CN111482958A - 基于神经网络的多传输机械手光刻机及其协同控制系统 - Google Patents
基于神经网络的多传输机械手光刻机及其协同控制系统 Download PDFInfo
- Publication number
- CN111482958A CN111482958A CN201911285386.4A CN201911285386A CN111482958A CN 111482958 A CN111482958 A CN 111482958A CN 201911285386 A CN201911285386 A CN 201911285386A CN 111482958 A CN111482958 A CN 111482958A
- Authority
- CN
- China
- Prior art keywords
- neural network
- function
- mechanical arm
- control system
- controller
- 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
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
- B25J9/161—Hardware, e.g. neural networks, fuzzy logic, interfaces, processor
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1679—Programme controls characterised by the tasks executed
- B25J9/1682—Dual arm manipulator; Coordination of several manipulators
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Robotics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- Feedback Control In General (AREA)
- Manipulator (AREA)
- Numerical Control (AREA)
Abstract
本发明为一种基于神经网络的多传输机械手光刻机及其协同控制系统,基于神经网络的多传输机械手光刻机,其特征在于包括本体、控制器、数据进出端口io模块、伺服电机、机械臂、编码器、电压模式控制器、交流电源、传感器组成,所述控制器分别和伺服电机、数据进出端口io模块、电压模式控制器、传感器连接,本发明通过一个控制器,两个伺服实现对两个机械臂进行控制,进而推广到多个机械臂。以多个机械臂动力学模型函数,径向基RBF神经网络函数以及李雅普诺夫函数为基础设计多个机械臂系统软件算法,实现系统的多个机械臂协同控制及稳定性。本发明只利用一个控制器多个伺服实现对多个机械手的同时控制,降低产品的成本以及在空间布局上的资源。
Description
技术领域
本发明涉及光刻机控制领域,尤其涉及一种基于神经网络的多传输机械手光刻机及其协同控制系统。
背景技术
光刻机是半导体制造的核心装备,硅片传输机械手是在其内部专用的物料自动处理设备,它的工作速度、定位精度、可靠性、使用洁净度等直接影响到生产效率和制造质量。普遍的控制系统是一个控制器及配套硬件控制一条传输机械手,造成产品成本和空间的浪费,同时也会延迟两机械手的信息交互及协同工作效率。传统的控制器系统在设计上还缺少对非线性的处理能力和容错性。
发明内容
根据以上技术问题,本发明提供基于神经网络的多传输机械手光刻机及其协同控制系统,以多个机械臂动力学模型函数,径向基RBF神经网络函数以及李雅普诺夫函数为基础设计多个机械臂系统软件算法,实现系统的多个机械臂协同控制及稳定性。
基于神经网络的多传输机械手光刻机,其特征在于包括本体、控制器、数据进出端口io模块、伺服电机、机械臂、编码器、电压模式控制器、交流电源、传感器组成,所述控制器分别和伺服电机、数据进出端口io模块、电压模式控制器、传感器连接,所述控制器、数据进出端口io模块、伺服电机、编码器、电压模式控制器、交流电源、传感器安装在本体内部,所述机械臂和本体连接,所述伺服电机和机械臂连接,所述伺服电机和编码器连接,所述编码器和电压模式控制器连接,所述电压模式控制器还和交流电源、传感器连接,所述编码器和数据进出端口io模块连接,所述控制器、数据进出端口io模块、伺服电机、机械臂、编码器、电压模式控制器、交流电源、传感器呈RBF神经网络状连接,所述伺服电机为N个,所述机械臂为N个,N≥1,所述机械臂通过关节安装在本体上,单个所述机械臂的动力学方程主要是关节控制q与输出力矩τ之间的转换关系,lii=1,2为机械臂第i个连杆的长度,qii=1,2为关节控制角度,通过Lagrange-Euler公式得到单个机械臂动力学方程:
进而推导出多个机械臂协同控制系统的动态方程方程
M(x0,q)x0+C(x0,x0,q,q)x0+G(x0,q)=τ
