CN102722136A - 基于神经网络的超声波电机xy工作平台控制装置及方法 - Google Patents
基于神经网络的超声波电机xy工作平台控制装置及方法 Download PDFInfo
- Publication number
- CN102722136A CN102722136A CN2012102224544A CN201210222454A CN102722136A CN 102722136 A CN102722136 A CN 102722136A CN 2012102224544 A CN2012102224544 A CN 2012102224544A CN 201210222454 A CN201210222454 A CN 201210222454A CN 102722136 A CN102722136 A CN 102722136A
- Authority
- CN
- China
- Prior art keywords
- circuit
- control
- voltage
- current source
- supersonic motor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Abstract
本发明一种基于神经网络的超声波电机XY工作平台控制装置及方法,该装置包括超声波电机电路、共振槽主电路、压控振荡器VCO、控制及驱动电路和数字信号处理器,所述的共振槽主电路中包含电流源并联共振驱动电路,所述的电流源并联共振驱动电路包含两个有能量反馈功能的电流源并联共振反流器,本发明采用超声波电机,相对于其他电机,超声波电机具有低转速下的高转矩、不易受电磁波干扰等优点,此外,采用具有能量反馈功能的电流源并联共振驱动器控制超声波电机,具有更大的操作频率范围、更小的直流谐波、不需要加缓冲器等优点,基于超声波电机不易确定数学模型的特点,采用模糊神经网络算法进行控制,提高了系统的跟踪精度。
Description
技术领域
本发明属于自动控制技术领域,具体涉及一种基于神经网络的超声波电机XY工作平台控制装置及方法。
背景技术
随着生产力的发展以及现代加工行业对产品质量要求的不断提高,自动化技术广泛的应用于各种场合。而机电一体化是自动化技术中重要的一个环节,特别是自动化机械的部分。自动化技术目前被广泛应用于数控机床的零件加工行业,现代数控加工正向高速度化、高精度化、高智能化、高柔性化、高自动化和高可靠性方向发展,提高机床的加工精度、质量和效率已经成为当今世界数控技术研究与开发的热点。其中XY工作平台的跟踪控制在数控机床中很有代表性,它的优劣对数控系统的加工精度和性能具有很大的影响。
超声波电机(Ultrasonic Motor,简称USM)是近年来发展起来的一种全新概念的驱动装置,他利用压电材料的逆压电效应,把电能转换为弹性体的超声振动,并通过摩擦传动的方式转换成运动体的回转或直线运动。这种新型电机一般工作于20kHz以上的频率,故称为超声波电机。超声波电机由定子和转子两部分组成,但电机中即没有线圈也没有永磁体,定子由弹性体和压电陶瓷构成。转子为一个金属板。定子和转子在压力作用下紧密接触,为了减少定、转子之间相对运动产生的磨损,通常在二者之间加一层摩擦材料。对极化后的压电陶瓷元件施加一定的高频交变电压,压电陶瓷随着高频电压幅值变化而膨胀或收缩,从而在定子弹性体内激发出超声波振动,这种振动传递给与定子紧密接触的摩擦材料以驱动转子旋转。
相对于其他电机存在着的如在低转速下很难保持高转矩以及易受电磁波干扰影响等不足。超声波电机具有低转速状态下的高转矩、体积小、不受电磁干扰等优点,在信息机器、光学仪器、微机器人、医疗机器、探测系统、精密加工等领域都有广阔的发展前景。由于其扭力的产生不需要经过齿轮的转换、安静、噪声低等优点,因此日益受到数控设计和研发者的青睐。在该说明书中使用超声波电机驱动的XY双轴运动平台。
然而超声波电机存在数学模型难以确立、参数具有非线性特性以及易受温度、负载转矩影响以及存在弹簧静压力等不足。
发明内容
针对现有装置存在的不足,本发明提出一种基于神经网络的超声波电机XY工作平台控制装置及方法,以达到电机低转速高转矩、不受电磁波干扰、使整个装置具有更大的操作频率范围、更小的直流谐波、不需要加缓冲器、系统跟踪精度更高、驱动性能更好、提高双轴平台系统的控制精度和鲁棒性的目的。
一种基于神经网络的超声波电机XY工作平台控制装置,该装置包括超声波电机电路、共振槽主电路、压控振荡器VCO、控制及驱动电路和数字信号处理器,所述的共振槽主电路中包含电流源并联共振驱动电路,所述的电流源并联共振驱动电路包含两个有能量反馈功能的电流源并联共振反流器;其中,超声波电机电路:是用于控制XY工作平台中X、Y双轴的运动位置的电路;
共振槽主电路:包含两个电流源并联共振反流器,是通过开关的开启与关闭控制超声波电机的正反转;
压控振荡器VCO:是用于将数字信号处理器DSP输出的电压方波信号变成可切换频率的电压信号的装置,并将上述可切换频率的电压信号发送至控制及驱动电路;
控制及驱动电路:是用于输出具有相位差的电压方波信号,控制共振槽主电路内开关的开启与关闭的装置;
数字信号处理器:在数字信号处理器内部设置有神经网络控制器,并输出电压方波信号至控制及驱动电路。
所述的电流源并联共振驱动电路,第一电流源并联共振反流器和第二电流源并联共振反流器并联形成第一并联电路,所述的滤波电容与电源并联形成第二并联电路,上述的第一并联电路与第二并联电路并联;所述的第一电流源并联共振反流器的电压输出端连接超声波电机的第一电压输入端,第二电流源并联共振反流器的电压输出端连接超声波电机的第二电压输入端。
所述的电流源并联共振反流器,包括一个大扼流电感、第一开关、第二开关、一个RLC并联共振槽,还包括一个滤波电感、一个桥式整流电路和一个高频变压器,并且所述的高频变压器的二次侧电感即为所述RLC并联共振槽内电感,所述的第二开关与RLC并联共振槽串联形成第一串联电路,上述第一串联电路与第一开关并联形成第三并联电路,上述第三并联电路与大扼流电感串联形成第二串联电路;所述的滤波电感与桥式整流电路串联形成第三串联电路;所述的第二串联电路与第三串联电路并联;所述的高频变压器的一次侧电感为所述RLC并联共振槽内电感,高频变压器的一次侧电感的一端连接桥式整流电路的第一输入端、高频变压器的一次侧电感的另一端连接桥式整流电路的第二输入端。
采用基于神经网络的超声波电机XY工作平台控制装置的控制方法,包括以下步骤:
