基于神经网络与PID控制的微制造试验平台隔振系统的混合控制

ＭｉｃｒｏＭａｃｈ＿ｎｅ　Ｔｅｃｈ　ｎ０Ｊ０ｇｙ　ａｎｄＥｑｕｌｐｍｉ　ｅｎ１■细柚Ｚ技术与奠■　基于神经网络与ＰＩＤ控制的微制造试验平台　隔振系统的混合控制　韩亚利①王建平①②　（①长沙航空职业技术学院，湖南长沙４１０１２４；　②中南大学机电工程学院，湖南长沙４１００８３）　

摘要：利用神经网络与ＰＩＤ控制算法，提出了一种针对微制造平台振动的混合控制方法。该方法较好地　实现了神经网络与ＰＩＤ算法的结合，弥补了微制造系统动态性能差的缺陷。仿真结果表明，该方法　具有良好的减振效果。　关键词：神经网络ＰＩＢ控制混合控制微制造系统隔振仿真　

Ｈｙｂｒｉｄ　Ｃｏｎｔｒｏｌ　ｏｆ　Ｖｉｂｒａｔｉｏｎ　Ｉｓｏｌａｔｉｏｎ　ＰＩａｔｆＯｒｍ　ｆｏｒ　Ｍｉｃｒｏ—ｍａｎｕｆａｃｔｕｒｅ　Ｂａｓｅｄ　ｏｎ　Ｎｅｕｒａｌ　Ｎｅｔｗｏｒｋ　ａｎｄ　ＰＩ　Ｄ　Ｍｅｔｈｏｄ　ＨＡＮ　Ｙａｌｉ①，ＷＡＮＧ　Ｊｉａｎｐｉｎｇ￣　

（（￣）Ｃｈａｎｇｓｈａ　Ａｅｒｏｎａｕｔｉｃａｌ　Ｖｏｃａｔｉｏｎａｌ　ａｎｄ　Ｔｅｃｈｎｉｃａｌ　Ｃｏｌｌｅｇｅ，Ｃｈａｎｇｓｈａ　４１０１２４，ＣＨＮ；　（￣）Ｃｏｌｌｅｇｅ　ｏｆ　Ｍｅｃｈａｎｉｃａｌ　ａｎｄ　Ｅｌｅｃｔｒｉｃａｌ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｃｅｎｔｒａｌ　Ｓｏｕｔｈ　Ｕｎｉｖｅｒｓｉｔｙ，Ｃｈａｎｇｓｈａ　４１００８３，ＣＨＮ）　

Ａｂｓｔｒａｃｔ：Ａ　ｈｙｂｒｉｄ　ｃｏｎｔｒｏｌ　ｍｅｔｈｏｄ　ｗａｓ　ｐｒｏｐｏｓｅｄ　ｔｏ　ｃｏｎｔｒｏｌ　ｔｈｅ　ｖｉｂｒａｔｉｏｎ　ｏｆ　Ｍｉｃｒｏ—ｍａｎｕｆａｃｔｕｒｅ　ｓｔａｔｉｏｎ　ｂｙ　ｃｏｍｂｉ－　ｎｉｎｇ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋ　ａｎｄ　ｍｅｔｈｏｄ．Ｔｈｅ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋ　ａｎｄ　ＰＩＤ　ｃｏｎｔｒｏｌ　ｉｓ　ａｐｐｌｉｅｄ　ｔｏ　ｔｈｅ　ｍｉｃｒｏ—ｍａｎｕ－　ｆａｃｔｕｒｅ　ｓｔａｔｉｏｎ　ｔｏ　ｉｍｐｒｏｖｅ　ｔｈｅ　ｖｉｂｒａｔｉｏｎ　ｉｓｏｌａｔｉｏｎ　ｅｆｆｅｃｔ　ａｎｄ　ｄｙｎａｍｉｃ　ｃｈａｒａｃｔｅｒｉｓｔｉｃ．Ｓｉｍｕｌａｔｉｏｎ　ｒｅｓｕｌｔｓ　ｓｈｏｗ　ｔｈａｔ　ｔｈｅ　ｍｅｔｈｏｄ　ｉＳ　ｅｆｆｅｃｔｉｖｅ．　Ｋｅｙｗｏｒｄｓ：Ｎｅｕｒａｌ　Ｎｅｔｗｏｒｋ；ＰＩＤ　Ｃｏｎｔｒｏｌ；Ｈｙｂｒｉｄ　Ｃｏｎｔｒｏｌ；Ｍｉｃｒｏ—ｍａｎｕｆａｃｔｕｒｅ　ｓｔａｔｉｏｎ；Ｖｉｂｒａｔｉｏｎ　Ｉｓｏｌａｔｉｏｎ；Ｓｉｍｕ－　１ａｔｉｏｎ　