依据多个机械臂协同动力学模型方程,在此基础上设计出的多个机械臂协同控制系统可以控制单个机械臂的运动,同时也兼容两个机械臂以及单个机械臂的协同运动。
该控制系统以多个机械臂动力学模型函数,径向基RBF神经网络函数以及李雅普诺夫函数为基础设计多个机械臂系统软件算法,实现系统的多个机械臂协同控制及稳定性。
所述RBF神经网络为径向基函数RBF神经网络,RBF神经网络可以用来逼近任意非线性函数f(Z)∈Rn,定义如下:
fnn,i(Z)=Wi TSi(Z);
其中输入向量为权重向量为Wi∈Rl,RBF神经网络节点数量L>1并且Si(Z)=[s1,s2,....,sl]T∈Rl,广泛逼近的结果显示,如果L足够大,即隐藏层有足够的节点时,Wi TSi(Z)能够逼近任意非线性函数,得到如下公式
基于系统稳定性,在系统设计中基于
来解决输出受限对系统造成的影响,通过设置约束区间,实现输出受限,提高轨迹运动的精度及稳定性,最后通过数字仿真验证证明基于此函数所设计的系统能够对预定轨迹进行有效的追踪;
在逼近非线性函数的过程中,要尽量的经过每一个节点,但是当数据量庞大且散乱的时候可能造成过度拟合,也就是根本无法寻找里面的隐含规律,将高斯函数设为基函数,其中径向基函数如下
其中ηk=[ηk1,ηk2,...,ηkq]T是接受区中心,μk是高斯函数的宽度,其中Z是函数输入,Z-μk表示了从隐藏层中心点到输出向量的距离,当输入距离中心点越近,隐藏层节点的输出就会越大,越能进行局部逼近。
本发明的有益效果为:本发明通过一个控制器,两个伺服实现对两个机械臂进行控制,进而推广到多个机械臂。以多个机械臂动力学模型函数,径向基RBF神经网络函数以及李雅普诺夫函数为基础设计多个机械臂系统软件算法,实现系统的多个机械臂协同控制及稳定性。本发明只利用一个控制器多个伺服实现对多个机械手的同时控制,降低产品的成本以及在空间布局上的资源。
本发明基于径向基RBF神经网络的并行分布式处理能力及非线性处理能力所设计的多个机械臂协同系统,在系统运算处理速度,自适应处理能力以及减少控制器通信时间上均有显著提升。径向基函数RBF神经网络是一种性能良好的分布式前向网络,具有有效逼近、学习能力强、收敛速度快等优点。
本发明基于李雅普诺夫函数所设计的多个机械臂协同系统,在选择合适参数约束后可以提高多个机械臂系统的稳定性及精度。
本发明在设计中加入径向基RBF神经网络对来自运动过程中轨迹和系统参数产生的的不确定性进行线性拟合,通过线性拟合将非线性转换为线性可分问题,简化未知部分的系统运算,提高鲁棒性及自适应性。
附图说明
图1为本发明机械臂为两个时硬件系统示意图。
图2为本发明单个机械臂系统结构图。
图3为轨迹追踪误差图。
具体实施方式
根据图所示,对本发明进行进一步说明:
实施例1
基于神经网络的多传输机械手光刻机,包括本体、控制器、数据进出端口io模块、伺服电机、机械臂、编码器、电压模式控制器、交流电源、传感器组成,控制器分别和伺服电机、数据进出端口io模块、电压模式控制器、传感器连接,控制器、数据进出端口io模块、伺服电机、编码器、电压模式控制器、交流电源、传感器安装在本体内部,机械臂和本体连接,伺服电机和机械臂连接,伺服电机和编码器连接,编码器和电压模式控制器连接,电压模式控制器还和交流电源、传感器连接,编码器和数据进出端口io模块连接,控制器、数据进出端口io模块、伺服电机、机械臂、编码器、电压模式控制器、交流电源、传感器呈RBF神经网络状连接,伺服电机为N个,机械臂为N个,N≥1,机械臂通过关节安装在本体上。
实施例2
当机械臂为两个进行推论时,将其进行阐述:
如图2所示,单个所述机械臂的动力学方程主要是关节控制q与输出力矩τ之间的转换关系,lii=1,2为机械臂第i个连杆的长度,qii=1,2为关节控制角度,通过Lagrange-Euler公式得到单个机械臂动力学方程:
进而推导出多个机械臂协同控制系统的动态方程方程
M(x0,q)x0+C(x0,x0,q,q)x0+G(x0,q)=τ
依据多个机械臂协同动力学模型方程,在此基础上设计出的多个机械臂协同控制系统可以控制单个机械臂的运动,同时也兼容两个机械臂以及单个机械臂的协同运动;
所述RBF神经网络为径向基函数RBF神经网络,RBF神经网络可以用来逼近任意非线性函数f(Z)∈Rn,定义如下:
fnn,i(Z)=Wi TSi(Z);
其中输入向量为权重向量为Wi∈Rl,RBF神经网络节点数量L>1并且Si(Z)=[s1,s2,....,sl]T∈Rl,广泛逼近的结果显示,如果L足够大,即隐藏层有足够的节点时,Wi TSi(Z)能够逼近任意非线性函数,得到如下公式
因此,在该协同控制系统设计中加入径向基RBF神经网络对来自运动过程中轨迹和系统参数产生的的不确定性进行线性拟合,通过线性拟合将非线性转换为线性可分问题,简化未知部分的系统运算,提高鲁棒性及自适应性,
基于系统稳定性,在系统设计中基于
来解决输出受限对系统造成的影响,通过设置约束区间,实现输出受限,提高轨迹运动的精度及稳定性,最后通过数字仿真验证证明基于此函数所设计的系统能够对预定轨迹进行有效的追踪;
在逼近非线性函数的过程中,经过每一个节点,当数据量庞大且散乱的时候可能造成过度拟合,也就是根本无法寻找里面的隐含规律,将高斯函数设为基函数,其中径向基函数如下