步骤1:采用超声波电机电路中的位置传感器对XY平台超声波电机的转子位置和转轴速度进行采样定位;
步骤2:将上述采集信号输入数字信号处理器DSP中,将实际转子位置和转轴速度与设定参考值进行对比,判断误差大小;
步骤3:若转子位置误差超过1-3μm范围内的设定值或转轴速度误差超过1-3μm/s范围内的设定值,或者转子位置误差和转轴速度误差同时超过其各自误差范围内设定值,则执步骤4;若未超过,则执行步骤5;
步骤4:调整神经网络控制器参数并输出控制信号,控制信号通过压控振荡器VCO和控制及驱动电路输出电压正弦信号,驱动XY平台的X轴和Y轴的电机;
步骤5:超声波电机XY平台系统继续运行。
步骤4中所述的调整神经网络控制器参数并输出控制信号,控制信号通过压控振荡器VCO和控制及驱动电路输出电压正弦信号,包括以下步骤:
步骤4-1、计算误差及误差变化率;
步骤4-2、通过神经网络控制器获得转子位置信号;
步骤4-3、调整神经网络连接权重及偏权值;
步骤4-4、控制信号经过压控振荡器VCO输出可变的切换频率;
步骤4-5、通过驱动电路将输出转换成两项相差90度的电压方波信号;
步骤4-6、超声波电机电路中的反流器根据电压方波信号产生电压正弦信号。
本发明优点:
本发明基于神经网络的超声波电机XY工作平台控制装置及方法,该装置采用超声波电机,相对于其他电机,超声波电机具有低转速下的高转矩、不易受电磁波干扰等优点,此外,本发明采用具有能量反馈功能的电流源并联共振驱动器控制超声波电机,具有更大的操作频率范围、更小的直流谐波、不需要加缓冲器等优点。基于超声波电机不易确定数学模型的特点,采用模糊神经网络算法进行控制,提高了系统的跟踪精度。
附图说明
图1为本发明一种实施例超声波电机电流源并联共振驱动方框图;
其中:1-超声波电机电路;2-第一电流源并联共振反流器;3-第二电流源并联共振反流器;4-控制及驱动电路;5-压控振荡器VCO;6-数字信号处理器;
图2为本发明一种实施例无能量反馈的单相电流源并联共振反流器电路图;
图3为本发明一种实施例有能量反馈的单相电流源并联共振反流器电路图;
图4为本发明一种实施例电流源并联共振反流器共振槽电路图;
图5为本发明一种实施例电流源并联共振电路控制及驱动电路方框图;
图6为本发明一种实施例电流源并联共振反流器控制及驱动电路图,其中,图(a)为本发明一种实施例电流源并联共振反流器控制及驱动主电路图;图(b)为本发明一种实施例电流源并联共振反流器控制及驱动电路图中IC4085芯片接线图;图(c)为本发明一种实施例电流源并联共振反流器控制及驱动电路图中IC4013芯片接线图;
图7为本发明一种实施例超声波电机顺时针旋转时电路各点的工作信号波形图;
图8为本发明一种实施例超声波电机逆时针旋转时电路各点的工作信号波形图;
图9为本发明一种实施例重叠电路中A相部分各点的工作信号波形图;
图10为本发明一种实施例系统的总体框图;
图11为本发明一种实施例DSP引脚分布图;
图12为本发明一种实施例DSP信号采集电路图;
图13为本发明一种实施例DSP晶振电路图;
图14为本发明一种实施例DSP复位电路图;
图15为本发明一种实施例DSP通讯接口电路图;
图16为本发明一种实施例JTAG接口电路图;
图17为本发明一种实施例外扩RAM电路接线图;
图18为本发明一种基于超声波电机XY工作平台的神经网络控制方法流程图;
图19为本发明一种实施例系统运行的流程图;
图20为本发明一种实施例保护中断处理流程图;
图21为本发明一种实施例中断处理流程图;
图22为本发明一种实施例模糊神经网络结构图;
图23为本发明一种实施例模糊神经网络位置控制结构图;
图24为本发明一种实施例圆形轨迹规划图;
图25为本发明一种实施例六边形轨迹规划图;
图26为本发明一种实施例模糊神经网络控制器无载时圆轨迹的跟踪相应图;
图27为本发明一种实施例模糊神经网络控制器加100kg负载时圆轨迹的跟踪相应图;
图28为本发明一种实施例糊神经网络控制器无载时六边形轨迹的跟踪相应图;
图29为本发明一种实施例模糊神经网络控制器加100kg负载时六边形轨迹的跟踪相应图;
具体实施方式
下面结合附图对本发明的实施例做进一步说明。
基于神经网络的超声波电机XY工作平台控制装置,如图1所示,该装置包括超声波电机电路1、共振槽主电路、压控振荡器VCO5、控制及驱动电路4和数字信号处理器6,其特征在于:所述的共振槽主电路中包含电流源并联共振驱动电路,所述的电流源并联共振驱动电路包含两个有能量反馈功能的电流源并联共振反流器2、3;其中,超声波电机电路1:是用于控制XY工作平台中X、Y双轴的运动位置的电路;共振槽主电路:包含两个有能量反馈功能的电流源并联共振反流器,是通过开关的开启与关闭控制超声波电机的正反转;压控振荡器VCO5:是用于将数字信号处理器DSP输出的电压方波信号变成可切换频率的电压信号的装置,并将上述可切换频率的电压信号发送至控制及驱动电路4;控制及驱动电路4:是用于输出具有相位差的电压方波信号,控制共振槽主电路内开关的开启与关闭的装置;数字信号处理器6:在数字信号处理器6内部设置有神经网络控制器,并输出电压方波信号至控制及驱动电路4。
所述的电流源并联共振驱动电路,本发明实施例中,第一电流源并联共振反流器2和第二电流源并联共振反流器3并联形成第一并联电路,所述的滤波电容Cdc与电源并联形成第二并联电路,上述的第一并联电路与第二并联电路并联;所述的第一电流源并联共振反流器2的电压输出端连接超声波电机的A相电压输入端,第二电流源并联共振反流器3的电压输出端连接超声波电机的B相电压输入端。
所述的电流源并联共振反流器,包括大扼流电感L1、L2,开关S1、S2、S3和S4(所述的开关为电子开关,例如图2中一个MOS管Q4和反接的二极管D4并联形成并联电路,上述并联电路与一个二极管D2串联),RLC并联共振槽,还包括滤波电感LFA、LFB、桥式整流电路BdA、BdB和高频变压器TrA、TrB,图2为本发明一种实施例无能量反馈的单相电流源并联共振反流器电路图,本发明实施例在无能量反馈的单相并联共振反流器的基础上增加了高频变压器TrA、TrB,桥式整流电路BdA、BdB和滤波电感LFA、LFB,采用上述电路结构实现能量反馈,降低RLC共振槽的品质因数。图3为本发明一种实施例有能量反馈的单相电流源并联共振反流器电路图,以A相电流源并联共振反流器为例,其连接关系为:所述的开关S2与RLC并联共振槽(RLC并联共振槽由电阻RLA、电容CdA、外加电容CA以及电感LA并联而成,其中RLA为A相超声波电机的等效电阻)串联形成第一串联电路,上述第一串联电路与开关S1并联形成第三并联电路,上述第三并联电路与大扼流电感L1串联形成第二串联电路;所述的滤波电感LFA与桥式整流电路BdA串联形成第三串联电路;所述的第二串联电路与第三串联电路并联;所述的高频变压器TrA的二次侧电感为所述RLC并联共振槽内电感LA,高频变压器TrA的一次侧电感的一端连接桥式整流电路BdA的第一输入端、高频变压器TrA的一次侧电感的另一端连接桥式整流电路BdA的第二输入端。B相电流源并联共振反流器结构与A相相同。
