在全球面臨氣候變遷的挑戰下，各國政府積極推動碳中和計畫，減少碳排放成為當務之急。 此外，現今製造業者廣泛引入自動化移載設備，如工業機器人和自走車，其能耗對製造成 本及產品碳足跡有重要影響。為了優化這些設備的碳排放，開發一套多軸載具能源分析模組，專 門應用於自動化工廠的機械手臂。傳統的機械手臂運動多採用點對點(Point-to-Point) 模式，直 線軌跡往往伴隨不必要的關節運動，造成能源浪費。
因此，採用基於節點的運動軌跡最佳化方法（Node-based Trajectory，NBT），將取放應 用中的A 點和B 點的位置信息、速度和加速度輸入，生成新的最佳軌跡點(fitting point)。進一 步考量多軸載具的動力學關係建立動態模型，得到各軸的角度、速度、加速度和負載在實際物理 行為的數學模型。透過與實際測得的扭力值比對，利用人工神經網路（ANN）機器學習訓練模組 以估計路徑所需的能耗值，提供給PSO 粒子群進行路徑最佳化。粒子群中以雙目標考慮運動花 費時間和能源使用的平衡，以實現移載設備碳消耗的優化。最後將載重等可變因素納入考量，同 時控制設備的最高速度和加速度等參數，以達成在取放路徑應用中的能耗最佳化。
圖三、機械手臂能耗、時間之軌跡優化以及程式碼生成模組示意圖
▋ 機械手臂路徑最佳化流程
路徑最佳化流程如圖四所示。使用者定義起始點A、結束點B、節點數及各節點的極限範圍。 接著生成AB 點的Linear 路徑，結合設定的節點數 (node) 進行PSO 初始設定，包括迭代次數 （Generation）和粒子數（Population）。設定完成後，進入粒子計算迴圈。對於第i 粒子，生 成Spline 軌跡插補點，並計算各關節的角度、角速度及角加速度。這些數據用於Model 計算各 關節的扭力，並提供給ANN 進行機器學習模型訓練，估算能耗及整體運行時間。完成第一粒子 的計算後，依序判斷所有粒子的計算是否完成，形成第一代粒子數據。這些數據將指導下一代粒 子的優化方向，直至所有迭代計算完成或達到終止條件。為了進一步提升性能，特別是在速度和 加速度設定方面，將對已產生的路徑再次進行PSO 優化，針對角速度和角加速度等參數進行迭 代最佳化。
圖四、能耗時間與路徑最佳化流程圖
圖五、再優化角速度、角加速度系統流程圖
▋ 機械手臂能源優化模組驗證與測試
系統驗證情景分為兩者，第一由上往下放置的路徑(Problem 1)，第二則是由下往上提取的 路徑(Problem 2)，相關PSO 演算法之參數設定如圖六所示。
圖六、Problem 1 由上往下與Problem 2 由下往上之路徑與PSO 初始參數設定
圖七中為Problem 1 執行PSO 優化之後的結果，將完成迭代的成果畫在圖中，圖中橫軸為 能耗，縱軸為時間。針對此圖可得到帕累托邊界，取出邊界的六個粒子點(path 0~5)，並依序畫 出Linear path、P to P path 以及Spline path 路徑卡氏座標圖。
圖七、Problem 1 優化結果與Linear、P to P 及Spline 優化路徑卡氏座標圖
Problem 1 中path 0 到5 的相關能耗與時間比較，以及再次進行速度、加速度參數優化的結果如表一所示。
表一、Problem 1 路徑、速度、加速度優化結果數據表
圖八為Problem 2 情境中得到的帕累托邊界結果，取出邊界的五個粒子點(path 0~4)，並依序畫出Linear path、P to P path 以及Spline path 路徑卡氏座標圖。
圖八、Problem 2 優化結果與Linear、P to P 及Spline 優化路徑卡氏座標圖
Problem 2 中path 0 到4 的相關能耗與時間比較，以及再次進行速度、加速度參數優化的結果如表二所示。
表二、Problem 2 路徑、速度、加速度優化結果數據表
接續將實際整合系統在機械手臂測試平台上，並進行路徑軌跡優化之結果測試、分析和驗 證。在機械手臂的取放料移動路徑規劃中，為確保安全性，會設置安全中繼點以避免碰撞。中繼 點的設定有兩種方式：一是避開所有貨物堆放的安全點(Case 1)，二是取放之起點和終點之間的 中間點(Case 2)。
圖九、左圖：避開所有貨物堆放的安全點；右圖：起點和終點間的中間點
表三展示了Case 1 和Case 2 的實驗數據，能耗平均分別降低了 16.60 % 與15.14 %。Case 3 量測數據如表四，以量測數據作圖並觀察變化趨勢如圖十所示。一般路徑電能變化的斜率相比 節能路徑來得大，數據顯示節能路徑相對節能，且完成時間比較短，總體達39.4 % 節能效率。
表三、Case 1 和Case 2 的實驗數據記錄表
表四、Case 3 之實驗量測數據：一般路徑( 左)；節能路徑( 右)
圖十、Case3 電能變化趨勢圖
▋ 結論
本技術研究專注於最佳化軌跡路徑，進一步提升速度和加速度，以實現在節約能耗上的卓越 性能。這種全面優化為機械手臂或機器人在各種應用場景中的路徑規劃提供了強有力的支持。在 能耗方面，由實驗數據可知能夠成功將機器手臂在向上和向下運動中的能耗減少了11-14%。透 過進一步優化速度和加速度，又能額外實現了1% 到2% 的能耗降低，顯示出路徑優化過程中調 整這些參數能進一步提升能源效率。然而在運動時間方面，P to P 模式被證明為最有效的方法， 強調在特定場景中，直線運動能最快達成目標，這對於追求高效率和即時性的應用非常重要。隨 著最佳化軌跡通過對速度和加速度的進一步優化，能夠觀察到整體運動時間顯著減少，使機械手 臂在保持高效率的同時，還能更快完成任務，並且也顯著降低了能源消耗，實現了節約成本和減 少環境影響。