其中ηk=[ηk1,ηk2,...,ηkq]T是接受区中心,μk是高斯函数的宽度,其中Z是函数输入,Z-μk表示了从隐藏层中心点到输出向量的距离,当输入距离中心点越近,隐藏层节点的输出就会越大,越能进行局部逼近。
以上仅是本发明的优选实施方式,应当指出的是,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进,这些改进也应视为本发明的保护范围。
Claims (4)
1.基于神经网络的多传输机械手光刻机,其特征在于包括本体、控制器、数据进出端口io模块、伺服电机、机械臂、编码器、电压模式控制器、交流电源、传感器组成,所述控制器分别和伺服电机、数据进出端口io模块、电压模式控制器、传感器连接,所述控制器、数据进出端口io模块、伺服电机、编码器、电压模式控制器、交流电源、传感器安装在本体内部,所述机械臂和本体连接,所述伺服电机和机械臂连接,所述伺服电机和编码器连接,所述编码器和电压模式控制器连接,所述电压模式控制器还和交流电源、传感器连接,所述编码器和数据进出端口io模块连接,所述控制器、数据进出端口io模块、伺服电机、机械臂、编码器、电压模式控制器、交流电源、传感器呈RBF神经网络状连接,所述伺服电机为N个,所述机械臂为N个,N≥1,所述机械臂通过关节安装在本体上。
2.基于神经网络的多传输机械手光刻机协同控制系统,其具体特征在于:该控制系统以多个机械臂动力学模型函数,径向基RBF神经网络函数以及李雅普诺夫函数为基础设计多个机械臂系统软件算法,实现系统的多个机械臂协同控制及稳定性。
4.按照权利要求2所述的基于神经网络的多传输机械手光刻机协同控制系统,其特征在于所述RBF神经网络为径向基函数RBF神经网络,其具体使用方式如下:
RBF神经网络用来逼近任意非线性函数f(Z)∈Rn,定义如下:
fnn,i(Z)=Wi TSi(Z);
其中输入向量为权重向量为Wi∈Rl,RBF神经网络节点数量L>1并且Si(Z)=[s1,s2,....,sl]T∈Rl,广泛逼近的结果显示,当L足够大,即隐藏层有足够的节点时,Wi TSi(Z)能够逼近任意非线性函数,得到如下公式
将上述数据进行处理,在该协同控制系统设计中加入径向基RBF神经网络对来自运动过程中轨迹和系统参数产生的的不确定性进行线性拟合,通过线性拟合将非线性转换为线性可分问题,简化未知部分的系统运算,提高鲁棒性及自适应性;
基于该协同控制系统稳定性,在其设计中基于公式来解决输出受限对该协同控制系统造成的影响,通过设置约束区间,实现输出受限,提高轨迹运动的精度及稳定性,最后通过数字仿真验证证明基于此函数所设计的系统能够对预定轨迹进行有效的追踪;
在逼近非线性函数的过程中,经过每一个节点,当数据量庞大且散乱的时候可能造成过度拟合,也就是根本无法寻找里面的隐含规律,将高斯函数设为基函数,其中径向基函数如下
其中ηk=[ηk1,ηk2,...,ηkq]T是接受区中心,μk是高斯函数的宽度,其中Z是函数输入,Z-μk表示了从隐藏层中心点到输出向量的距离,当输入距离中心点越近,隐藏层节点的输出就会越大,越能进行局部逼近。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911285386.4A CN111482958A (zh) | 2019-12-13 | 2019-12-13 | 基于神经网络的多传输机械手光刻机及其协同控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911285386.4A CN111482958A (zh) | 2019-12-13 | 2019-12-13 | 基于神经网络的多传输机械手光刻机及其协同控制系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111482958A true CN111482958A (zh) | 2020-08-04 |
Family
ID=71798577
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911285386.4A Pending CN111482958A (zh) | 2019-12-13 | 2019-12-13 | 基于神经网络的多传输机械手光刻机及其协同控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111482958A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113843814A (zh) * | 2021-09-10 | 2021-12-28 | 北京声智科技有限公司 | 机械臂设备的控制系统、方法、装置和存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101770180A (zh) * | 2010-02-02 | 2010-07-07 | 清华大学 | 一种采用多关节机械手的光刻机硅片台的线缆台 |
