CN111580466B - 一种用于同步控制的带有遗忘因子的迭代学习控制方法 - Google Patents

一种用于同步控制的带有遗忘因子的迭代学习控制方法 Download PDF

Info

Publication number
CN111580466B
CN111580466B CN202010509701.3A CN202010509701A CN111580466B CN 111580466 B CN111580466 B CN 111580466B CN 202010509701 A CN202010509701 A CN 202010509701A CN 111580466 B CN111580466 B CN 111580466B
Authority
CN
China
Prior art keywords
driven
input control
iterative learning
driven system
forgetting factor
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.)
Active
Application number
CN202010509701.3A
Other languages
English (en)
Other versions
CN111580466A (zh
Inventor
武志鹏
李璟
丁敏侠
陈进新
折昌美
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute of Microelectronics of CAS
Original Assignee
Institute of Microelectronics of CAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Institute of Microelectronics of CAS filed Critical Institute of Microelectronics of CAS
Priority to CN202010509701.3A priority Critical patent/CN111580466B/zh
Publication of CN111580466A publication Critical patent/CN111580466A/zh
Application granted granted Critical
Publication of CN111580466B publication Critical patent/CN111580466B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/408—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by data handling or data format, e.g. reading, buffering or conversion of data
    • G05B19/4086—Coordinate conversions; Other special calculations
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/35—Nc in input of data, input till input file format
    • G05B2219/35356—Data handling

Landscapes

  • Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Manufacturing & Machinery (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Feedback Control In General (AREA)

Abstract

一种用于同步控制的带有遗忘因子的迭代学习控制方法，应用于运动控制控制技术领域，包括：将多轴运动系统中任意一个运动系统设置为主动系统，剩余运动系统设置为从动系统；采集主动系统和从动系统的位置输出量，以及从动系统的前两次的输入控制量；利用主动系统和从动系统的位置输出量，以及从动系统的前两次的输入控制量，以及预设的遗忘因子，构造迭代学习律；根据迭代学习律，迭代计算从动系统的最终输入控制量；按照所述从动系统的最终输入控制量，调整从动系统，以使从动系统与主动系统同步。可提高多轴运动系统之间的同步性能，加快迭代学习的收敛速度，提高控制算法的鲁棒性。