控制及驱动电路中的分相电路将VCO的输出转换成两相相差90度的方波信号来驱动电流源并联共振反流器,使输出电压波形vA、vB也相差90度,两相信号以超前或滞后的方式直接控制超声波电机的正反转。TrA和TrB两个高频变压器与每一相的负载电阻并联,其一次侧的电感LA与LB和超声波电机内部等效电容CdA与CdB各形成两组独立的LC共振槽。变压器能量反馈的主要目的是降低LC共振槽的品质因数,两组反馈的能量是由二次侧交流电压v′A、v′B经过桥式整流电路BdA、BdB全波整流流入滤波电感LFA、LFB,再由滤波电容Cdc吸收。采用的XY平台的超声波电机的机械共振频率在39kHz到40kHz之间,由于电流源并联共振反流器切换频率需要高于机械共振频率,可使操作频率在40kHz到43kHz之间,而LC共振槽的共振频率则非常接近机械共振频率。因此转子的转速与反流器的切换频率有密切的关系。电流源并联共振驱动电路中的直流转换器与反流器所使用的功率原件为MOSFET。
所述的RLC并联共振槽由电阻RLA、电容CdA、外加电容CA以及电感LA并联而成,其中RLA为A相超声波电机的等效电阻。为了改善输出电压vA的波形使其更接近于正弦波,外加电容CA并联于CdA,此外,超声波电机静止与最快速度时CdA变化率可达50%,导致LC共振槽的共振频率也随之移动,所以,并联CA也能够减少CdA变动的比例。
LC共振槽的共振频率计算公式为:
其中:C=CdA+CA。
输入的直流电压Vd经由S3作50%周期切换,产生流经大扼流电感L1的直流电流源I1。
如图2所示的开关部分,由于MOSFET元件具有二极管的功能,当LC共振槽周期切换时,LC共振槽的电压会使二极管导通,再流经另外一个导通(ON)状态的MOSFET而造成LC共振槽的短路。为了避免这种现象,以A相为例,两个开关必须串联一个二极管D1,D2,成为开关组S1,S2。电流源不允许有回路开路以免造成瞬态高压而破环原件,所以,S1,S2导通周期要稍大于50%。当S1导通(ON)、S2关闭(OFF)时,直流电流I1通过S1,这样能量储存在大扼流电感L1上。然后当换成S1关闭(OFF)、S2导通(ON)时,直流电流I1通过Q4及共振槽,L1将储存的能量转移到LC共振槽。
电流源并联共振反流器中,若fS<f0,并联共振槽为感性负载。其中fS为共振槽实际频率,fS=f0则为纯电阻性负载,电流iS4和电压vA相位相同。S1和S2导通、截止都在零电压切换,因切换损失为零所以效率比较高。在fS>f0时,共振槽呈现电容性负载,超声波电机大部分在这个区域工作。
超声波电机使用的电源特性为电压大小和相位不受负载大小改变,所以当工作在电气共振频率时,非常适合驱动超声波电机。然而在其他频率时,输出电压大小与RLA成正比,尤其负载为空载时,输出电压因增益过大而破环超声波电机的绝缘,同理,负载和频率改变使得相位更容易产生变动。这些结果造成了vA和vB因负载不同时,两相电压大小不同,相位不等于90度,稳态性能很差。
为了解决A、B两相不平衡的问题,本发明实施例采用能量反馈来克服品质因数的影响。以A相为例,在原有反流器的基础(如图2)之上主电路并联了一个滤波电感LFA和桥式整流电路,桥式整流电路的输出连接高频变压器TrA的一次侧,二次侧为LA,如图3所示,。B相与A相结构相同。品质因数QL是造成系统不稳定的最大参数,通过能量反馈的方法降低它的值,那么系统稳定程度会大大提高。
其中QL的物理意义可表示为:
其中储存能量是无法改变的,但是如果加上一个虚拟的损耗负载就可以增加分母的值,这样就可以降低品质因数,这就是能量反馈的观点。
图4为本发明一种实施例电流源并联共振反流器共振槽电路图,本发明实施例中L1、L2为12mH的扼流圈。MOSFET的规格为IRF840 8A 500V,快速二极管FR307 3A 700V。负载变化时只有在切换频率等于电气共振频率时输出电压和相角不受影响。超声波电机操作在机械共振频率时负载变化最大,因此,将电气共振频率滞后于机械共振频率时,可以使超声波电机在高转速下仍然可以非常稳定。已知机械共振频率约为39kHz,所以共振槽的频率也是相同的39kHz。超声波电机在此频率工作时测得截止电容Cd为5.3nF,外加并联电容13.4nF带入式(1)得变压器一次侧共振电感为890uH。在理论上变压器一、二次侧匝数比为π:1,其目的是当切换频率等于共振频率时电压增益不受Q值变化的影响,因此不需要能量反馈。而在实际上要考虑原件内阻和压降,所以本发明实施例中提高二次侧匝数为99:30。若滤波电感LFA、LFB太大,则反馈效果不明显,太小则共振波形会变成方波,失去了共振的优势,本发明实施例采用100uH的滤波电感。变压器一次侧气隙长度加大后,使得励磁电流够大而磁路不会饱和,磁阻变大会造成漏电抗增加,但二次侧漏电抗也可当成滤波电感的一部分,所以对系统的影响不大。共振槽的主输入电源为48V直流电,本发明实施例采用电源供应器供给。
如图5所示,在电压控制频率电路中,运算放大器358可经电阻调整一个5V的参考电压,再与控制电压up加和,得到一个范围电压,直接驱动IC566,即可以使频率输出V1控制在156-180kHz之间。如图(c)所示,分相电路是由一个内含2个D型正反器的IC4013接成环形计数器,将V1的频率除4,并由IC4013的引脚1输出A相0°方波信号经由反向器得到180°的方波信号。同理B相由IC4013的引脚13一起反向器得到270°和90°的方波信号。如图(b)所示,控制及驱动电路中负责转向的部分的接线图中SW1使IC4085让B相选择由Q或引出信号。因此当SW1在低电位时(外部指令V10送低电位信号),IC4085的A通道导通,此时B相选择Q引脚的信号。当A相超前B相90°为顺时针旋转,其电路各点工作信号如图7所示。