自２０世纪６０年代初期开始，传统的光学曝光技　术经历了从接触式曝光、接近式曝光、分步重复投影式　曝光到目前的扫描投影式曝光，目前正向步进扫描方　式过渡。以步进扫描方式制造的光刻机，其工作台、掩　

瞻控制功能和ＰＬＣ程序，便可以实现与火花放电状态　相适应的伺服轨迹自适应控制，即极间短路时伺服回　退；极问开路时伺服进给；极问放电正常时伺服保持不　动。　编制ＰＬＣ程序，通过Ｍ变量指向ＩＮ１、ＩＮ２的地址　以便读取ＩＮ１、ＩＮ２的工作状态。若Ｍ变量显示ＩＮ１、　ＩＮ２状态为ｏ０时，设置Ｉ５１２１：６；ＩＮ１、ＩＮ２状态为１ｌ　时，设置Ｉ５１２１＝７；若ＩＮ１、ＩＮ２状态为０１或１０时，设　置１５１２１＝４。这样便完成了火花放电状态与伺服执行　机构的动作自动匹配，从而准确地实现了微孔电火花　加工。　４　结语　（１）利用ＵＭＡＣ前瞻控制功能并通过编制相关的　ＰＬＣ程序和控制软件，完成了伺服与火花加工状态短　路、开路、正常加工的匹配，实现了电火花加工中的轨　迹伺服自适应控制。基于开放式运动控制器的电火花　加工控制技术完全可以实现微细电火花加工。　（２）本文是以微细电火花穿孔加工机床开发为实　例，介绍了基于开放式运动控制器的电火花加工控制　技术。在此例中只有Ｚ轴参与正向或反向直线插补。　但此技术同样可应用到三维曲面轮廓加工的多轴联动　数控电火花加工机床上。不同的是，对于三维曲面轮　廓加工，需要将同时进行插补的运动轴在定义坐标系　时定义在同一个坐标系内，而不参加插补的运动轴则　应定义在另一坐标系内，并在插补轴所在的坐标系内　使能前瞻控制功能，实现反向插补。　（编辑孙德茂）　（收稿日期：２００７—０７—０２）　文章编号：８ｌｏ９　如果您想发表对本文的看法。请将文章编号填　读者意见调查表中的相应位置。　

维普资讯 http://www.cqvip.com ■■柚Ｚ技术与■●ＭｉｃｒｏＭａｃｈＩｎｅ　ＴｅｃｈｎｏＩｏｇｙ　ａｎｄ　ＥｑｕＩｐｍｉ　ｅｎｌ　膜台除了要求完成超精密步进、定位等动作外，还必须　进行动态扫描曝光。光刻机超精密工件台和掩模台是　光刻机的核心单元之一，其运动精度直接影响光刻机　的分辨率和光刻产品的精度，速度和加速度直接影响　光刻机的生产效率。常见的工作平台有直线电动机　式、磁悬浮式及滚珠丝杠式。光刻机在工作过程中，由　于工件台和掩模台等分系统具有较高的运动加速度和　运动速度，运动部件产生的大惯量和其它外部因素将　引起光刻机工作核心部分——工作平台的振动，从而　影响曝光质量。为了保证光刻机在工作过程中具有极　高的精度，必须将运动部分产生的振动和曝光部分隔　离。现代扫描光刻机采用了振动隔离和主动减振技　术。光刻机必须在一个具备良好隔振性能的工作平台　上进行工作，否则任何微小的振动，如说话的声音或人　员在附近的走动所引起的振动都会影响到光刻机的工　作性能。这就对光刻机的工作环境和光刻机自身设计　提出了更高的要求。光刻机是极端精密的机电设备，　要求在极为安静的环境条件下安装，并在较宽的频带　范围内具有减振、隔振能力。本文对光刻机模拟工作　台及其减振系统进行方案设计研究。　