CN102466975A (zh) * | 2010-11-08 | 2012-05-23 | 上海微电子装备有限公司 | 连杆驱动工件台系统 |
CN103531502A (zh) * | 2012-07-03 | 2014-01-22 | 上海微电子装备有限公司 | 一种工件台装置 |
CN105159084A (zh) * | 2015-09-06 | 2015-12-16 | 台州学院 | 一种带干扰观测器的机械手神经网络控制系统及方法 |
CN106158713A (zh) * | 2015-03-26 | 2016-11-23 | 上海微电子装备有限公司 | 一种硅片快速交接装置 |
CN106945046A (zh) * | 2017-04-24 | 2017-07-14 | 华南理工大学 | 基于变刚度弹性驱动器的机械臂控制系统及其控制方法 |
CN109176525A (zh) * | 2018-09-30 | 2019-01-11 | 上海神添实业有限公司 | 一种基于rbf的移动机械手自适应控制方法 |
US20190157129A1 (en) * | 2017-11-21 | 2019-05-23 | Taiwan Semiconductor Manufacturing Co., Ltd. | Article transferring method in semiconductor fabrication |
CN110275436A (zh) * | 2019-05-31 | 2019-09-24 | 广东工业大学 | 一种多单臂机械手的rbf神经网络自适应控制方法 |
-
2019
- 2019-12-13 CN CN201911285386.4A patent/CN111482958A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101770180A (zh) * | 2010-02-02 | 2010-07-07 | 清华大学 | 一种采用多关节机械手的光刻机硅片台的线缆台 |
CN102466975A (zh) * | 2010-11-08 | 2012-05-23 | 上海微电子装备有限公司 | 连杆驱动工件台系统 |
CN103531502A (zh) * | 2012-07-03 | 2014-01-22 | 上海微电子装备有限公司 | 一种工件台装置 |
CN106158713A (zh) * | 2015-03-26 | 2016-11-23 | 上海微电子装备有限公司 | 一种硅片快速交接装置 |
CN105159084A (zh) * | 2015-09-06 | 2015-12-16 | 台州学院 | 一种带干扰观测器的机械手神经网络控制系统及方法 |
CN106945046A (zh) * | 2017-04-24 | 2017-07-14 | 华南理工大学 | 基于变刚度弹性驱动器的机械臂控制系统及其控制方法 |
US20190157129A1 (en) * | 2017-11-21 | 2019-05-23 | Taiwan Semiconductor Manufacturing Co., Ltd. | Article transferring method in semiconductor fabrication |
CN109176525A (zh) * | 2018-09-30 | 2019-01-11 | 上海神添实业有限公司 | 一种基于rbf的移动机械手自适应控制方法 |
CN110275436A (zh) * | 2019-05-31 | 2019-09-24 | 广东工业大学 | 一种多单臂机械手的rbf神经网络自适应控制方法 |
Non-Patent Citations (1)
Title |
---|
雷敏杰: "基于神经网络的多机械臂协同控制方法研究", 《中国优秀硕士学位论文全文数据库-信息科技辑》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113843814A (zh) * | 2021-09-10 | 2021-12-28 | 北京声智科技有限公司 | 机械臂设备的控制系统、方法、装置和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | Cooperation control of multiple manipulators with passive joints | |
Liu et al. | Online time-optimal trajectory planning for robotic manipulators using adaptive elite genetic algorithm with singularity avoidance | |
Shi et al. | Multi-objective optimal trajectory planning of manipulators based on quintic NURBS | |
