贴片机X/Y轴快速高精度定位的实现

刘明晓　龙绪明　罗爱玲　贺海浪

摘 要：负载惯量和外界干扰是影响贴片机[X，][Y]轴快速高精度定位的两个关键因素。本文针对负载惯量和外界干扰对控制性能的影响，提出了基于RBF神经网络的自适应滑模控制算法。利用RBF神经网络的万能逼近特性实现对外加干扰和被控对象模型信息的逼近，运用自适应控制算法计算前馈补偿量以补偿负载惯量和摩擦力对运动性能的影响，采用滑模控制算法以抑制其他不确定干扰对运动控制的影响。通过仿真分析可以得出，所采用的控制算法能够有效地补偿负载惯量和外界干扰对定位性能的影响，从而实现贴片机[X，][Y]轴的快速高精度定位。

关键词： 贴片机； 快速高精度定位； 运动控制； RBF神经网络； 自适应滑模控制

中图分类号： TN710?34 文献标识码： A 文章编号： 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

贴片机[X，][Y]轴运动控制的工作状态是高加速、高速地在点到点之间运行，并且在定位点处实现精确定位。要实现运动控制系统平稳、快速、精确的定位，其关键就在于如何有效地抑制摩擦力和外界干扰的影响。而这些干扰随着工作状态的变化而变化，具有很强的非线性，这就需要控制器能够有效地进行补偿[1]。同时由于[X，][Y]轴在高速运行下需要伺服驱动系统快速启停，系统容易出现抖动，这就严重阻碍了贴装的速度和精度。

针对上述问题，提出了基于RBF神经网络的自适应滑模控制算法，使得系统有效地抑制了摩擦力和外界干扰的影响，从而能够快速地实现精确定位。

1 自适应控制

随着控制领域的发展，自适应控制在电力系统、飞机控制、机器人操作、化学过程控制等领域得到了广泛的应用。自适应控制的用法基本可以分为如下两类：

（1） 通过在线调整控制器的参数使得系统输出能够跟踪预先设定的期望值，其典型代表是参考模型自适应控制；

（2） 首先通过辨识系统模型参数得出系统的模型，然后根据得出的模型设计控制器，采用这种控制器的关键就在于如何准确地辨识出系统模型中的参数，其典型代表是自调整控制器。

参考模型自适应控制器和自调整控制器的控制框图分别如图1和图2所示。

其中需要指出的是图1中的[a]是控制器的参数估计值，图2中的[a]是模型参数的估计值。当然无论采用哪种自适应控制器，其设计步骤都应该包含以下三步：

在大多数情况下，系统模型的结构是确定的，但是不能确定模型参数的精确值，而且模型参数会随着系统的改变而改变，例如包含在系统模型中的负载和外界干扰在运行过程中的变化规律是不确定的。在这种情况下，固定的补偿方法补偿不了变化的部分。此时如果系统的模型参数可以线性化，那么就可以利用自适应算法确定模型中的参数，从而可以对模型中的参数进行有效地控制[2]。同时，一个很小的外界干扰也可能导致参数估计的发散[3]。尽管修正方法可以使得参数估计值落在某个范围内，能够增强系统的稳定性，但是这个未知的范围严重地影响了系统的性能。因此仅仅使用自适应控制算法很难得到满意的控制效果。本文将自适应控制算法和滑模控制算法结合起来得到自适应滑模控制器，如文献[4]中自适应控制算法和滑模控制算法结合。

2 神经网络滑模控制器的设计

神经网络是一种高度非线性的连续时间动力系统，具有很强的自学习能力和对非线性系统强大的映射能力。利用神经网络的万能逼近特性可实现对外加干扰和被控对象模型信息的逼近。通过神经网络权值的自适应调整可实现无需模型信息的神经网络自适应滑模控制。

变结构控制实质上是一类特殊的非线性控制，其非线性主要表现为控制量的不连续性。变结构控制的目的就是通过不断变换控制系统的结构来有效地解决动、静态性能间的矛盾。滑模控制就是一类典型的变结构控制，它能够使系统的状态始终趋向一个滑模面[5]，从而保证系统能够满足特定的要求。滑模面的选取是滑模控制的核心，它决定了滑模控制器的性能。滑模变结构控制在参数不确定、非线性扰动下都具有较强的鲁棒性，因此在高精度控制方面得到了广泛的应用。5 结 论

本文以贴片机[X，][Y]轴的运动控制系统为对象，以提高平台定位精度、缩短定位时间为目标提出了基于RBF神经网络的自适应滑模控制算法。通过仿真分析可以得出，本文所提出的RBF神经网络的自适应滑模控制算法能够有效地补偿负载惯量和外界干扰的影响，从而实现了贴片机[X，][Y]轴的快速高精度的定位控制。

参考文献

[1] 吴建华.高加速度直线伺服系统的快速高精度定位实现[D].上海：上海交通大学，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] 刘金琨.滑模变结构控制Matlab仿真[M].北京：清华大学出版社，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] 刘金琨，孙富春.滑模变结构控制理论及其算法研究与进展[J].控制理论与应用，2007，24（3）：407?418.