１　隔振系统动力学模型　要保证隔振试验平台结构设计的合理性，就必须　同时满足以下两个条件：（１）试验平台具有完全重现　光刻机工作时运动特征的功能；（２）在满足（１）的前提　下，尽可能提高系统的稳定性，减小运动系统对光学系　统的冲击。在遵循以上原则的基础上，我们对步进式　扫描光刻机工作原理、运动特征及相关运动指标进行　了认真分析，并经过适当的等效结构变形和反复修改　论证之后，设计了结构如图１所示的隔振试验台。由　图１可知，整个平台主要由基座、减振单元、模拟光学　系统和步进扫描运动系统等几大模块组成。其中，步　进扫描运动系统包括直线运动单元和气浮承载台。平　台以大理石为主要材料构成基座和支架，基座上成矩　形分布的４个减振单元支撑起用来模拟光学部件的大　理石块。隔振试验台的运动系统分为上下两层：上层　为一维直线运动单元，其功能是模拟掩模台的扫描运　动，在此将它定义为Ａ轴；下层为二维“Ｈ”型平面运动　单元，在“Ｈ”型结构中，两边对称布置且互相平行的两　个直线运动单元模拟工件台的步进运动，并将它们分　别定义为ＸＡ、ＸＢ轴；通过螺钉和定位销孔垂直安装在　ＸＡ、ＸＢ轴上的直线运动单元模拟工件台的扫描运动，　并将它定义为】，轴。在】，轴与Ａ轴上各自安装一个　悬臂结构，在方形连接臂的末端分别套有模拟工件台　

（图中没标出）和掩模台。为了说明的形象性，我们将　光学系统称为“内部世界”，将运动系统称为“外部世　界”。工件台和掩模台与外界之间采用的是气浮联　结，在悬臂的方形框架内侧以及工件台、掩模台底面均　开有气浮槽，依靠气浮压力提供掩模台、工件台的支撑　力和水平运动的动力，这种结构有利于减小运动阻力，　隔离运动系统对光学系统的振动干扰。　

图１光刻模拟运动平台示意圈　图２为隔振试验平台运动系统的简化结构图，从　运动系统的简化结构图中可以看出，由ＸＡ—ＸＢ—Ｙ轴　平台所构成的“　”形结构实际是一个可沿　方向做直　线运动的单自由度机构，如果同时在ＸＡ和ＸＢ上装上　电动机进行双边驱动，那么则造成了在单自由度机构　中引入两个动力源的矛盾。由于两台电动机对两个丝　杠平台的驱动不可能任何时候都保持绝对同步，只要　

＾轴　图２隔振试验平台运动系统抽象模型　图３减振系统的筒化动力学模型　两者之间产生速度或者位置偏差，就会发生干涉，影响　系统的正常运行。　根据图２，忽略一些次要因素和水平振动，仅考虑　其在垂直方向的振动，则整个微制造平台混合减振系　统可以用图３所示的模型来表示。图３中ｋ　、Ｃ　为减　振器的刚度和阻尼，ｋ　、Ｃ　为橡胶块的刚度和阻尼，　为减振器产生的主动控制力，ｍ　为模拟工作平台的质　量，舰　为整个地基座的质量，Ｆ　为微制造平台自身产　生的激励，，　、Ｘ２分别为ｋ。、ｋ　的伸长量。则系统对应　的动力学方程为　