当SW1至于高电位时(外部指令V10送高电位信号),IC4085的C通道导通,此时B相选择引脚的信号,B相超前A相90°时为逆时针旋转,其工作各点的工作信号波形如图8所示,重叠电路利用RC时间常数作为延迟电路,重叠时间由可变电阻大小决定。
图9为本发明一种实施例重叠电路中A相部分各点的工作信号波形图。运动和停止的控制中,当外部指令V11送低电位信号,电晶体导通,V2、V3、V4、V5全部为低电位,此时驱动电路无信号输出,电机立即停止转动。反之在高电位信号驱动不受影响,电机正常运转。驱动电路采取推挽式的电流放大方式作为驱动并联共振所需要的4个电子开关S1、S2、S3、S4的信号。而隔离变压器作用是由于S2、S4不共地,所以要给予隔离。
本发明实施例采用神经网络算法来提高系统的控制精度,图10为本发明一种实施例系统的总体框图,其中DPS采用TMS320F2812型号(图11)。主要用到信号采集电路(图12)、晶振电路(图13)、复位电路(图14)、通讯接口(图15)、JTAG接口(图16)和外扩RAM电路(图17),其引脚接线如下:
用正交编码脉冲电路QEP1(106)和QEP2(107)采集X轴速度和位置信号,QEP3(57)和QEP4(59)采集Y轴速度和位置信号;ADCIN0(174)和ADCIN1(173)采集X轴的电流信号,ADCINB0(2)和ADCINB1(3)采集Y轴的电流信号;X1(77)、X2(76)接口接晶振电路1和4脚;SCITXDA(155)、SCIRXDA(157)、SCITXDB(90)和SCIRXDB(91)连接芯片U19的11、12、10和9接口。PWM1(92)、PWM2(93)、PWM3(94)设置为输出,分别接X轴的VCO和V10、V11,控制X轴电机的电压输入信号以及正、反转,PWM7(45)、PWM8(46)、PWM9(47)设置为输出,接Y轴的VCO和V10、V11,控制Y轴电机的电压输入信号以及正、反转;晶振电路15M的1脚和4脚接DSP的X1(77)和X2(76);复位电路中DS1818的1脚接DSP的160脚;通讯接口电路中U19的9、10、11、12引脚接DSP的91、90、155、157引脚;JTAG接口电路中CON3的脚1、2、3、5、7、11、13、14分别接DSP的脚126、135、131、69、127、136、137、146;DSP的VDD接口接1.9V电源,VDDIO接口接3.3V电源,VSS接口接地,XA0~XA18(18、43、80、85、103、108、111、118、121、125、130、132、138、141、144、148、152、156、158)和XD0~XD15(21、24、27、30、33、36、39、54、65、68、73、74、96、67、139、147)接口分别接一个型号为IS6ILV51216RAM的外扩存储器的(1、2、3、4、5、18、19、20、21、22、23、24、25、26、27、42、43、44、28)和(7、8、9、10、13、14、15、16、29、30、31、32、35、36、37、38)引脚,另外RAM的6引脚接DSP的113脚,11和3脚接3.3V的数字电源,12、34、39、40接地,17脚接DSP的84引脚,,41接DSP的42引脚。
系统接通电源,智能功率模块IPM的各个保护环节检验正常,继电器闭合使主回路导通,将传感器检测出的位置(转子位置)和速度(超声波电机转轴的速度)的信号传送到DSP与参考模型(理想标准参数)的位置和速度对比求得误差。根据误差信号调整神经网络控制器的权值,对控制系统进行优化。之后根据规划的输入信号,6路PWM分别提供X轴和Y轴的uP控制信号和V10、V11给并联共振反流器控制及驱动电路,驱动超声波电机运行。
图18为本发明一种基于超声波电机XY工作平台的神经网络控制方法流程图,该方法具体步骤如下:
步骤1:采用超声波电机电路中的位置传感器对XY平台超声波电机的转子位置和转轴速度进行采样定位;
步骤2:将上述采集信号输入数字信号处理器DSP中,将实际转子位置和转轴速度与事先设定参考值进行对比,判断误差大小;
步骤3:若转子位置误差超过1-3μm范围内的设定值或转轴速度误差超过1-3μm/s范围内的设定值,或者转子位置误差和转轴速度误差同时超过其各自误差范围内设定值,则执行步骤4;若未超过,则执行步骤5;
步骤4:调整神经网络控制器参数并输出控制信号,控制信号通过压控振荡器VCO和控制及驱动电路输出电压正弦信号,驱动XY平台的X轴和Y轴的电机;
步骤5:超声波电机XY平台系统继续运行。
图19所示。本发明实施例中的方法最终由嵌入控制电路DSP处理器中的控制程序实现,具体步骤如下:
步骤1、系统初始化;
步骤2、超声波电机转子定位;
步骤3、允许INT1,INT2中断;
步骤4、启动T1下溢中断;
步骤5、中断等待;
步骤6、T1中断处理;
步骤7、保护中断处理;
步骤8、结束。
图20所示。步骤6中T1中断处理,具体步骤如下:
步骤6-1、保护现场;
步骤6-2、采用超声波电机电路中的位置传感器对XY平台超声波电机的转子位置和转轴速度进行采样定位;
步骤6-3、若转子位置误差超过1-3μm范围内的设定值或转轴速度误差超过1-3μm/s范围内的设定值,或者转子位置误差和转轴速度误差同时超过其各自误差范围内设定值,则执行步骤6-4;若未超过,则执行步骤6-7;
步骤6-4、计算误差及误差变化率;
步骤6-5、通过神经网络控制器获得转子位置信号;
步骤6-6、调整神经网络连接权重及偏权值;
步骤6-7、控制信号经过压控振荡器VCO输出可变的切换频率;
步骤6-8、通过驱动电路将输出转换成两项相差90度的电压方波信号;
步骤6-9、超声波电机电路中的反流器根据电压方波信号产生电压正弦信号;
步骤6-10、超声波电机电路中的反流器输出电压正弦信号驱动XY平台中的X轴和Y轴的电机继续运行;
步骤6-11、恢复现场;
步骤6-12、中断返回。
图21所示。步骤七中保护中断处理,具体包括步骤如下:
步骤7-1、禁止所有中断;
步骤7-2、封锁IPM;
步骤7-3、中断返回。
一般的模糊神经网络是由输入层、归属函数层、规则层和输出层组成。如图22所示,模糊神经网络的学习算法的重点是在学习过程中如何间接的获得一梯度向量,梯度向量中每一个元素定义为针对网络的参数使用连锁规律的能量函数的导数。因为梯度向量朝向与每一个神经元的输出方向的反方向计算而得,这就是倒传递学习算法。倒传递学习算法按如下步骤进行:
步骤一,确定能量函数。
为了描述用监督式梯度下降法的模糊神经网络的线上学习算法,首先第一个能量函数E如下所示:
