测等关键技术痛点，优化控制系统性能，同时控制设备研发与维护成本，为光伏产业自动化升级提供高性价比的解决方案，本文重点针对该上下料设备的研发展开详细阐述。
2. 系统整体方案
本镀膜自动化上下料设备主要由花篮传送单元、硅片传送单元、硅片搬运机器人单元及石墨舟传送单元四部分构成，图1为设备整体布局图。
Figure 1. Equipment schematic diagram
图1. 设备示意图
设备核心技术特性参数如下：设备尺寸L * W * H = 12,100 * 2650 * 2500 mm，电源供应三相380 V 50 Hz，功率 ≤ 21 kW，压缩空气需求2路φ 16的进气，气压为：0.5~0.7 MPa，产能 ≥ 5000片/小时，碎片率 ≤ 0.05% (不含本身缺陷片，A类片)，石墨舟双通道 + 上料2通道 + 下料2通道 + NG片通道。
3. 分单元介绍
各单元采用模块化设计，协同完成硅片从花篮到石墨舟、再从石墨舟回收入花篮的全流程转运，核心功能与关键结构如下。
3.1. 花篮传输单元
核心功能为实现待工艺与已工艺硅片花篮的分流传输、精准定位与AGV对接，由AGV小车对接道、花篮传送道及花篮升降道组成，设两条独立通道避免交叉干扰。采用交流电机驱动传输皮带，伺服电机控制升降行程，夹缸实现花篮夹紧定位，当出花篮对接到累积10个花篮时，系统自动召唤AGV小车对接转运。花篮传送道如图2所示：
Figure 2. Flower basket conveyor belt
图2. 花篮传送道
3.2. 硅片传输单元
核心功能为硅片传输、缺陷检测与缓存矫正，由硅片传输皮带组件、AOI检测系统、硅片剔除组件、Buffer缓存组件、硅片矫正组件及硅片变截距组件构成，两条独立通道分别负责待工艺与已工艺硅片传输。步进电机驱动皮带运行，矫正组件保障硅片定位一致性，Buffer组件避免传输停滞，AOI检测系统实时检测硅片缺陷并反馈至控制系统，不合格硅片回收至NG花篮。图3为硅片传送道。
Figure 3. Silicon wafer conveyor belt
图3. 硅片传送道
3.3. 搬运机器人单元
核心执行部件，负责硅片与石墨舟之间的精准转运，选用六轴工业机器人，搭载高精度吸盘抓手，实现待工艺硅片从变截距组件到石墨舟、已工艺硅片从石墨舟到变截距组件的转运，核心保障转运精度与速度，规避奇异点卡顿问题。图4为搬运机器人和石墨舟载体。
Figure 4. Handling robot, graphite boat carrier
图4. 搬运机器人、石墨舟载体
3.4. 石墨舟单元
核心功能为石墨舟的定位、传输与工艺机台对接，由舟定位机构、舟传输机构及工艺机接驳台机构组成，采用TCP/IP通讯协议与工艺机台实现数据交互，保障石墨舟精准传输与稳定对接，支撑镀膜工艺连续推进。如图5所示。
Figure 5. Graphite boat and boat transfer assembly
图5. 石墨舟和传舟组件
4. 控制系统设计
本设备控制系统采用模块化设计思路，选用工业级PLC与HMI组成核心控制架构，基于标准化工业控制平台搭建控制体系。
4.1. 核心硬件选型
核心控制部件选用禾川HCQ5-1500-A，该型号PLC属于禾川HCQ5系列高端总线型运动控制器，具备集逻辑控制、运动控制、高速通讯于一体的综合性能，可充分适配设备多单元协同控制需求。支持64轴运动控制，可满足多轴搬运机器人与多传输单元的同步控制需求；搭载高速EtherCAT通讯接口，同时兼容Modbus TCP、CANOpen、OPC UA、EtherNet/IP等多种工业总线通讯协议，保障与AOI检测系统、工艺机台、AGV系统等设备的稳定数据交互；支持远程I/O模块，扩展灵活性强，可根据设备功能扩展需求灵活增减接口；具备较强的抗干扰能力与稳定的运算性能，可适应光伏生产车间复杂工业环境，保障设备长期稳定运行。控制架构如图6。
4.2. 软件功能设计
本控制系统程序设计具备多重亮点：
1. 状态智能判断与干预功能：程序可实时记录硅片、花篮来源信息，自动判断运行流程；同时支持人工修改状态位，实现流程干预，提升系统灵活性。
