高精度定位平台X-Y方向振动误差补偿

为了减小定位平台在X,Y方向的振动误差,实现高精度定位,搭建了宏微结合精密定位系统,由高性能直线电机驱动,气体静压导轨支撑和导向的宏动平台实现系统的大行程微米级定位,并由安装在宏动平台上的压电陶瓷驱动的微动平台对系统进行定位精度补偿。建立了定位系统机电耦合振动模型,采用比例积分微分(proportion integral derivative,简称PID)控制与最小节拍响应控制相结合的策略控制宏动平台,采用前馈-PID控制驱动微动平台,通过电容式微位移传感器实时检测定位系统终端的位置输出信号作为微动台的输入信号,实现定位系统的闭环反馈控制,达到宏动平台的振动误差实时补偿的目的。实验结果显示,所设计的微动补偿平台具有良好的动态特性,定位系统具有良好的误差实时补偿效果,针对X,Y向的振动范围由补偿前的4和3.5μm,补偿后减小到1μm的范围内。结果表明,所研究的振动误差补偿方法可以有效减小定位系统的振动误差,提高系统的定位精度。     

高速高精度叠层直线运动控制系统

在分析粗精动控制系统的耦合及轨迹分配等问题的基础上,介绍叠层试验台高速高精度直线运动的实现: 采用永磁直线交流电动机驱动粗动台,粗动台行程大但带宽较低;音圈电动机驱动精动台,精动台带宽高但行程较小。用绝对空间闭环方式实现试验台的粗精运动控制,这种方法可以忽略粗动台对精动台的惯性力扰动,精动台直接跟踪给定轨迹,粗动台跟踪精动台的运动轨迹防止精动台发生运动饱和。试验结果表明,精动台显著提高了系统的定位和跟踪精度,该控制方法使叠层试验台的高速高精度运动得以方便实现。     

多轴亚微米级平面定位台的滑模观测器无传感控制

针对Sawyer电机驱动的平面定位台的多轴精密定位问题(X、Y和θz轴),提出了一种新的部分无传感控制方法。用激光干涉仪检测定位台一个方向上的平移运动和摆动,并构建相应的闭环控制;同时,应用滑模观测器估计另一个方向上的平移运动并构建对应轴的闭环控制。在此基础上,通过实验从开环控制、多轴全闭环控制及部分无传感控制三方面对比了定位性能。实验结果表明:采用部分无传感控制,多轴平面定位台的重复定位精度达到亚微米(0.25μm)级;部分无传感控制下的动子行程与开环控制相同(X轴300mm、Y轴300mm),远大于基于多轴位置传感的全闭环控制下的动子行程(X轴100mm、Y轴100mm);获得的结果可满足应用设计要求。     

一种宏微双重驱动精密定位机构的建模与控制

提出一种宏微双重驱动精密定位机构,采用高性能直线电机直接驱动宏动平台,实现系统大行程微米级精度定位;安装在宏动平台上的压电陶瓷驱动微动平台,实现纳米级的分辨率和定位精度,以高频响动态补偿系统的定位误差;采用精密光栅尺反馈微动平台输出端的位置信号,实现定位机构的全闭环反馈控制。在分别建立宏动、微动、宏微机构模型的基础上,提出复合型宏动控制和模糊自校正PID微动控制的宏微控制策略。实验研究表明:系统的动态和稳态性能良好,该定位机构的最大工作行程100 mm,稳定时间小于40 ms,重复定位精度10 nm。     

宏微双级驱动精密定位平台的建模与控制

为实现定位系统在大行程中高精度定位,设计了一种宏微双级驱动精密定位平台。采用金属波纹管直接驱动宏动平台,实现了系统大行程进给。安装在宏动平台上的音圈电机驱动微动平台,补偿宏动平台产生的误差并实现系统的高精度定位。采用双光栅检测方案,增量式光栅反馈宏动平台的位置信号,绝对式高精度光栅反馈微动平台的位置信号,实现二级精密驱动定位系统的全闭环控制设计。分别对宏动平台和微动平台建立数学模型,提出宏动平台带前馈的PID闭环控制和微动平台的神经网络PID复合控制方案。实验结果表明:该定位系统能满足大行程高精度的定位要求,在50mm的行程中重复定位精度能达到0.6μm。     