［　，　】｛　）＋［Ｃ１。。　。一＋Ｃ１　：】｛　）＋　

）㈩　

ＵＵ　；；　Ｏ　Ｉ朋　

维普资讯 http://www.cqvip.com 取状态变量为　ＸＥｘ１　２　ｘ１　ｘ２］　则系统的状态方程为　＝ＡＸ＋Ｂｕ　其中　Ｍ　ｃ≥１　】　Ａ＝　０　０　ｌ　０　０　０　ｋ１　ｋ１　Ｃ１　ｍ１　ｍｌ　ｍ　Ｊ　ｋ１　ｋ１＋ｋ２　Ｃ　ｍ２　ｍ２　ｍ２　ｒ　１　０　ｊ０　０　ｌ　１　０　Ｍｉｃｒｏ　ＭａｃｈＩｎｅ　Ｔｅｃｈ　ｎｏ１０ｇｙａｎｄ　ＥｑｕＩｐｉ　ｍｅｎｌ　细柚Ｚ技术与■■　０　１　Ｃ１　，　，　Ｃｌ＋Ｃ２　，　（２）　（３）　（４）　（５）　（６）　以中间质量的速度和位移为输出，并假设　Ｙｌ＝　１，Ｙ２＝　２，Ｙ＝｛Ｙ１，Ｙ２｝　（７）　则输出方程为　Ｙ＝ＣＸ＋Ｄｕ　（８）　其中　ｃ＝【。０　。０　０　】。：【。０。０】　（９）　Ｌ　１　Ｊ　Ｌ　２　神经网络ＰＩＤ控制器的设计　ＢＰ神经网络（Ｂａｃｋ　Ｐｒｏｐａｇａｔｉｏｎ　Ｎｅｕｒａｌ　Ｎｅｔ）具有　逼近任意非线性函数的能力，且结构和学习算法简单　明确。通过神经网络自身的学习，可找到某一最优控　制律下的Ｐ、，、Ｄ参数。控制器由两部分组成：（１）经　典的ＰＩＤ控制器：直接对被控对象进行闭环控制。且三　个参数Ｋ　、Ｋ　、　为在线整定式；（２）神经网络ＮＮ：根　据系统的运行状态，调节ＰＩＤ控制器的参数，以期达到　某种性能指标的最优化，即使输出层神经元的输出状　态对应于ＰＩＤ控制器的三个可调参数　、Ｋ　、　，通过　神经网络的自身学习、加权系数调整，从而使其稳定状　态对应于某种最优控制律下的ＰＩＤ控制器参数。　２．１　ＰＩＤ控制器的基本原理及实现　ＰＩＤ控制作为传统控制策略的代表，由于其蕴涵　了动态控制过程的过去、现在和将来的信息，根据不同　被控对象适当整定ＰＩＤ三个参数，可以获得比较满意　的控制效果。因此，ＰＩＤ控制算法的模拟表达式为　ｌ，（￡）＝Ｋ　Ｉ　ｅ（￡）＋　）ｄ￡＋Ｋｄｇ　ｌ（１０）　等　ｗｏ　Ｉ　式中：ｌ，（ｔ）为ＰＩＤ控制器的输出量；ｅ（ｔ）为ＰＩＤ控制器　的输入偏差；Ｋ　为ＰＩＤ控制器的比例系数；　为积分时　间常数；　为微分时间常数。对应的传递函数为　Ｇ（ｓ）＝Ｋ　［１＋１／（Ｋｉｓ）＋　ｓ］　（１１）　式中第一项为比例项。比例控制使控制器输出与　输入偏差成正比，比例系数　越大，调节作用越强，系　统的快速响应性越好；但是　值过大会导致系统不稳　定。比例控制的缺点是存在稳态误差。式中第二项为　积分项。积分控制使控制器输出与输入偏差的积分成　正比，只要有偏差的存在，控制就会起作用，直到偏差　消除。但是积分动作缓慢。式中第三项是微分项。微　分项使输出能够反映输入偏差的变化速度，可以使系　统缩短瞬态响应的过渡过程，使系统的稳定性和动态　性能都得到提高。但是微分控制对固定不变的输入偏　差没有作用，即微分项不能消除稳态误差。　２．２　ＢＰ神经网络　神经网络是近年发展起来的一门新兴学科，根据　Ｋｏｌｍｏｇｏｒｏｖ定理：任一连续函数可以精确地由一个３　层神经网络模型实现。神经网络模型有数十种，我们　选用多层感知器（ＭＬＰ），其算法采用反向传播（Ｂａｃｋ　—ｐｒｏｐａｇａｔｉｏｎ）算法。该模型为一个包括输入层、隐层　和输出层的３层结构（图４），其中输入层有２个输入　节点，对应的是平台的振动加速度和振动加速度的变　化率，６个隐含层节点，３个输出层节点分别对应ＰＩＤ　控制器的三个可调参数Ｋ　Ｋ，、　。将这些数据作为　样本数据来训练神经网络。