[8] 孙宜标，郭庆鼎，孙艳娜.基于模糊自学习的交流直线伺服系统滑模变结构控制[J].电工技术学报，2001（1）：52?56.

[9] 高为炳.变结构控制的理论及设计方法[M].北京：科学出版社，1996.

[10] 肖雁鸿，葛召炎.全滑模变结构控制系统[J].电机与控制学报，2002（3）：233?236.

2 神经网络滑模控制器的设计

神经网络是一种高度非线性的连续时间动力系统，具有很强的自学习能力和对非线性系统强大的映射能力。利用神经网络的万能逼近特性可实现对外加干扰和被控对象模型信息的逼近。通过神经网络权值的自适应调整可实现无需模型信息的神经网络自适应滑模控制。

变结构控制实质上是一类特殊的非线性控制，其非线性主要表现为控制量的不连续性。变结构控制的目的就是通过不断变换控制系统的结构来有效地解决动、静态性能间的矛盾。滑模控制就是一类典型的变结构控制，它能够使系统的状态始终趋向一个滑模面[5]，从而保证系统能够满足特定的要求。滑模面的选取是滑模控制的核心，它决定了滑模控制器的性能。滑模变结构控制在参数不确定、非线性扰动下都具有较强的鲁棒性，因此在高精度控制方面得到了广泛的应用。5 结 论

本文以贴片机[X，][Y]轴的运动控制系统为对象，以提高平台定位精度、缩短定位时间为目标提出了基于RBF神经网络的自适应滑模控制算法。通过仿真分析可以得出，本文所提出的RBF神经网络的自适应滑模控制算法能够有效地补偿负载惯量和外界干扰的影响，从而实现了贴片机[X，][Y]轴的快速高精度的定位控制。

参考文献

[1] 吴建华.高加速度直线伺服系统的快速高精度定位实现[D].上海：上海交通大学，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] 刘金琨.滑模变结构控制Matlab仿真[M].北京：清华大学出版社，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] 刘金琨，孙富春.滑模变结构控制理论及其算法研究与进展[J].控制理论与应用，2007，24（3）：407?418.

[8] 孙宜标，郭庆鼎，孙艳娜.基于模糊自学习的交流直线伺服系统滑模变结构控制[J].电工技术学报，2001（1）：52?56.

[9] 高为炳.变结构控制的理论及设计方法[M].北京：科学出版社，1996.

[10] 肖雁鸿，葛召炎.全滑模变结构控制系统[J].电机与控制学报，2002（3）：233?236.

2 神经网络滑模控制器的设计

神经网络是一种高度非线性的连续时间动力系统，具有很强的自学习能力和对非线性系统强大的映射能力。利用神经网络的万能逼近特性可实现对外加干扰和被控对象模型信息的逼近。通过神经网络权值的自适应调整可实现无需模型信息的神经网络自适应滑模控制。

变结构控制实质上是一类特殊的非线性控制，其非线性主要表现为控制量的不连续性。变结构控制的目的就是通过不断变换控制系统的结构来有效地解决动、静态性能间的矛盾。滑模控制就是一类典型的变结构控制，它能够使系统的状态始终趋向一个滑模面[5]，从而保证系统能够满足特定的要求。滑模面的选取是滑模控制的核心，它决定了滑模控制器的性能。滑模变结构控制在参数不确定、非线性扰动下都具有较强的鲁棒性，因此在高精度控制方面得到了广泛的应用。5 结 论

本文以贴片机[X，][Y]轴的运动控制系统为对象，以提高平台定位精度、缩短定位时间为目标提出了基于RBF神经网络的自适应滑模控制算法。通过仿真分析可以得出，本文所提出的RBF神经网络的自适应滑模控制算法能够有效地补偿负载惯量和外界干扰的影响，从而实现了贴片机[X，][Y]轴的快速高精度的定位控制。

参考文献

[1] 吴建华.高加速度直线伺服系统的快速高精度定位实现[D].上海：上海交通大学，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] 刘金琨.滑模变结构控制Matlab仿真[M].北京：清华大学出版社，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] 刘金琨，孙富春.滑模变结构控制理论及其算法研究与进展[J].控制理论与应用，2007，24（3）：407?418.

[8] 孙宜标，郭庆鼎，孙艳娜.基于模糊自学习的交流直线伺服系统滑模变结构控制[J].电工技术学报，2001（1）：52?56.

[9] 高为炳.变结构控制的理论及设计方法[M].北京：科学出版社，1996.

[10] 肖雁鸿，葛召炎.全滑模变结构控制系统[J].电机与控制学报，2002（3）：233?236.