磁悬浮纳米级步进扫描工作台CAD/CAE设计研究

采用CAD／CAE技术手段设计了一种新型磁悬浮超精密工作台,它是针对微电子行业IC芯片制造设备如光刻机而研制的快速步进、精密定位机构。利用磁悬浮技术将工作台悬浮在X、Y导轨上,消除了导轨的摩擦和磨损;直线电机无接触驱动实现了工件台的精密定位。用UG软件,构造了磁悬浮工作台的三维实体模型,并进行了机构运动分析仿真;用ANSYS软件进行了磁悬浮系统的电磁场分析,可得到磁通量密度,磁场强度,磁力,以及能量损耗和漏磁量;对磁悬浮工作台进行了有限元力学分析和结论优化,并结合实验测试,可使工作台在X、Y方向能量满足0．02μm的定位精度要求以及达到0．1μm调焦精度和3．0μrad调平精度的要求。     

X-Y直线电机精密运动平台的轮廓误差主动补偿

为了减小X-Y直线电机精密运动平台同步控制的轮廓误差,提高系统的控制精度,针对传统交叉耦合控制结构的不足,提出多电机控制系统的轮廓误差主动补偿结构。首先,以永磁同步直线电机为例分析单轴伺服定位跟踪误差,指出跟踪误差和位置参考有关,结合实际工况中参考指令的扰动,将耦合补偿量最终统一为参考指令的校正加入到系统中,提出轮廓误差主动补偿结构,将轮廓误差补偿量分别补偿到各轴伺服的位置环和速度环,并通过仿真和实验进行验证。结果表明:采用主动补偿方法的X-Y两轴运动平台跟踪大曲率复杂轨迹的轮廓误差平均值为20.68μm;单轴跟踪误差最大值为70μm。相比传统交叉耦合控制结构,主动补偿结构轮廓误差精度提高了15.5%,同时降低了单轴的跟踪误差,并能抑制参考指令扰动。     

基于超声电机的X-Y精密定位工作台

超声电机是一种新型的微型电机,与传统的电磁电机相比它具有很多优点.基于这些优点超声电机可以在诸如定位、跟踪等方面有较好的应用.本文将超声电机作为于定位工作台的驱动部件,由两台行波型超声电机分别带动工作台的X、Y轴上的滚珠丝杠旋转,实现X-Y工作台的精确定位,定位精度可以达到2微米.     

多轴位置伺服相邻耦合滑模控制

针对多电机同步控制中传统环形耦合PID控制存在抗扰动性不强、扰动下同步误差较大等问题,提出了一种带前馈控制的滑模变结构多电机相邻耦合控制策略,建立了3台永磁同步电动机同步控制仿真模型,通过Lyapunov稳定性理论证明了滑模控制算法的稳定性,并进行了交变负载、突变负载实验。仿真分析和实验结果表明,该控制策略相比传统环形耦合PID控制、相邻耦合PID控制具有更高的同步精度和更好的抗扰动性能。     

跨尺度二维工作台系统研制

为实现大行程、纳米分辨力的定位目标,研制了跨尺度二维工作台系统。采用大行程宏动台和六自由度微动台组合的方式,搭建了宏/微双驱动高精度二维工作台系统。该系统利用机器视觉技术,采用图像处理方法确定系统中各个零件的位置和方向,宏动台高速移动实现粗定位,通过微动台与宏动台的循环配合工作,最终实现二维工作台系统的纳米级定位精度。实验结果表明,200mm×200mm二维工作台的定位精度在0.6μm左右,该工作台系统具备了大行程、定位时间快、智能化等优点。     