其中:xm1和xp1分别代表参考模式输出与超声波电机的转子位置;
e表示参考模型输出与超声波电机的转子之间的误差。
步骤二、确定第四层传递的误差。
其中:ηw是模糊神经网络权值的学习率;
所以输出层的权值根据如下方程调节:
其中:N表示迭代数。
步骤三、计算和传递第三层传递误差。
由于在本层中权值设为1,所以第三层只需计算和传递误差项:
步骤四、在第二层执行乘积运算。
其中:Δmij表示高斯函数的平均值mij的迭代规律;
ηm是模糊神经网络高斯函数中平均值的学习率;
其中:Δσij表示高斯函数的标准差σij的迭代规律;
ησ是模糊神经网络高斯函数中标准偏差的学习率。
所以隐藏层的平均值与标准偏差根据下列方程调节。
mij(N+1)=mij(N)+Δmij (11)
σij(N+1)=σij(N)+Δσij (12)
步骤五、误差适应法来近似系统的灵敏度。
由于超声波电机的动态模型并不是十分清楚,以至于其系统灵敏度很难正确获得。虽然模糊神经网络的鉴别器可以计算系统灵敏度,但是会使整个系统更加复杂并且会增加计算量。为解决这一问题并增加在线调节参数,提出了误差适应法来近似系统的灵敏度,如:
其中:xm2和xp2分别代表xm1和xp1的一次微分项;
e和ec描述存在于参考模型与超声波电机转子位置误差和转速速度误差。
本发明实施例中采用模糊神经网络位置控制器来控制超声波电机的转子位置,因为所采用的双轴平台为刚性系统,因此可以有效控制双轴平台的动子位置。在本发明实施例的模糊神经网络中,分别有2个神经元于输入层、6个归属函数层、9个规则层和1个输出层;如图23所示,其中位置误差和误差变化率为模糊神经网络的输入,则为其输出,且学习率也同时调节。输入信号分别通过参考模型(理想标准参数)、神经网络控制器及超声波电机系统;采集超声波电机实际的转子位置和转轴的速度信号;将超声波电机的转子位置和转轴的速度信号与参考模型的转子位置和转轴的速度信号进行比较;模糊神经网络根据超声波电机转子位置和误差信号进行在线学习;学习后调整控制器各层权值与参数。
在正常状况下,因为超声波电机的转子位置违背参考模型输出,模糊神经网络会自动产生合适的控制信号。另一方面,当参数变化或有外部负载干扰时,欠佳的控制相应也会产生误差驱动模糊神经网络产生合适的控制信号。
一般轨迹规划步骤如下:
第一步:位置和路径的计算。
首先计算所需求的位置和路径,点对点运动(PTP)是最简单的工作方式,由于中间轨迹可以不用考虑,也就是跟踪轨迹可以为直线,也可以为其他不规则曲线,只要轨迹能够到达指定的位置上。比较复杂的是直线,圆弧等路径,需要计算各轴之间的相对位移,由于脉冲都为整数,对于PTP必须将总位移量除以单位脉冲的位移量,得到脉冲总数通常不是整数,然而对于PTP来说,由四舍五入计算的误差特别小,因此影响不大。但是对于直线和圆轨迹的运动,其相对位移所需的脉冲数必定要为整数,因此影响比较严重,用插补的方法解决。
第二步:是对上述的已知位置或路径设定跟踪时间。例如等速、等加减速等轨迹规划。
根据以上两步的结果,便可将轨迹做完整的规划,但是如何准确并快速的产生脉冲波供给驱动器来驱动电机,这一部分需要用计算机执行,因此电脑结构也有很大关系。然而每种波的产生方法有两种,一种是比较传统并且普遍使用的做法是位数微分分析法,这种方法是使用一个代表位置余数的临时存储器,在依次用一定的脉冲波频率的累加中产生溢流,依次产生脉冲。另一种做法是利用计时器,根据运动速度调节计时器的预设值,当计时器溢出一个脉冲,这种方法成为时间溢流法,这种方法为一般轨迹规划的方式。
本发明实施例轨迹规划设计根据以上述理论为基础来规划运动轨迹,以类比电压信号为控制命令送到驱动器控制超声波电机,和以脉冲波信号为控制命令驱动伺服电机的方法不同。为了有效控制双轴平台的动子位移,轨迹规划是非常重要的,这里用圆轨迹和六边形轨迹驱动XY平台。虽然轨迹规划为二维平面运动,但是在实际轨迹规划上,通常是对X轴和Y轴分别进行设计。图24为本发明一种实施例圆形轨迹规划图,其圆轨迹方程为:
R为半径;
Xi为X轴的轨迹,
Yi为Y轴的轨迹。
由上述的轨迹方程随着时间对角度的累加即可产生圆轨迹,并可由调整累加的角度大小改变转子的运动速度。
图25为本发明一种实施例六边形轨迹规划图,六边形轨迹方程分为7个部分,其中a和g轨迹的作用时间为0.5t,而其余轨迹的动作时间为t。六边形轨迹规划方程描述如下:
a轨迹
Xi=0×S+Xi-1
(16)
Yi=2×S+Yi-1
b轨迹
Xi=-2×S+Xi-1
(17)
Yi=1×S+Yi-1
c轨迹
Xi=-2×S+Xi-1
(18)
Yi=-1×S+Yi-1
d轨迹
Xi=0×S+Xi-1
(19)
Yi=-2×S+Yi-1
e轨迹
Xi=2×S+Xi-1
(20)
Yi=-1×S+Yi-1
f轨迹
Xi=2×S+Xi-1
(21)
Yi=1×S+Yi-1
g轨迹
Xi=0×S+Xi-1
(22)
Yi=2×S+Yi-1
其中:S为常数;
由这轨迹方程随着时间对双轴位置的累加即可产生六边形的轨迹,并可由S来调整改变平台动子的运动速度。
本发明实施例根据图24和图25来验证超声波电机的跟踪特性。采用计算机以2msec的控制时间,将所需要的轨迹控制命令通过DSP的QEP模块分别传送到X轴和Y轴的驱动器控制超声波电机的双轴平台。由超声波电机电路内位置传感器将电机实际位置信号通过QEP传递到DSP中做运算,来达到精密轨迹跟踪控制。各轴的螺距均为5mm,且位置编码器每转有4000个脉冲波,因此其控制精度为1.25μm。
本发明实施例测量出超声波电机的位置控制结果,轨迹规划是圆形时的跟踪响应时。图26为本发明一种实施例模糊神经网络控制器无载时圆轨迹的跟踪相应图。当为未加载时超声波电机XY平台实际的移动情况的跟踪响应与规划的轨迹相同,说明了采用的控制器的控制性能良好。图27为本发明一种实施例模糊神经网络控制器加100kg负载时圆轨迹的跟踪相应图。当负载为100kg时超声波电机XY平台的实际位移跟踪响应和规划仍然相同,这也验证了设计的控制器在加负载时也有良好的特性。当轨迹规划为六边形时的跟踪响应时。图28为本发明一种实施例糊神经网络控制器无载时六边形轨迹的跟踪相应图,从图中可以看出其跟踪相应与规划的轨迹是相同的,验证了所采用的方法有良好的控制特性。图29为本发明一种实施例模糊神经网络控制器加100kg负载时六边形轨迹的跟踪相应图,当加载100kg负载时超声波电机XY平台的运动情况的跟踪相应与规划的相同,验证了控制器在添加负载时也具有良好的特性。