2. 可视化监控功能：HMI界面搭载设备对应监控图，直观呈现各单元运行状态，方便操作人员进行设备监控和参数修改，界面效果如图7。
Figure 6. Device control architecture
图6. 设备控制架构
Figure 7. Equipment operation monitoring
图7. 设备运行监控
3. 全流程操作追溯功能：可记录轴、气缸、工艺参数等修改前后的信息及按钮操作记录，并同步记录时间，实现全流程可追溯，为问题排查提供依据。
4. 故障统计与诊断功能：详细记录花篮传输卡篮、硅片传输卡片等设备故障点，统计故障发生次数，方便维护人员对症维护，提升维护效率。
5. 设备难点与解决方案
针对设备运行中的核心技术难点，结合机械结构设计、力学分析、数学建模与算法优化，提出针对性解决方案，详细阐述如下。
5.1. 高精度定位与夹紧技术难点及解决方案
5.1.1. 难点分析
石墨舟在长期使用过程中，受镀膜工艺高温(400℃~600℃)、硅片装拆磨损等因素影响，易出现舟体变形(最大变形量可达0.08~0.12 mm)，导致石墨舟定位基准偏移，影响硅片装片精度(要求装片偏差 ≤ ±0.02 mm)，进而引发硅片破损、镀膜不均匀等问题，严重影响设备运行稳定性与产品质量[2]。
5.1.2. 解决方案
设计兼容舟体微小变形与批次差异的自适应定位结构，通过柔性定位与刚性限位结合的方式，将定位误差控制在±0.015 mm以内，保障装片精度[3]。
5.2. 硅片缺陷检测与分类的技术挑战及解决方案
5.2.1. 难点分析
硅片缺陷检测是保证产品质量的关键环节，面临三大核心难点：一是缺陷类型多样化，包括崩边、缺角、污染、色差、翘曲变形等；二是检测精度要求高，对于微小崩边(尺寸 ≤ 0.1 mm)、轻微污染等缺陷需准确识别，漏检率、误检率需控制在0.03%以内；三是实时检测需求，设备产能 ≥ 5000片/小时，单片硅片检测时间需 ≤ 0.72 s，要求检测算法具备高速运算能力。
5.2.2. 解决方案
采用2D + 3D双相机组合检测方案，结合深度学习模型，实现硅片缺陷的高精度、实时检测与自动分类。
1. 硬件配置：2D工业相机(1200万像素，60 fps)负责检测崩边、缺角等平面缺陷；3D激光轮廓仪(精度±0.005 mm)负责扫描厚度分布和翘曲变形。
2. 深度学习算法设计：构建基于YOLOv8的缺陷检测模型，输入为2D图像与3D轮廓数据的融合特征。算法逻辑包括图像预处理、特征提取、缺陷识别与分类、结果反馈四个步骤。通过大量样本(≥10 万张)训练，模型兼顾了检测速度与精度，确保在高产能下的检测可靠性[4]。
5.3. 六轴机器人的奇异点规避与轨迹平滑及解决方案
5.3.1. 难点分析
六轴机器人在硅片转运过程中易出现奇异点问题，此时雅可比矩阵奇异，导致关节角度趋于极限，运动卡顿、速度骤降，不仅影响效率，还会因抖动增加硅片碎片风险。
5.3.2. 解决方案：运动学建模与轨迹优化算法
通过建立六轴机器人运动学模型，在轨迹规划阶段进行路径优化，避开奇异点区域，同时采用S曲线加减速算法实现轨迹平滑。
采用D-H参数法建立机器人运动学模型，求解各关节角度。在轨迹规划阶段，选用B样条曲线进行插值，通过调整起点、终点间的中间控制点坐标，主动避开奇异点区域(雅可比矩阵条件数κ (J) < 1000)。优化后的轨迹既满足了作业精度要求，又保证了运动的平稳性，彻底解决了卡顿问题[5]。
6. 实验与结果分析
为验证本设备的性能指标与技术优势，在某光伏企业生产车间搭建实际测试平台，采用M10规格硅片(182 mm × 18 2mm，厚度0.15 mm)及标准石墨舟，进行为期30天的连续运行测试。测试环境与现有主流国产设备(对照方案)保持一致，记录关键运行数据，对比分析本设备的优势。
6.1. 实验方案与测试指标
6.1.1. 实验环境
测试环境：与光伏企业实际生产环境一致；测试设备：本研发设备(实验组)、现有主流国产自动化上下料设备(对照组)；测试样本：M10规格硅片100万片(A类片，无本身缺陷)，石墨舟500个(含不同变形程度的旧舟，变形量0~0.12 mm)。
6.1.2. 测试指标