五轴机床旋转轴误差的在机测量与模糊径向基神经网络建模

考虑五轴机床中的旋转轴误差会影响加工精度和在机测量结果,本文研究了旋转轴误差的在机测量与建模方法。介绍了基于标准球和机床在机测量系统的旋转轴综合误差测量方法,采用随机Hammersely序列分组规划旋转轴的测量角位置,通过自由安放策略确定标准球初始安装位置。然后,引入模糊减法聚类和模糊C-均值聚类(Fuzzy C-means,FCM)建立旋转轴误差的径向基(Radial basis function,RBF)神经网络预测模型。最后,进行数学透明解析,从而为误差的精确解析建模提供新途径。利用曲面的在机测量实例验证了提出的旋转轴误差测量与建模方法。结果表明:利用所建模型计算的预测位置与实测位置的距离偏差平均值为9.6μm,最大值不超过15μm;利用所建模型补偿工件的在机测量结果后,其平均值由32.5μm减小到13.6μm,最大误差也由62.3μm减小到18.6μm。结果显示,提出的测量方法操作简单,自动化程度高;模糊RBF神经网络的学习速度快、适应能力强、鲁棒性好,能满足高度非线性、强耦合的旋转轴误差建模要求。     

Control of an equipment for fabricating periodic nanostructure

This study presents the control for an equipment that is designed for fabricating periodic nanostructures. This equipment can generate the patterns required for nanostructure production using direct writing laser lithography. The equipment incorporates a direct writing laser lithography instrument, a linear motor-driven long-stroke stage (X, Y), a piezoelectric-driven two degrees of freedom (2-DOF) nano-stage (Y, θ_z), a 3-DOF laser interferometer measurement system, and a system control unit. The working stage of this equipment is combined by a long-stroke stage and a nano-stage; therefore, it can provide long-stroke and high-precision positioning. The feedback signal for this stage is obtained using a 3-DOF laser interferometer measurement system. Integral sliding-mode controllers are used to control the linear motor-driven stage and PID controllers are used to control the piezo-stage for precision positioning. This paper presents the design of the controllers and the control results. Experimental results show that satisfactory writing results can be obtained at a 100 mm/s scan speed.     

基于神经模糊控制理论的数控机床热误差建模

将基于神经模糊控制理论的建模方法--模糊神经网络建模法应用到数控机床热误差建模当中,讨论了热误差模糊神经网络的结构及建模原理;对大型数控龙门导轨磨床主轴箱系统进行建模试验,采用非接触式红外温度测量仪和千分表分别测量主轴箱系统温度值与主轴热误差,得到两组独立的试验数据,一组用来建立主轴箱系统热误差模糊神经网络预报模型,另一组用来对模型进行验证。试验结果表明,模糊神经网络模型预测精度高,泛化能力强;将模糊神经网络建模方法与径向基函数神经网络建模方法进行综合对比,分析结果表明,模糊神经网络建模方法具有更好的建模效率、建模鲁棒性及预测性能。     

压电陶瓷微位移工作台的建模方法

压电陶瓷存在着迟滞非线性特性,而且在运行过程中,特性的变化规律也是未知的、不确定的,难以用传统方法获取既有足够精确性又不至于过分复杂的压电陶瓷微位移工作台的数学模型。基于神经网络,本文提出了一种新的建模方法。分析了微位移工作台的结构和建模方法,利用神经网络的自学习和自适应能力,在线调整模型结构和参数,减小工作台的建模误差,为控制系统提供了更为准确的模型信息。采用工作台的位移数据对网络模型进行了训练,实验结果表明,在80 μm行程范围内,工作台的平均定位误差为80 nm,最大误差为100 nm,基本满足纳米定位的精度要求。     

ARTIFICIAL NEURAL NETWORK AND FUZZY LOGIC CONTROLLER FOR GTAW MODELING AND CONTROL

0 INTRODUCTION(The satisfied control of the overall weld process is not easily accomplished, largely due to the inadequacies of the available process models. Without exceptions, most welding control methods are based upon the analytical welding models. Although these models are derived directly from the physical laws that govern the main features of the weld pool, a number of assumptions are made to obtain the mathematical solutions and some variables are ignored due to the complexity of t…     

用于三轴光电跟踪系统的神经网络误差修正法

系统误差的存在严重影响了光电跟踪系统的引导精度和测量精度,现阶段用于三轴光电跟踪系统的最小二乘系统误差修正法精度较低,球谐函数系统误差修正法亦不适于Z轴连续转动时的系统误差修正。三轴光电跟踪系统的系统误差是以其三个角度测量值为参数的曲面,而神经网络可以精确拟合复杂的曲线或曲面。分析和仿真证明,基于BP神经网络的系统误差修正法可用于Z轴连续转动的三轴光电跟踪系统,而且可把系统误差修正到约为原来的28%。     