Chhabra et al. | Trajectory tracking of Maryland manipulator using linguistic Lyapunov fuzzy controller | |
Rout et al. | Optimal trajectory planning of industrial robot for improving positional accuracy | |
Dong et al. | Asymptotical stability contouring control of dual‐arm robot with holonomic constraints: modified distributed control framework | |
CN111482958A (zh) | 基于神经网络的多传输机械手光刻机及其协同控制系统 | |
Brahmi et al. | Adaptive backstepping control of mobile manipulator robot based on virtual decomposition approach | |
Ding et al. | A fully neural-network-based planning scheme for torque minimization of redundant manipulators | |
Quang et al. | FPGA-based control architecture integration for multiple-axis tracking motion systems | |
Icer et al. | Cost-optimal composition synthesis for modular robots | |
CN114179115B (zh) | 一种多单臂机械手自适应前向输出一致安全控制器 | |
Ghavifekr et al. | A Modified biogeography based optimization (bbo) algorithm for time optimal motion planning of 5 dof pc-based gryphon robot | |
CN113927596B (zh) | 一种基于宽度神经学习的时变输出约束机器人遥操作有限时间控制方法 | |
US20030173928A1 (en) | Servo control method | |
Wu et al. | Integral terminal sliding-mode formation control for uncertain heterogeneous networked mecanum-wheeled omnidirectional robots | |
Al-Aubidy et al. | Multi-robot task scheduling and routing using neuro-fuzzy control | |
Debrouwere | Optimal robot path following fast solution methods for practical non-convex applications | |
Huang | A new adaptive controller for robot manipulators considering actuator dynamics | |
Rout et al. | Optimal time-jerk-torque trajectory planning of industrial robot under kinematic and dynamic constraints | |
Brahmi et al. | Adaptive control of mobile manipulator robot based on virtual decomposition approach | |
CN109807893B (zh) | 一种焊接机器人运动模型光滑化方法 | |
Kirchoff et al. | A saturation-type robust controller for modular manipulators arms | |
Tohfeh et al. | Polynomial based optimal trajectory planning and obstacle avoidance for an omni-directional robot | |
Urrea et al. | Design, construction and control of a SCARA manipulator with 6 degrees of freedom |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200804 |
|
RJ01 | Rejection of invention patent application after publication |