光栅刻划机工作台导轨结构形式选择及试验

选择刻划机工作台导轨结构时主要考虑爬行以及超精密研磨。试验结果表明,滚柱导轨在不同刻划方式下不存在爬行现象,又便于进行超精密研磨加工以保证直线性精度,成为光栅刻划机工作台导轨的首选结构形式。     

金刚石刀具的圆柱母光栅微加工基础研究

精密长光栅作为高档数控机床中的核心部件,其制造能力和精度直接影响着数控机床的制造水平.针对纳米滚压印技术制备长光栅中的核心部件即圆柱母光栅的制造开展了深入研究,探讨了母光栅刻划用金刚石刀具的聚焦离子束(FIB)制备技术,以及微刻划过程中切削参数对圆柱母光栅加工质量的影响规律.研究发现,聚焦离子束加工单晶金刚石材料时会存在沟道效应,影响所制备的金刚石刀具及其加工母光栅的形状精度.从改善离子束束流分布的均匀性、FIB加工参数优化等角度建立了有效克服FIB加工沟道效应的方法.通过DEFORM有限元模拟实验和超精密母光栅刻划实验,优化金刚石刀具刀尖角和微刻划加工速度,研究了抑制母光栅加工中微尺度毛刺的有效方法,最终获得了高精度母光栅刻划结果.     

大型衍射光栅刻划机控制系统研究

介绍了大型高精度衍射光栅刻划机的机械结构及其控制系统设计,并针对具有复杂机械结构的控制系统研究了一种新的仿真方法.通过利用Pro/Mechanism模块中的Custom Load(定制负荷)插件实现控制算法,从而在虚拟样机上实现运动控制的仿真.采用这种方法,在光栅刻划机上进行了精定位控制仿真,并基于仿真结果进行控制方案优化,提高了控制系统的开发效率和控制方案的有效性.     

光电式光栅刻划机干涉控制系统及精度分析

采用莫尔条纹法对光栅干涉仪在工作过程中产生的干涉条纹进行分析,利用莫尔条纹的平均误差作用减少光栅刻划过程中的局部误差。实验研究表明,该方法控制光栅刻划机刻划出300l/mm和600l/mm的光栅,受环境影响小、结构简单且装调方便。     

精密平面定位技术

针对精密平面定位影响因素多、控制复杂及定位困难等问题,提出了一种新的精密平面定位方法,该方法采用激光莫尔技术,以上下2组100 μm的衍射光栅作为定位标记,通过微机闭环控制,可实现X-Y-θ三自由度的全自动精密平面定位.2组光栅相位相差180°,构成差动光栅技术,可有效提高位置检测信号灵敏度及定位精度.系统在软、硬件方面采取的一系列抗干扰措施,确保了较高的定位精度及工作可靠性.实验结果表明,基于激光莫尔信号的精密定位装置可获得亚微米级的平面定位精度,对精密加工工程等领域具有重要的实用价值.     

压电陶瓷驱动三平移并联机构的模糊控制

由于压电陶瓷在精密定位控制中存在迟滞、蠕变和非线性的问题,因此利用简单模糊控制和传统PID控制精度不高.提出利用模糊PID控制器实现对压电陶瓷驱动三平移并联机构进行控制的方法,设计了模糊PID控制器,并对该控制方案进行了仿真.仿真结果表明:该方法调节精度较高,动态响应快,无超调,有一定的可行性.     

基于新型PID神经网络的自适应控制系统研究

提出一种新的PID型神经网络的自适应控制系统,该控制系统采用对角递归神经网络辨识对象的正向模型,采用一种新型神经网络控制器产生控制量,与常规PID控制不同的是,该控制量不再是误差信号的比例、积分和微分量的简单线性组合,而是这些信号的一种非线性组合,从而可以有效地解决常规PID控制器存在的快速性和超调量之间的矛盾.仿真实验表明,这种新型控制系统具有较强的自适应性和鲁棒性.     

基于神经网络PID控制的电液开口机构系统仿真

针对传统PID控制方法不能满足电液开口机构控制系统自适应力要求的问题,提出一种基于神经网络PID自整定算法.首先,建立神经网络模型,在神经网络PID控制过程中,由传感器检测并反馈液压系统的位移信息;其次,将得到的位移信息经过神经网络对PID的参数进行在线调整.仿真实验结果表明,本算法的电液开口机构超调量小,稳态精度高,系统运行平稳,自适应能力明显增强.     