汽车驾驶机器人车速跟踪神经网络控制方法

为了实现汽车驾驶机器人对给定车速的准确跟踪,提出了一种驾驶机器人车速跟踪神经网络控制方法。网络模型输入层变量为驾驶机器人油门和制动器、离合器机械腿、换挡机械手的位移;中间层为隐层,节点数为5,神经元传递函数为正切传递函数;输出层变量为试验车辆车速,神经元传递函数为线性传递函数。结果表明,该方法的收敛速度明显高于梯度下降法的收敛速度,且达到的控制精度更高,车速跟踪误差满足国家汽车试验标准的要求。     

Feedforward coefficient identification and nonlinear composite feedback control with applications to 3-DOF planar motor

Due to modeling errors, accurate feedforward coefficient of the controller cannot be obtained with the standard method on the basis of the nominal model. Meanwhile, the system is uncertain in practice. Consequently, the MIMO (multi-input multi-output) system of the planar motor cannot be completely decoupled by feedback linearization, and the convergence of the tracking errors is no longer guaranteed. In order to improve the robustness and the tracking ability of the planar motor, a feedforward coefficient identification method and nonlinear composite feedback controller are proposed, thus guaranteeing stability by Lyapunov theory, wherein the feedforward coefficient can be obtained by the PD control experiment. The results of two different trajectory tracking experiments show that it is more accurate than the standard method. Moreover, this coefficient is suitable for different trajectories, so it avoids the drawback of ILC (iterative learning control) method, by which the feedforward term obtained cannot be reused if the length of the trajectory changes. The nonlinear composite feedback controller consists of u ₁ and u ₂ terms. u ₁ is designed to compensate for modeling errors, therefore the robustness is improved and the coupling effects among multi-DOF (degrees of freedom) are reduced. In balancing the trade-off between disturbance rejection and noise sensitivity, an amplitude-based variable-gain function is applied in u ₂. The trajectory tracking experimental results show that the overall controller is an attractive approach for the uncertain multi-DOF systems.     

欠驱动机械臂滑模控制与实验研究*

针对非线性、强耦合的欠驱动两杆机械臂Pendubot,提出了一种在倒立不稳定平衡点邻域内局部线性化的基于Hurwitz稳定判据的滑模控制方法。首先定义一个分别由主动臂和欠驱动臂的角位置、角速度跟踪误差的线性组合滑模面。通过Lyapunov稳定性分析保证了系统的所有状态能够到达滑模面并保持在滑模面上,根据滑模面条件,降低原系统的阶数,再令降阶系统满足Hurwitz稳定判据,从而原系统渐进稳定,其所有状态变量最终收敛于平衡点,同时得到滑模面参数。仿真和实验结果表明,所设计的控制方法易于实现,能够抵抗一定的外界干扰,对模型的参数摄动不敏感、鲁棒性强。     

伺服电机驱动的液压动力系统及其神经网络自适应优化控制

针对传统液压系统存在的高能耗、低响应特点,采用节能型液压动力源-永磁伺服电机直接驱动定量泵,以取代原有的异步电机驱动液压动力源,从而形成一种新型的节能、响应快速、易实现闭环控制的液压动力系统。由于实际液压系统随机干扰严重,具有多变量、非线性、强耦合的特征,难以建立较准确的数学模型,常规的PID控制算法很难满足液压系统高精度控制的要求,因此提出基于PSO与BP混合优化前向神经网络 PID自适应控制方法,实现液压系统在典型工况下流量的精确控制。PID控制器的参数采用神经网络进行自适应整定,神经网络的权值采用混合优化算法进行调整,通过神经网络的自学习能力寻找最佳的P、I、D非线性组合控制律,以增强液压系统对工况变化的适应能力。仿真和实验结果表明,该控制方法跟踪速度快、超调小、鲁棒性强,从而为液压系统流量高精度控制提供了一种新方法。