貼片機X/Y軸快速高精度定位的實現

劉明曉　龍緒明　羅愛玲　賀海浪

摘 要：負載慣量和外界干擾是影響貼片機[X，][Y]軸快速高精度定位的兩個關鍵因素。本文針對負載慣量和外界干擾對控制性能的影響，提出了基于RBF神經網絡的自適應滑模控制算法。利用RBF神經網絡的萬能逼近特性實現對外加干擾和被控對象模型信息的逼近，運用自適應控制算法計算前饋補償量以補償負載慣量和摩擦力對運動性能的影響，采用滑模控制算法以抑制其他不確定干擾對運動控制的影響。通過仿真分析可以得出，所采用的控制算法能夠有效地補償負載慣量和外界干擾對定位性能的影響，從而實現貼片機[X，][Y]軸的快速高精度定位。

關鍵詞： 貼片機； 快速高精度定位； 運動控制； RBF神經網絡； 自適應滑模控制

中圖分類號： TN710?34 文獻標識碼： A 文章編號： 1004?373X（2014）17?0157?03Abstract： The load inertia and the outside disturbance are the key factors that affect X/Y?axis high?precision fast position of SMT placement. An adaptive sliding mode control algorithm based on RBF neural network is proposed in this paper to eliminate the influence of load inertia and outside interference. The universal approximation property of RBF neural network is used to realize approximation of external disturbance and model information of the controlled object. Feed?forward compensation amount calculated by using the adaptive control algorithm is used to compensate the load moment of inertia and friction effects on motion performance. The sliding mode control algorithm is adopted to suppress the influence of other uncertain disturbance on motion control. The simulation analysis indicates that the control algorithm can effectively compensate the efforts of load inertia and outside interference on positioning performance， so as to realize the high?precision rapid positioning of X? and Y?axis in SMT placement.

Keywords： SMT placement； high?precision rapid positioning； motion control； RBF neural network； adaptive sliding mode control

0 引 言

貼片機[X，][Y]軸運動控制的工作狀態是高加速、高速地在點到點之間運行，并且在定位點處實現精確定位。要實現運動控制系統平穩、快速、精確的定位，其關鍵就在于如何有效地抑制摩擦力和外界干擾的影響。而這些干擾隨著工作狀態的變化而變化，具有很強的非線性，這就需要控制器能夠有效地進行補償[1]。同時由于[X，][Y]軸在高速運行下需要伺服驅動系統快速啟停，系統容易出現抖動，這就嚴重阻礙了貼裝的速度和精度。

針對上述問題，提出了基于RBF神經網絡的自適應滑模控制算法，使得系統有效地抑制了摩擦力和外界干擾的影響，從而能夠快速地實現精確定位。

1 自適應控制

隨著控制領域的發展，自適應控制在電力系統、飛機控制、機器人操作、化學過程控制等領域得到了廣泛的應用。自適應控制的用法基本可以分為如下兩類：

（1） 通過在線調整控制器的參數使得系統輸出能夠跟蹤預先設定的期望值，其典型代表是參考模型自適應控制；

（2） 首先通過辨識系統模型參數得出系統的模型，然后根據得出的模型設計控制器，采用這種控制器的關鍵就在于如何準確地辨識出系統模型中的參數，其典型代表是自調整控制器。

參考模型自適應控制器和自調整控制器的控制框圖分別如圖1和圖2所示。

其中需要指出的是圖1中的[a]是控制器的參數估計值，圖2中的[a]是模型參數的估計值。當然無論采用哪種自適應控制器，其設計步驟都應該包含以下三步：

在大多數情況下，系統模型的結構是確定的，但是不能確定模型參數的精確值，而且模型參數會隨著系統的改變而改變，例如包含在系統模型中的負載和外界干擾在運行過程中的變化規律是不確定的。在這種情況下，固定的補償方法補償不了變化的部分。此時如果系統的模型參數可以線性化，那么就可以利用自適應算法確定模型中的參數，從而可以對模型中的參數進行有效地控制[2]。同時，一個很小的外界干擾也可能導致參數估計的發散[3]。盡管修正方法可以使得參數估計值落在某個范圍內，能夠增強系統的穩定性，但是這個未知的范圍嚴重地影響了系統的性能。因此僅僅使用自適應控制算法很難得到滿意的控制效果。本文將自適應控制算法和滑模控制算法結合起來得到自適應滑模控制器，如文獻[4]中自適應控制算法和滑模控制算法結合。