神经网络补偿器在基于影像测量仪的运动控制系统中的应用

针对基于影像测量仪的运动控制系统存在的非线性误差问题,设计出神经网络补偿器.通过所采集的伺服电机的输入、输出数据,对非线性伺服电机的神经网络仿真器及补偿器进行训练.所设计的神经网络补偿器应用在运动控制的高精密定位系统上,使控制系统表现出良好的控制性能.仿真实验表明该控制器具有较强的有效性.     

微进给工作台伺服控制技术

为实现母盘刻录机中光学头的精密进给,研制了精密微进给工作台及其伺服控制系统.利用线光栅作为工作台位移检测工具,采用数字比例积分微分(PID)伺服滤波器实现位移控制.经实验方法测定,系统摩擦可以近似为Coulomb摩擦加Stribeck效应的模型.采用了基于该模型的摩擦补偿方法以消除电机死区影响.为实现精确轨迹控制,控制系统采用了零相位误差跟踪控制(ZPETC)技术.针对高增益PID、摩擦补偿和ZPETC加摩擦补偿这3种控制方法,分别进行了轨迹跟踪实验,其轨迹误差分别为±0.8、±0.6 和±0.3 μm.     

用压电陶瓷实现精密工件台的微定位控制

以压电陶瓷微位移原理为基础，对精密驱动技术在精密定位工件台上的应用作了实验研究。设计了一个包括高压精密可调电源、压电微位移驱动器、作为反馈元件的光栅干涉仪、以及由ＩＢＭＰＣ机和单片机组成的控制系统。     

基于BP神经网络的球杆控制算法设计

针对球杆系统定位控制问题,基于BP神经网络设计了BP神经网络控制器和BP神经网络PID参数自整定两种智能控制器.完成了两种控制器的网络结构与实现方法,并在Simulink环境中仿真.仿真结果显示出BP神经网络PID参数自整定控制器的稳定性优于BP神经网络控制器,将BP神经网络PID参数自整定控制器算法移植到GBB1004球杆系统,实现了对该系统的控制.实验结果显示,该控制器响应快,有一定的抗干扰能力,获得系统调节时间小于16s,稳态误差小于1cm.     

基于RBF神经网络整定的调距桨PID控制

针对可调螺距螺旋桨采用的传统PID控制具有超调大、调节时间长等缺点,提出了一种基于RBF神经网络整定的PID控制算法.这种算法采用3输入、单输出的RBF神经网络对系统性能学习以找出最佳的PID组合,实现对调距桨螺距角的控制.仿真试验表明,基于RBF神经网络整定的PID控制效果明显优于传统的PID控制.     

音圈电机驱动的柔性定位平台设计与控制

设计了一种二自由度柔性微定位平台,该平台主要由音圈电机和柔性铰链机构等组成.采用直角柔性铰链组成的双平行四杆机构对称安置,以实现平台的大行程和运动解耦,工作行程可达2,mm以上,定位精度可达纳米级.设计空间支撑机构保证其承载能力.对微定位平台进行了结构设计和承载能力等特性分析.考虑到该定位平台动态行为的特点,采用遗传算法优化的BP神经网络组合辨识方法对系统模型进行了辨识,克服了神经网络对复杂系统动态行为辨识存在的缺陷.基于神经网络PID复合逆控制方法对微定位平台进行控制,通过实验对辨识和控制方法进行了验证,结果表明遗传算法优化的神经网络辨识方法与神经网络PID复合逆控制方法适用于该音圈电机驱动的柔性微定位平台系统的实际应用.     

