光学精密工程
光學精密工程
광학정밀공정
OPTICS AND PRECISION ENGINEERING
2012年
3期
587-596
,共10页
张栋%张承进%魏强%田艳兵%赵景波%李现明
張棟%張承進%魏彊%田豔兵%趙景波%李現明
장동%장승진%위강%전염병%조경파%리현명
压电工作台%神经网络%迟滞%自适应控制
壓電工作檯%神經網絡%遲滯%自適應控製
압전공작태%신경망락%지체%자괄응공제
建立了压电工作台的神经网络在线辨识模型并设计了相应的自适应控制器以抑制压电工作台迟滞特性、蠕变特性及动态特性对其微定位精度的影响.采用双Sigmoid激活函数对神经网络激活函数进行了改进,同时分析了改进激活函数的神经网络模型与PI迟滞模型在迟滞建模上的异同.设计了基于改进激活函数的3层BP神经网络作为压电工作台的在线辨识模型,推导了网络权值、阈值及激活函数阈值修正公式.最后,基于神经网络模型设计了压电工作台的自适应控制方案,该控制方案利用另外一个神经网络来完成对PID控制器参数的自适应调整.实验结果表明:提出的神经网络在线辨识模型平均误差为0.095 μm,最大误差为0.32 μm;自适应控制方案跟踪三角波的平均误差为0.070 μm,最大误差为0.100 μm;跟踪复频波的平均误差为0.80 μm,最大误差为0.105 μm.实验数据显示压电工作台的定位精度得到了有效提高.
建立瞭壓電工作檯的神經網絡在線辨識模型併設計瞭相應的自適應控製器以抑製壓電工作檯遲滯特性、蠕變特性及動態特性對其微定位精度的影響.採用雙Sigmoid激活函數對神經網絡激活函數進行瞭改進,同時分析瞭改進激活函數的神經網絡模型與PI遲滯模型在遲滯建模上的異同.設計瞭基于改進激活函數的3層BP神經網絡作為壓電工作檯的在線辨識模型,推導瞭網絡權值、閾值及激活函數閾值脩正公式.最後,基于神經網絡模型設計瞭壓電工作檯的自適應控製方案,該控製方案利用另外一箇神經網絡來完成對PID控製器參數的自適應調整.實驗結果錶明:提齣的神經網絡在線辨識模型平均誤差為0.095 μm,最大誤差為0.32 μm;自適應控製方案跟蹤三角波的平均誤差為0.070 μm,最大誤差為0.100 μm;跟蹤複頻波的平均誤差為0.80 μm,最大誤差為0.105 μm.實驗數據顯示壓電工作檯的定位精度得到瞭有效提高.
건립료압전공작태적신경망락재선변식모형병설계료상응적자괄응공제기이억제압전공작태지체특성、연변특성급동태특성대기미정위정도적영향.채용쌍Sigmoid격활함수대신경망락격활함수진행료개진,동시분석료개진격활함수적신경망락모형여PI지체모형재지체건모상적이동.설계료기우개진격활함수적3층BP신경망락작위압전공작태적재선변식모형,추도료망락권치、역치급격활함수역치수정공식.최후,기우신경망락모형설계료압전공작태적자괄응공제방안,해공제방안이용령외일개신경망락래완성대PID공제기삼수적자괄응조정.실험결과표명:제출적신경망락재선변식모형평균오차위0.095 μm,최대오차위0.32 μm;자괄응공제방안근종삼각파적평균오차위0.070 μm,최대오차위0.100 μm;근종복빈파적평균오차위0.80 μm,최대오차위0.105 μm.실험수거현시압전공작태적정위정도득도료유효제고.