核心测试指标包括：石墨舟定位精度、硅片碎片率、设备产能、AOI检测性能(漏检率、误检率)及设备运行率。
6.2. 实验结果与分析
6.2.1. 石墨舟定位精度测试结果
连续运行30天，记录实验组与对照组的硅片碎片数量、实际产能，计算碎片率(碎片率 = 碎片数量/总测试数量 × 100%)与平均产能，结果如表1所示。
Table 1. Comparison of silicon wafer scrap rate and equipment capacity
表1. 硅片碎片率与设备产能对比
测试组别 |
总测试硅片数(片) |
碎片数量(片) |
碎片率(%) |
平均产能(片/小时) |
实验组(本设备) |
1,000,000 |
486 |
0.0486 |
5230 |
对照组(主流设备) |
1,000,000 |
1620 |
0.162 |
4850 |
测试结果显示：实验组碎片率为0.0486%，不仅低于0.05%的设计要求，且远低于对照组的0.162%；实验组平均产能为5230片/小时，高于设计要求(≥5000片/小时)及对照组水平。
数据证明，本设备的定位优化与机器人轨迹平滑设计，有效降低了硅片破损风险，并通过消除机器人卡顿提升了整体生产节拍。
6.2.2. AOI检测性能测试结果
选取10000片含各类缺陷的硅片(崩边、缺角、污染等，每种缺陷1000片)，测试实验组与对照组的AOI检测性能，绘制混淆矩阵(表2、表3)，计算漏检率与误检率(漏检率 = 漏检缺陷数/总缺陷数 × 100%；误检率 = 误检缺陷数/总检测数 × 100%)。
Table 2. Confusion matrix of AOI detection in the experimental group (unit: slice)
表2. 实验组AOI检测混淆矩阵(单位：片)
真实类别/预测类别 |
崩边 |
缺角 |
污染 |
色差 |
翘曲 |
合格 |
合计 |
崩边 |
997 |
1 |
0 |
0 |
1 |
1 |
1000 |
缺角 |
1 |
996 |
0 |
1 |
1 |
1 |
1000 |
污染 |
0 |
0 |
998 |
1 |
0 |
1 |
1000 |
色差 |
0 |
1 |
1 |
997 |
0 |
1 |
1000 |
翘曲 |
1 |
0 |
0 |
0 |
998 |
1 |
1000 |
合格 |
0 |
0 |
1 |
0 |
0 |
5999 |
6000 |
合计 |
999 |
998 |
999 |
999 |
999 |
6004 |
10,000 |
Table 3. Confusion matrix of AOI detection in the control group (unit: slice)
表3. 对照组AOI检测混淆矩阵(单位：片)
真实类别/预测类别 |
崩边 |
缺角 |
污染 |
色差 |
翘曲 |
合格 |
合计 |
崩边 |
982 |
5 |
2 |
3 |
4 |
4 |
1000 |
缺角 |
4 |
978 |
3 |
5 |
4 |
6 |
1000 |
污染 |
2 |
3 |
980 |
6 |
4 |
5 |
1000 |
色差 |
3 |
4 |
5 |
976 |
5 |
7 |
1000 |
翘曲 |
4 |
3 |
2 |
4 |
981 |
6 |
1000 |
合格 |
3 |
4 |
5 |
4 |
3 |
5977 |
6000 |
合计 |
998 |
997 |
997 |
998 |
997 |
6005 |
10,000 |
经计算，实验组漏检率为0.02%，误检率为0.01%；而对照组的漏检率与误检率分别为0.24%和0.23%。
实验结果表明，采用2D + 3D双相机融合的检测方案，结合深度学习算法，显著提升了缺陷识别的准确率，有效避免了不良品流入下道工序，保障了产品质量。
7. 结束语
该设备的研发与应用，不仅大幅提升了镀膜工艺的生产效率，降低了人为因素对产品质量的影响，还通过智能化控制系统提升了设备运维便捷性，为太阳能电池生产的自动化、智能化升级提供了有力支撑。