面向LED芯片检测与分选的机器视觉定位系统的开发

LED芯片定位是进行芯片检测、划片、扩晶、固晶及判断芯片电气特性、芯片管脚是否达到要求,能否成功分选LED芯片质量的关键一环.针对这一问题,首先根据定位系统的结构原理,对LED芯片高精度定位系统进行了方案设计并构建出其硬件结构.其次分析研究了定位系统的视觉部分,并运用图像处理中的模板匹配算法,解决了LED芯片的精确识别与可靠定位.然后对定位系统的运动控制滑台部分进行设计,通过运动控制卡发脉冲操作驱动器控制直线伺服电机运动,并采用直线光栅检测技术进行位置反馈,从而实现滑台伺服系统X轴、Y轴、Z轴和θ角等方向上的精确定位.最后对定位系统的视觉软件、运动控制软件等部分进行设计,其中视觉软件采用VB6.0开发操作界面、图像处理软件Halcon10.0进行识别和定位,运动控制软件进行滑台的运动控制,从而获得LED芯片在晶圆上的精确位置.分别采用机器视觉、滑台伺服控制、光栅检测反馈和高精度图像模板匹配技术,研制出LED芯片高精度定位的自动化检测系统.实验测试结果表明,其图像定位精度误差小于1μm,滑台定位精度误差4μm,整体定位系统定位精度小于5μm,定位速度大于5粒/秒LED芯片.因此,该系统不但能够满足定位系统的科研需求,也能推广应用到生产中去,为芯片级高精度定位系统开辟了新的方法.     

光栅刻划机刻划系统光机电集成优化方法研究

针对大面积衍射光栅刻划机在宏观尺度下进行微纳加工的工作特点以及纳米级刻线检测困难的问题,提出了一种光机电集成优化方法.此方法采用计算傅里叶光学和弦振动理论进行光栅刻线误差分析,结合振动实验及光学测量进行验证,最后采用智能优化方法对刻划系统进行结构参数优化.虚拟样机仿真结果表明,刻划系统的振动幅度降低了30%,验证了该集成优化方法的有效性.     

ZVS移相全桥变换器BP神经网络控制策略

搭建电压电流双闭环PWM控制电路,将智能控制策略应用到移相全桥变换器中.使用传统PID控制策略作为控制方法,在其基础上引入BP神经网络智能控制策略.将两者组合成BP神经网络PID控制器,利用Matlab进行对比仿真试验,并与传统PID控制对比输出波形.结果表明:BP神经网络比传统PID响应速度快、超调量小、进入稳态时间短、抗扰性强,控制效果明显优于传统PID.     

基于BP神经网络PID在地铁车站温度控制中的研究

由于地铁的地下车站温度控制系统具有非线性、强耦合、时变、大滞后等特性.而传统的PID控制参数在整个控制当中是固定不变的,对于高度复杂的温度控制系统,传统的PID控制就显得无能为力,很难达到预期的控制效果.因此提出一种BP神经网络PID控制方法.此方法将传统的PID与BP神经网络相结合,组成BP神经网络PID控制.通过BP算法修正BP网络的加权系数,实现了PID三个参数的在线自我调整.MATLAB仿真结果显示BP神经网络PID控制比单纯的PID控制响应速度快,超调量小,稳定性好,能够有效实现对地铁车站温度的合理控制.     

用于高密度母盘刻录的二级定位方法

为了满足高密度母盘刻录的需要,对母盘刻录中的二级定位(two-stagepositioning)方法进行了研究,采用了直流电机驱动粗定位和压电陶瓷微型驱动精定位相结合的方式。使用双频激光干涉仪检测精定位工作台的位置,并引入比例增益K估计精定位工作台的位移增量,以估算粗定位工作台位置。对二级定位系统的PID控制方式进行了研究,合理选择了控制参数。仿真实验结果表明,PID控制下的二级定位系统对于10nm的阶跃响应的上升时间为20ms,稳态误差绝对值小于0.1nm,可见采用该二级定位方法的系统有快速的定位响应和很高的定位精度,可以满足高密度母盘刻录的需要。     

不确定磁悬浮轴承模型的自适应PID控制研究

针对磁悬浮系统具有开环不稳定、非线性以及传统PID控制器由于固定参数无法达到很好的控制效果问题,提出一种RBF神经网络前馈逆补偿-模糊RBF神经网络反馈控制方法,将模糊控制和RBF神经网络融合到PID控制器参数调整中,满足磁悬浮系统静态和动态性能要求。实验结果表明,采用常规PID控制有大约4%的超调,改进后的控制基本没有,且响应时间提前0.3s,具有更好的适应性和鲁棒性,可以更有效地控制磁悬浮系统。