一种H型气浮平台运动控制系统

技术领域

本发明涉及高精密气浮平台的伺服控制技术领域，具体为面向芯片加工和集成电路制造的一种H型气浮平台运动控制系统。

背景技术

精密运动平台是一种高精度定位载物平台，是多种精密加工和精密检测设备的核心部件，在IC制造装备(如贴片机、光刻机、IC封装等领域)中扮演着重要角色。对于精密气浮平台的动力装置而言，单电机驱动存在低加速度、低精度以及机械结构振动成分复杂等不足。双电机的驱动方式虽然很大程度的削弱了上述缺陷，但对双边驱动的控制策略有着更为严格的要求。

在双边驱动的控制策略中，经典方法主要有主从同步控制和并行同步控制两种。主从同步控制中将驱动轴划分为主动轴和从动轴，其中主动轴执行动作，从动轴跟随动作。受限于机械结构和电子电路响应等各方面存在的延迟因素，两轴之间存在跟踪滞后问题，因此在高速运动场合下同步性能较差。并行同步控制中的两个同步轴采用独立自主的控制方式，两轴之间无任何信息交互，导致一轴无法感知另一轴的运动情况而实施相对应的调整行为，亦造成同步误差和位置误差等缺陷的存在。

交叉耦合控制通过收集和分析各轴的运动信息，将最终处理结果按需补偿给各个轴的控制器，集中实现多轴之间的反馈、调度任务与信息交互功能，有助于位置误差、同步误差、加工轮廓误差等影响平台运动精度因素的降低。但传统交叉耦合控制中补偿增益值是不变的，无法根据实际工况实时调整各轴的补偿值。

因此，基于上述问题，提供一种基于模糊-神经网络参数自调整增量式PID的变增益交叉耦合控制策略，以及基于该算法的H型气浮平台运动控制系统，具有重要的现实意义。

发明内容

本发明的目的在于提供一种H型气浮平台运动控制系统，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种H型气浮平台运动控制系统，包括工控机、控制器、驱动器、气浮平台、光栅尺和直线电机，所述控制器基于模糊-神经网络参数自调整增量式PID控制与交叉耦合控制策略进行设计，所述气浮平台中包括龙门结构、Y轴、X轴、工作台、大理石基座和地脚螺栓，所述工控机与控制器之间通过以太网连接，所述控制器通过水星网络协议与驱动器进行通信，所述驱动器连接设置有直线电机和光栅尺，所述光栅尺的读数头与工作台连接，并将工作台的位置信息反馈给驱动器和控制器。

所述控制器的模糊-神经网络参数自调整增量式PID控制方法的具体原理如下：

神经网络的第一层为误差数据输入层，实现气浮运动平台中位置信息与控制器的互联互通。该网络层的输入关系为：

H

其中，i

神经网络的第二层为隐含层1，具体为模糊化层。将均值为c

其中，

神经网络的第三层为隐含层2，具体为模糊推理层，完成每条模糊规则的适用度的计算。模糊推理层的内部作用函数为：

第四层为输出层，同时作为模糊控制中的去模糊化层，对由模糊推理层计算得到的模糊量进行精确化，从而得到系统的期望控制输出：

其中，l为输出层神经元个数，w

参数训练完毕后，作用于增量式PID，具体方程为：

Δu(k)＝K

＝K

其中，K

所述控制器的交叉耦合控制策略实现各轴之间的消息通讯。针对某一轴而言，其不仅获得本轴的位置和误差信息，而且实时接收其它轴的位置和误差信息，解决多轴之间的联合调度与协调问题。结合模糊-神经网络自适应的调整增益值，使得所述控制器根据实际工况实时调整各轴的补偿值。

与现有技术相比，本发明的有益效果是：

本发明通过优化控制策略，基于模糊-神经网络增量式PID的交叉耦合控制策略进行控制器的设计，使其具备变增益的特点。综合多轴的位置信息、同步信息、加工轮廓信息，依赖模糊-神经网络的参数自调整功能，继而根据实际工况实时、在线调参并实现多轴之间变增益补偿值的最优分配。改善了因同步问题引起的运动偏摆角、因位置跟踪引起的加工精度等问题，提高了气浮平台的伺服控制精度和机加工性能。