综上所述,通过图26~29可以说明,本发明实施例通过控制X、Y双轴电机驱动XY加工平台,当加工轮廓为圆形或者六边形时,系统都具有高跟踪精度、良好的驱动性能、双轴平台系统的高控制精度和高鲁棒性。
Claims (5)
1.一种基于神经网络的超声波电机XY工作平台控制装置,该装置包括超声波电机电路、共振槽主电路、压控振荡器VCO、控制及驱动电路和数字信号处理器,其特征在于:所述的共振槽主电路中包含电流源并联共振驱动电路,所述的电流源并联共振驱动电路包含两个有能量反馈功能的电流源并联共振反流器;
其中,超声波电机电路:是用于控制XY工作平台中X、Y双轴的运动位置的电路;
共振槽主电路:包含两个电流源并联共振反流器,是通过开关的开启与关闭控制超声波电机的正反转;
压控振荡器VCO:是用于将数字信号处理器DSP输出的电压方波信号变成可切换频率的电压信号的装置,并将上述可切换频率的电压信号发送至控制及驱动电路;
控制及驱动电路:是用于输出具有相位差的电压方波信号,控制共振槽主电路内开关的开启与关闭的装置;
数字信号处理器:在数字信号处理器内部设置有神经网络控制器,并输出电压方波信号至控制及驱动电路。
2.根据权利要求1所述的基于神经网络的超声波电机XY工作平台控制装置,其特征在于:所述的电流源并联共振驱动电路,第一电流源并联共振反流器和第二电流源并联共振反流器并联形成第一并联电路,所述的滤波电容与电源并联形成第二并联电路,上述的第一并联电路与第二并联电路并联;所述的第一电流源并联共振反流器的电压输出端连接超声波电机的第一电压输入端,第二电流源并联共振反流器的电压输出端连接超声波电机的第二电压输入端。
3.根据权利要求1所述的基于神经网络的超声波电机XY工作平台控制装置,其特征在于:所述的电流源并联共振反流器,包括一个大扼流电感、第一开关、第二开关、一个RLC并联共振槽,还包括一个滤波电感、一个桥式整流电路和一个高频变压器,并且所述的高频变压器的二次侧电感即为所述RLC并联共振槽内电感,所述的第二开关与RLC并联共振槽串联形成第一串联电路,上述第一串联电路与第一开关并联形成第三并联电路,上述第三并联电路与大扼流电感串联形成第二串联电路;所述的滤波电感与桥式整流电路串联形成第三串联电路;所述的第二串联电路与第三串联电路并联;所述的高频变压器的一次侧电感为所述RLC并联共振槽内电感,高频变压器的一次侧电感的一端连接桥式整流电路的第一输入端、高频变压器的一次侧电感的另一端连接桥式整流电路的第二输入端。
4.采用权利要求1所述的基于神经网络的超声波电机XY工作平台控制装置的控制方法,其特征在于:包括以下步骤:
步骤1:采用超声波电机电路中的位置传感器对XY平台超声波电机的转子位置和转轴速度进行采样定位;
步骤2:将上述采集信号输入数字信号处理器DSP中,将实际转子位置和转轴速度与事先设定参考值进行对比,判断误差大小;
步骤3:若转子位置误差超过1-3μm范围内的设定值或转轴速度误差超过1-3μm/s范围内的设定值,或者转子位置误差和转轴速度误差同时超过其各自误差范围内设定值,则执行步骤4;若未超过,则执行步骤5;
步骤4:调整神经网络控制器参数并输出控制信号,控制信号通过压控振荡器VCO和控制及驱动电路输出电压正弦信号,驱动XY平台的X轴和Y轴的电机;
步骤5:超声波电机XY平台系统继续运行。
5.根据权利要求4所述的基于神经网络的超声波电机XY工作平台控制装置的控制方法,其特征在于:步骤4中所述的调整神经网络控制器参数并输出控制信号,控制信号通过压控振荡器VCO和控制及驱动电路输出电压正弦信号,包括以下步骤:
步骤4-1、计算误差及误差变化率;
步骤4-2、通过神经网络控制器获得转子位置信号;
步骤4-3、调整神经网络连接权重及偏权值;
步骤4-4、控制信号经过压控振荡器VCO输出可变的切换频率;
步骤4-5、通过驱动电路将输出转换成两项相差90度的电压方波信号;
步骤4-6、超声波电机电路中的反流器根据电压方波信号产生电压正弦信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012102224544A CN102722136A (zh) | 2012-06-29 | 2012-06-29 | 基于神经网络的超声波电机xy工作平台控制装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012102224544A CN102722136A (zh) | 2012-06-29 | 2012-06-29 | 基于神经网络的超声波电机xy工作平台控制装置及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102722136A true CN102722136A (zh) | 2012-10-10 |
Family
ID=46947937
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012102224544A Pending CN102722136A (zh) | 2012-06-29 | 2012-06-29 | 基于神经网络的超声波电机xy工作平台控制装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102722136A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103346692A (zh) * | 2013-07-02 | 2013-10-09 | 南京航空航天大学 | 振动主动控制中压电作动器迟滞非线性频域补偿方法 |
CN103414376A (zh) * | 2013-07-25 | 2013-11-27 | 北京航天控制仪器研究所 | 内置角度传感器一体化超声电机伺服控制系统 |
CN105159091A (zh) * | 2015-09-25 | 2015-12-16 | 闽江学院 | 一种超声波电机适应性递归式神经网络控制系统 |
CN105223806A (zh) * | 2015-10-20 | 2016-01-06 | 闽江学院 | 基于基底函数网络的超声波电机模糊神经网络控制方法 |
CN107093962A (zh) * | 2017-06-29 | 2017-08-25 | 闽江学院 | 部分参数已知的二阶不确定滞后结构的自适应控制方法 |