2 神經網絡滑模控制器的設計

神經網絡是一種高度非線性的連續時間動力系統，具有很強的自學習能力和對非線性系統強大的映射能力。利用神經網絡的萬能逼近特性可實現對外加干擾和被控對象模型信息的逼近。通過神經網絡權值的自適應調整可實現無需模型信息的神經網絡自適應滑模控制。

變結構控制實質上是一類特殊的非線性控制，其非線性主要表現為控制量的不連續性。變結構控制的目的就是通過不斷變換控制系統的結構來有效地解決動、靜態性能間的矛盾。滑模控制就是一類典型的變結構控制，它能夠使系統的狀態始終趨向一個滑模面[5]，從而保證系統能夠滿足特定的要求。滑模面的選取是滑模控制的核心，它決定了滑模控制器的性能。滑模變結構控制在參數不確定、非線性擾動下都具有較強的魯棒性，因此在高精度控制方面得到了廣泛的應用。5 結 論

本文以貼片機[X，][Y]軸的運動控制系統為對象，以提高平臺定位精度、縮短定位時間為目標提出了基于RBF神經網絡的自適應滑模控制算法。通過仿真分析可以得出，本文所提出的RBF神經網絡的自適應滑模控制算法能夠有效地補償負載慣量和外界干擾的影響，從而實現了貼片機[X，][Y]軸的快速高精度的定位控制。

參考文獻

[1] 吳建華.高加速度直線伺服系統的快速高精度定位實現[D].上海：上海交通大學，2007.

[2] BEAVEN R W， WRIGHT M T， SEAWARD D R. Weighting function selection in the [H∞] design process [J]. Control Engineering Practice， 1996， 4（5）： 625?633.

[3] REED J S， IOANNOU P A. Instability analysis and robust adaptive control of robotic manipulator [J]. IEEE Transactions on Robotics and Automation， 1989， 5（3）： 381?386.

[4] TAN K K， HUANG S N， LEE T H. Robust adaptive numerical compensation for friction and force ripple in permanent?magnet liner motors [J]. IEEE Transactions on Magnetics， 2002， 38（1）： 221?228.

[5] 劉金琨.滑模變結構控制Matlab仿真[M].北京：清華大學出版社，2012.

[6] DING Han， XIONG Z H. Motion stages for electronic packa?ging design and control [J]. IEEE Robotics and Automation Magazine，.2006， 13（4）： 51?61.

[7] 劉金琨，孫富春.滑模變結構控制理論及其算法研究與進展[J].控制理論與應用，2007，24（3）：407?418.

[8] 孫宜標，郭慶鼎，孫艷娜.基于模糊自學習的交流直線伺服系統滑模變結構控制[J].電工技術學報，2001（1）：52?56.

[9] 高為炳.變結構控制的理論及設計方法[M].北京：科學出版社，1996.

[10] 肖雁鴻，葛召炎.全滑模變結構控制系統[J].電機與控制學報，2002（3）：233?236.

2 神經網絡滑模控制器的設計

神經網絡是一種高度非線性的連續時間動力系統，具有很強的自學習能力和對非線性系統強大的映射能力。利用神經網絡的萬能逼近特性可實現對外加干擾和被控對象模型信息的逼近。通過神經網絡權值的自適應調整可實現無需模型信息的神經網絡自適應滑模控制。

變結構控制實質上是一類特殊的非線性控制，其非線性主要表現為控制量的不連續性。變結構控制的目的就是通過不斷變換控制系統的結構來有效地解決動、靜態性能間的矛盾。滑模控制就是一類典型的變結構控制，它能夠使系統的狀態始終趨向一個滑模面[5]，從而保證系統能夠滿足特定的要求。滑模面的選取是滑模控制的核心，它決定了滑模控制器的性能。滑模變結構控制在參數不確定、非線性擾動下都具有較強的魯棒性，因此在高精度控制方面得到了廣泛的應用。5 結 論

本文以貼片機[X，][Y]軸的運動控制系統為對象，以提高平臺定位精度、縮短定位時間為目標提出了基于RBF神經網絡的自適應滑模控制算法。通過仿真分析可以得出，本文所提出的RBF神經網絡的自適應滑模控制算法能夠有效地補償負載慣量和外界干擾的影響，從而實現了貼片機[X，][Y]軸的快速高精度的定位控制。

參考文獻

[1] 吳建華.高加速度直線伺服系統的快速高精度定位實現[D].上海：上海交通大學，2007.