附图说明

图1为本发明气浮平台立体结构示意图；

图2为本发明模糊-神经网络增量式PID控制原理框图；

图3为本发明气浮平台运动控制系统原理框图；

图4为本发明气浮平台运动控制系统各模块组成图；

图5为本发明气浮平台运动控制系统模块间通讯示意图。

图中：1、龙门结构；2、Y轴；3、Y轴光栅尺1；4、Y轴直线电机1；5、X轴；6、X轴气浮滑块；7、工作台；8、X轴直线电机；9、X轴光栅尺；10、Y轴气浮滑块；11、Y轴光栅尺2；12、Y轴直线电机2；13、大理石基座；14、支撑台面；15、地脚螺栓；16、工控机；17、控制器；18、驱动器；19、气浮平台；20、光栅尺；21、直线电机。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1至图5，本发明提供一种技术方案：一种H型气浮平台运动控制系统，包括工控机16、控制器17、驱动器18、气浮平台19、光栅尺20和直线电机21，控制器17基于模糊-神经网络参数自调整增量式PID控制与交叉耦合控制策略进行设计，气浮平台19中包括龙门结构1、Y轴2、X轴5、工作台7、大理石基座13和地脚螺栓15，工控机16与控制器17之间通过以太网连接，控制器17通过水星网络协议与驱动器18进行通信，驱动器18连接设置有直线电机21和光栅尺20，光栅尺20的读数头与工作台7连接，并将工作台7的位置信息反馈给驱动器18和控制器17。

Y轴2、X轴5分别采用Y轴气浮滑块10和X轴气浮滑块6进行支撑，其中Y轴2通过Y轴直线电机4和12进行双机驱动，并使用双光栅尺3和11测量位置信息，X轴5通过X轴直线电机8进行单机驱动，并使用光栅尺9反馈位置信息，Y轴2与X轴5的配合运动可以完成二维平面内运动定位功能；工作台7用来承载工件，地脚螺栓15用来调节平台距离地面的高度以及使平台基面处于水平状态，X轴5基座横跨在Y轴2的双边气浮滑块10上。

基于交叉耦合控制和模糊-神经网络增量式PID控制的误差补偿控制器17的设计原理为：利用神经网络控制实现模糊推理过程的思想设计参数自调整规则，模糊控制中的模糊化、模糊推理、去模糊化均由神经网络来表达。通过神经元的激活函数及其连接权值自适应的学习模糊控制中的模糊规则和隶属度的计算法则，误差及权值更新均采用反向传播算法进行逆向迭代。

同时考虑多轴补偿控制原理，结合交叉耦合控制，实现各个轴之间的消息通讯。针对某一轴而言，其不仅获得本轴的位置和误差信息，而且实时接收其它轴的位置和误差信息，解决多轴之间的联合调度与协调问题。基于模糊-神经网络参数自调整增量式PID控制的交叉耦合控制器17将系统的各项误差(位置误差、同步误差、加工轮廓误差等)作为自适应学习的目标函数，在线调参并实现多轴之间变增益补偿值的最优分配。

在各项数据信息的正向传播过程中，神经网络的第一层为误差数据输入层，实现气浮运动平台中位置信息与控制器的互联互通。该网络层的输入关系为：

H

其中，i

神经网络的第二层为隐含层1，具体为模糊化层，通过采用不同神经元之间的连接权值对模糊控制的论域和隶属度等规则进行描述。将均值为

其中，

神经网络的第三层为隐含层2，具体为模糊推理层，其利用神经节点模拟人的思维方式从而自适应的学习一系列完整的运动控制规则。一条模糊规则对应于一个网络节点，通过平方交叉相乘的运算法则，完成每条模糊规则的适用度计算。模糊推理层的内部作用函数为：

第四层为输出层，同时作为模糊控制中的去模糊化层，对由模糊推理层计算得到的模糊量进行精确化，并完成数字量的输出功能，从而得到系统的期望控制输出。转换得到的精确量为：

其中，l为输出层神经元个数，w

采用误差反向传播算法实现以神经网络训练模糊规则的参数寻优过程。定义神经网络的目标函数f

其中，e

输出层的神经元权值学习规则为：

w(k)＝w(k-1)+Δw(k)+β(w(k-1)-w(k-2))

其中，β为动量因子。

模糊化层的隶属度参数学习规则为：

其中，η为学习速率。

至此完成对均值c

Δu(k)＝K

＝K

其中，K

图3为结合交叉耦合控制和鲁棒模糊-神经网络增量式PID控制而设计的H型气浮运动平台的控制系统原理示意图，无交叉耦合控制器的原理框图则是除掉图中基于模糊-神经网络参数自调整的增量式PID误差实时补偿器这一部分产生的额外增益值。其中，m

完成控制器17的控制策略设计工作，搭建如图4和图5所示的气浮平台运动控制系统。其中，工控机16与控制器17之间可以通过以太网、路由器或者交换机等方式连接，控制器17与驱动器18之间采用水星协议通信，并将测量数据(位置、加工轮廓以及电机电流等)反馈给控制器17，驱动器18连接设置有直线电机21和光栅尺20，光栅尺20的读数头与工作台7连接，当工作台7沿着导轨进行X方向与Y方向的二维运动时，光栅尺20读数头将工作台7的运动位置信息传输给驱动器18，进而控制器17综合工控机16的指令和光栅尺20反馈的位置信息通过模糊-神经网络增量式PID实现交叉耦合控制的变增益补偿，最终将信号处理结果传送给驱动器18从而驱动直线电机21运动。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。