第20卷第3期 2012年3月
文章编号
1004-924X(2012)03058716
光学精密工程
Optics and Precision Engineering
压电工作台的神经网络建模与控制张栋1,2：，张承进3，魏强2,4，田艳兵1，赵景波1，李现明3
Vol.20No.3
Mar.2012
（1.青岛理工大学自动化工程学院，山东青岛266033；2.山东大学电气工程学院，
山东济南250061；3.山东大学控制科学与工程学院，山东济南250061；
4.泰山学院物理与电子工程系，山东泰安271021)
摘要：建立了压电工作台的神经网络在线辨识模型并设计了相应的自适应控制器以抑制压电工作台迟滞特性、蜗变特性及动态特性对其微定位精度的影响。采用双Sigmoid激活函数对神经网络激活函数进行了改进，同时分析了改进激活函数的神经网络模型与PI迟滞模型在迟滞建模上的异同。设计了基于改进激活函数的3层BP神经网络作为压电工作台的在线辨识模型，推导了网络权值、阔值及激活函数阔值修正公式。最后，基于神经网络模型设计了压电工作台的自适应控制方案，该控制方案利用另外一个神经网络来完成对PID控制器参数的自适应调整。实验结果表明：提出的神经网络在线辨识模型平均误差为0.095μm，最大误差为0.32μm；自适应控制方案跟踪三角波的平均误差为0.070μm，最大误差为0.100μm；跟踪复频波的平均误差为0.80μm，最大误差为0.105μm。实验数据显示压电工作台的定位精度得到了有效提高。
关键词：压电工作台；神经网络；迅滞；自适应控制
中图分类号：TN384;TP183
文献标识码：A
doi;10.3788/OPE.20122003.0587
Modelingandcontrolofpiezo-stageusingneuralnetworks
ZHANGDong"2·，ZHANGCheng-jin，WEIQiang*， TIAN Yan-bing',ZHAO Jing-bo',LI Xian-ming
(1.SchoolofAutomationEngineering,QingdaoTechnological University，Qingdao266033,China
2.SchoolofElectricalEngineering，ShandongUniersity,Jinan25006l,China;
3.School of Control Science andEngineering,ShandongUniversity,Jinan 250061,China; 4.DepartmentofPhysicsandElectronics,TaishanUniversity,Tai'an271021,China)
*Correspondingauthor，E-mail:Zhangdonggraduate@163.com
Abstract: An online identification neural network model and an adaptive controller were designed and verified by simulations to inhibit the influence of hysteresis, creep and dynamic characteristics of a pi-ezo-stage on the positioning accuracy. First, the double Sigmoid activation function was adopted to improve the activation functions of neural networks, and the similarities and differences between im-proved neural work model and PI hysteresis model were analyzed. Then, a BP neural network with three layers based on the improved activation function was designed as the online identification model
收稿日期：2011-09-01；修订日期：2011-11-10，
基金项目：国家自然科学基金资助项目（No.61174044)；国家自然科学基金资助项目（No.50877046)；山东省优秀中
青年科学家科研奖励基金项目（No.BS2011DX037)；安市科技发展计划项目（No.20102026）