[2] BEAVEN R W， WRIGHT M T， SEAWARD D R. Weighting function selection in the [H∞] design process [J]. Control Engineering Practice， 1996， 4（5）： 625?633.

[3] REED J S， IOANNOU P A. Instability analysis and robust adaptive control of robotic manipulator [J]. IEEE Transactions on Robotics and Automation， 1989， 5（3）： 381?386.

[4] TAN K K， HUANG S N， LEE T H. Robust adaptive numerical compensation for friction and force ripple in permanent?magnet liner motors [J]. IEEE Transactions on Magnetics， 2002， 38（1）： 221?228.

[5] 劉金琨.滑模變結構控制Matlab仿真[M].北京：清華大學出版社，2012.

[6] DING Han， XIONG Z H. Motion stages for electronic packa?ging design and control [J]. IEEE Robotics and Automation Magazine，.2006， 13（4）： 51?61.

[7] 劉金琨，孫富春.滑模變結構控制理論及其算法研究與進展[J].控制理論與應用，2007，24（3）：407?418.

[8] 孫宜標，郭慶鼎，孫艷娜.基于模糊自學習的交流直線伺服系統滑模變結構控制[J].電工技術學報，2001（1）：52?56.

[9] 高為炳.變結構控制的理論及設計方法[M].北京：科學出版社，1996.

[10] 肖雁鴻，葛召炎.全滑模變結構控制系統[J].電機與控制學報，2002（3）：233?236.

2 神經網絡滑模控制器的設計

神經網絡是一種高度非線性的連續時間動力系統，具有很強的自學習能力和對非線性系統強大的映射能力。利用神經網絡的萬能逼近特性可實現對外加干擾和被控對象模型信息的逼近。通過神經網絡權值的自適應調整可實現無需模型信息的神經網絡自適應滑模控制。

變結構控制實質上是一類特殊的非線性控制，其非線性主要表現為控制量的不連續性。變結構控制的目的就是通過不斷變換控制系統的結構來有效地解決動、靜態性能間的矛盾。滑模控制就是一類典型的變結構控制，它能夠使系統的狀態始終趨向一個滑模面[5]，從而保證系統能夠滿足特定的要求。滑模面的選取是滑模控制的核心，它決定了滑模控制器的性能。滑模變結構控制在參數不確定、非線性擾動下都具有較強的魯棒性，因此在高精度控制方面得到了廣泛的應用。5 結 論

本文以貼片機[X，][Y]軸的運動控制系統為對象，以提高平臺定位精度、縮短定位時間為目標提出了基于RBF神經網絡的自適應滑模控制算法。通過仿真分析可以得出，本文所提出的RBF神經網絡的自適應滑模控制算法能夠有效地補償負載慣量和外界干擾的影響，從而實現了貼片機[X，][Y]軸的快速高精度的定位控制。

參考文獻

[1] 吳建華.高加速度直線伺服系統的快速高精度定位實現[D].上海：上海交通大學，2007.

[2] BEAVEN R W， WRIGHT M T， SEAWARD D R. Weighting function selection in the [H∞] design process [J]. Control Engineering Practice， 1996， 4（5）： 625?633.

[3] REED J S， IOANNOU P A. Instability analysis and robust adaptive control of robotic manipulator [J]. IEEE Transactions on Robotics and Automation， 1989， 5（3）： 381?386.

[4] TAN K K， HUANG S N， LEE T H. Robust adaptive numerical compensation for friction and force ripple in permanent?magnet liner motors [J]. IEEE Transactions on Magnetics， 2002， 38（1）： 221?228.

[5] 劉金琨.滑模變結構控制Matlab仿真[M].北京：清華大學出版社，2012.

[6] DING Han， XIONG Z H. Motion stages for electronic packa?ging design and control [J]. IEEE Robotics and Automation Magazine，.2006， 13（4）： 51?61.

[7] 劉金琨，孫富春.滑模變結構控制理論及其算法研究與進展[J].控制理論與應用，2007，24（3）：407?418.

[8] 孫宜標，郭慶鼎，孫艷娜.基于模糊自學習的交流直線伺服系統滑模變結構控制[J].電工技術學報，2001（1）：52?56.

[9] 高為炳.變結構控制的理論及設計方法[M].北京：科學出版社，1996.

[10] 肖雁鴻，葛召炎.全滑模變結構控制系統[J].電機與控制學報，2002（3）：233?236.