CN107154749A (zh) * | 2017-06-29 | 2017-09-12 | 闽江学院 | 基于功能函数输出反馈反步控制的压电电机死区控制方法 |
CN107179746A (zh) * | 2017-06-20 | 2017-09-19 | 清华大学 | 一种消除并联构型主轴头终端动平台转速波动的方法 |
CN107222128A (zh) * | 2017-06-29 | 2017-09-29 | 闽江学院 | 部分参数未知的二阶不确定滞后结构的自适应控制方法 |
CN107222127A (zh) * | 2017-06-26 | 2017-09-29 | 闽江学院 | 一种无参数信息间隙稳定的压电电机自适应控制方法 |
CN107257211A (zh) * | 2017-06-26 | 2017-10-17 | 闽江学院 | 部分参数已知条件下间隙稳定的压电电机自适应控制方法 |
CN107276455A (zh) * | 2017-06-29 | 2017-10-20 | 闽江学院 | 基于输出反馈反步控制的压电电机死区控制系统及方法 |
CN109143869A (zh) * | 2018-10-16 | 2019-01-04 | 沈阳工业大学 | 一种h型平台的递归小波神经网络补偿器的同步控制系统 |
CN110224630A (zh) * | 2019-06-13 | 2019-09-10 | 西安创联超声技术有限责任公司 | 超声波电机幅值稳幅控制电路 |
CN113359577A (zh) * | 2021-07-02 | 2021-09-07 | 中国科学院空间应用工程与技术中心 | 超声电机嵌入式状态监测与故障诊断系统及方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101567640A (zh) * | 2008-04-21 | 2009-10-28 | 德昌电机(深圳)有限公司 | 压电马达驱动方法及电路 |
-
2012
- 2012-06-29 CN CN2012102224544A patent/CN102722136A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101567640A (zh) * | 2008-04-21 | 2009-10-28 | 德昌电机(深圳)有限公司 | 压电马达驱动方法及电路 |
Non-Patent Citations (4)
Title |
---|
张磊: "基于神经网络的行波超声波电机驱动控制系统的研究", 《中国优秀硕士学位论文全文数据库(工程科技Ⅱ辑)》, no. 12, 31 December 2006 (2006-12-31), pages 042 - 86 * |
林法正: "《超音波马达之驱动与智慧型控制》", 31 December 1999, article "第5章,第12章" * |
田育瑞: "以类神经网路控制器为基础之超音波马达X-Y工作平台精密控制", 《私立中原大学电机工程学系硕士学位论文》, 31 December 2001 (2001-12-31) * |
陈欢等: "基于遗传神经网络的超声波电机转速控制系统", 《电机与控制应用》, vol. 37, no. 6, 30 June 2010 (2010-06-30), pages 38 - 41 * |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103346692A (zh) * | 2013-07-02 | 2013-10-09 | 南京航空航天大学 | 振动主动控制中压电作动器迟滞非线性频域补偿方法 |
CN103346692B (zh) * | 2013-07-02 | 2015-05-20 | 南京航空航天大学 | 振动主动控制中压电作动器迟滞非线性频域补偿方法 |
CN103414376A (zh) * | 2013-07-25 | 2013-11-27 | 北京航天控制仪器研究所 | 内置角度传感器一体化超声电机伺服控制系统 |
CN103414376B (zh) * | 2013-07-25 | 2015-09-23 | 北京航天控制仪器研究所 | 内置角度传感器一体化超声电机伺服控制系统 |
CN105159091A (zh) * | 2015-09-25 | 2015-12-16 | 闽江学院 | 一种超声波电机适应性递归式神经网络控制系统 |
CN105223806A (zh) * | 2015-10-20 | 2016-01-06 | 闽江学院 | 基于基底函数网络的超声波电机模糊神经网络控制方法 |
CN107179746B (zh) * | 2017-06-20 | 2019-07-12 | 清华大学 | 一种消除并联构型主轴头终端动平台转速波动的方法 |
CN107179746A (zh) * | 2017-06-20 | 2017-09-19 | 清华大学 | 一种消除并联构型主轴头终端动平台转速波动的方法 |
CN107222127B (zh) * | 2017-06-26 | 2019-02-19 | 闽江学院 | 一种无参数信息间隙稳定的压电电机自适应控制方法 |
CN107257211B (zh) * | 2017-06-26 | 2019-02-19 | 闽江学院 | 部分参数已知条件下间隙稳定的压电电机自适应控制方法 |
CN107222127A (zh) * | 2017-06-26 | 2017-09-29 | 闽江学院 | 一种无参数信息间隙稳定的压电电机自适应控制方法 |
CN107257211A (zh) * | 2017-06-26 | 2017-10-17 | 闽江学院 | 部分参数已知条件下间隙稳定的压电电机自适应控制方法 |
CN107276455A (zh) * | 2017-06-29 | 2017-10-20 | 闽江学院 | 基于输出反馈反步控制的压电电机死区控制系统及方法 |
CN107222128A (zh) * | 2017-06-29 | 2017-09-29 | 闽江学院 | 部分参数未知的二阶不确定滞后结构的自适应控制方法 |
CN107154749A (zh) * | 2017-06-29 | 2017-09-12 | 闽江学院 | 基于功能函数输出反馈反步控制的压电电机死区控制方法 |
CN107093962B (zh) * | 2017-06-29 | 2019-03-19 | 闽江学院 | 部分参数已知的二阶不确定滞后结构的自适应控制方法 |
CN107222128B (zh) * | 2017-06-29 | 2019-03-19 | 闽江学院 | 部分参数未知的二阶不确定滞后结构的自适应控制方法 |
CN107154749B (zh) * | 2017-06-29 | 2019-05-03 | 闽江学院 | 基于功能函数输出反馈反步控制的压电电机死区控制方法 |
CN107093962A (zh) * | 2017-06-29 | 2017-08-25 | 闽江学院 | 部分参数已知的二阶不确定滞后结构的自适应控制方法 |
CN109143869A (zh) * | 2018-10-16 | 2019-01-04 | 沈阳工业大学 | 一种h型平台的递归小波神经网络补偿器的同步控制系统 |
CN109143869B (zh) * | 2018-10-16 | 2021-07-06 | 沈阳工业大学 | 一种h型平台的递归小波神经网络补偿器的同步控制系统 |
CN110224630A (zh) * | 2019-06-13 | 2019-09-10 | 西安创联超声技术有限责任公司 | 超声波电机幅值稳幅控制电路 |
CN113359577A (zh) * | 2021-07-02 | 2021-09-07 | 中国科学院空间应用工程与技术中心 | 超声电机嵌入式状态监测与故障诊断系统及方法 |
CN113359577B (zh) * | 2021-07-02 | 2023-08-11 | 中国科学院空间应用工程与技术中心 | 超声电机嵌入式状态监测与故障诊断系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102722136A (zh) | 基于神经网络的超声波电机xy工作平台控制装置及方法 | |
Haidar et al. | Software interfacing of servo motor with microcontroller | |
Vukosavic et al. | Suppression of torsional oscillations in a high-performance speed servo drive | |
Rutkowski et al. | Novel online speed profile generation for industrial machine tool based on flexible neuro-fuzzy approximation | |
Zurita-Bustamante et al. | A comparison between the GPI and PID controllers for the stabilization of a DC–DC “buck” converter: A field programmable gate array implementation | |
CN106357184B (zh) | 基于神经网络的车用永磁同步电机输出转矩的温度补偿方法 | |
Lin et al. | Robust H/sub/spl infin//controller design with recurrent neural network for linear synchronous motor drive | |
CN100422980C (zh) | 基于硬件的可配置的运动控制装置和方法 | |
CN108988695B (zh) | 电动机驱动装置 | |
CN105929711B (zh) | 一种机电作动器参考模型数据库的构建方法 | |
CN103616637B (zh) | 永磁同步电动机模拟器 | |
CN102710203A (zh) | 一种基于能量优化的永磁电机控制装置和方法 | |
CN108988735A (zh) | 电动机驱动装置 | |
CN106154838A (zh) | 一种定位装置的残余振荡抑制方法及系统 | |
Pramonohadi | A comparative study of PID, ANFIS and hybrid PID-ANFIS controllers for speed control of Brushless DC Motor drive | |
CN102437816A (zh) | 基于神经网络的自适应电机运动控制装置 | |
Suzumura et al. | A general framework for designing SISO-based motion controller with multiple sensor feedback | |
Yen et al. | Thin-disc piezoceramic ultrasonic motor. Part II: system construction and control | |
CN106712610A (zh) | 一种3d打印步进电机控制系统 | |
Lin et al. | RFNN control for PMLSM drive via backstepping technique | |
CN111077801A (zh) | 一种磁轴承控制方法及其控制平台 | |
Alahakoon | Digital motion control techniques for electrical drives | |
CN115042209A (zh) | 一种具有数字孪生模型的机器人关节模组伺服控制器 | |
Chen et al. | Design and Implementation of the servo control system based on DSP | |
Zheng et al. | Variable gain cross-coupling control system of dual-axis PM synchronous linear motor based on model predictive speed and current integrated controller |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20121010 |