Description

一种用于同步控制的带有遗忘因子的迭代学习控制方法
技术领域
本申请涉及运动控制技术领域，尤其涉及一种用于同步控制的带有遗忘因子的迭代学习控制方法。
背景技术
多轴运动系统的同步控制问题，是目前工业界常见的运动控制问题。例如，机床加工领域，多个运动轴需要通过同步控制的方式完成复杂的工件加工轨迹；晶圆曝光设备，硅片台和掩模台在曝光扫描方向必须保持特定的匀速运动关系。同步控制的目标一般是使多个同步轴之间的位置或速度保持特定的关系，相对误差最小。
目前工业界常用的方法是根据同步轴的位置或速度关系计算同步偏差，或者直接利用位置量或速度量，通过前馈的方式加入到其他同步轴的控制器中。有文献描述的同步控制方法，将伺服误差经过转换环节加入到同步轴的力信号，从而达到同步控制的效果，是通过前馈方式实现的同步控制。这种方法虽然能提高同步性能，但运动控制系统不具有持续改进的能力，尤其对于具有重复运动轨迹的情况，控制系统不能针对轨迹特点而逐步提高同步性能。
发明内容
本申请的主要目的在于提供一种用于同步控制的带有遗忘因子的迭代学习控制方法，可提高多轴运动系统之间的同步性能，加快迭代学习的收敛速度，提高控制算法的鲁棒性。
为实现上述目的，本申请实施例第一方面提供一种用于同步控制的带有遗忘因子的迭代学习控制方法，包括：
将多轴运动系统中任意一个运动系统设置为主动系统，剩余运动系统设置为从动系统；
采集所述主动系统和所述从动系统的位置输出量，以及所述从动系统的前两次的输入控制量；
利用所述主动系统和从动系统的位置输出量，以及所述从动系统的前两次的输入控制量，以及预设的遗忘因子，构造迭代学习律；
根据所述迭代学习律，迭代计算所述从动系统的最终输入控制量，所述最终输入控制量使得所述主动系统和所述从动系统的同步偏差的收敛速度和收敛域均满足预设要求；
按照所述从动系统的最终输入控制量，调整所述从动系统，以使所述从动系统与所述主动系统同步。
可选的，所述利用所述主动系统和从动系统的位置输出量，以及所述从动系统的前两次的输入控制量，以及预设的遗忘因子，构造迭代学习律包括：
利用所述主动系统和从动系统的位置输出量，得到所述主动系统和从动系统之间的同步偏差esync(t)；
利用所述同步偏差esync(t)以及所述从动系统的前两次的输入控制量，以及预设的遗忘因子，构造迭代学习律；
其中，令ys(t)是从动系统位置输出量，ym(t)是主动系统位置输出量，β是同步系数，则esync(t)＝βym(t)-ys(t)。
可选的，所述迭代学习律：
Figure BDA0002525721180000021
其中，
Figure BDA0002525721180000022
为第k+1次迭代时所述从动系统的输入控制量，
Figure BDA0002525721180000023
为第k次迭代时所述从动系统的输入控制量，
Figure BDA0002525721180000024
为第k-1次迭代时所述从动系统的输入控制量，
Figure BDA0002525721180000031
为第k次迭代时所述主动系统和所述从动系统之间的同步偏差的二阶导数，
Figure BDA0002525721180000032
为第k次迭代时所述主动系统和所述从动系统之间的同步偏差的三阶导数，α为遗忘因子，0≤α＜1，γ和
Figure BDA0002525721180000033
为正常数。
可选的，所述从动系统的被控对象模型采用状态空间方法进行描述；
所述状态空间方法：
Figure BDA0002525721180000034
其中，A、B和C分别为所述从动系统的状态矩阵、输入矩阵和输出矩阵，xs(t)、us(t)和ys(t)分别为所述从动系统的状态变量、输入控制量和位置输出量，ds(t)为所述从动系统的输入扰动量。
可选的，所述从动系统的输入扰动量满足预设条件；
所述预设条件：
Figure BDA0002525721180000035
其中，
Figure BDA0002525721180000036
和
Figure BDA0002525721180000037
分别为所述从动系统的期望初始状态和第k次迭代的初始状态，
Figure BDA0002525721180000038
为所述从动系统的第k次迭代的输入扰动量，bx0和bd为正常数。
可选的，当采集不到所述从动系统的前两次的输入控制量时，将所述从动系统的前两次的输入控制量时设置为0。
可选的，利用所述从动系统和所述主动系统之间的同步偏差的平均值、平均差和最大值评估所述从动系统和所述主动系统之间的同步性能。
本申请实施例第二方面提供一种多轴运动系统的同步控制装置，包括：
设置模块，用于将多轴运动系统中任意一个运动系统设置为主动系统，剩余运动系统设置为从动系统；
采集模块，用于采集所述主动系统和所述从动系统的位置输出量，以及所述从动系统的前两次的输入控制量；
构造模块，用于利用所述主动系统和从动系统的位置输出量，以及所述从动系统的前两次的输入控制量，以及预设的遗忘因子，构造迭代学习律；
计算模块，用于根据所述迭代学习律，迭代计算所述从动系统的最终输入控制量，所述最终输入控制量使得所述主动系统和所述从动系统的同步偏差的收敛速度和收敛域均满足预设要求；
调整模块，用于按照所述从动系统的最终输入控制量，调整所述从动系统，以使所述从动系统与所述主动系统同步。
本申请实施例第三方面提供了一种电子设备，包括：
存储器，处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现本申请实施例第一方面提供的用于同步控制的带有遗忘因子的迭代学习控制方法。
从上述本申请实施例可知，本申请提供的用于同步控制的带有遗忘因子的迭代学习控制方法具有以下有益效果：
1、对于多运动系统之间的同步控制问题，采用主动和从动的方式，用相应速度更快的系统作为从动系统，提高同步控制的控制效果。
2、用主动系统和从动系统的位置输出构造同步偏差，采用同步偏差的二阶导数和高阶导数，尤其适用于包括多重积分环节的高相对度被控对象。
3、对于从动系统，利用第k-1次控制量和第k次控制量和遗忘因子，计算第k+1次控制量，构造迭代学习律。相对于采用初始控制量和第k次控制量构造迭代学习律的方法，能够减小初始控制量选择不到对收敛域的影响。同时，由于引入了遗忘因子，能够加快收敛速度，提高控制算法的鲁棒性。
4、这种方法可以应用于半导体装备，尤其应用于对位移台性能要求极高的曝光设备等，能够进一步提高硅片台和掩模台之间的运动同步性能，改善晶圆的曝光效果。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请一实施例提供的用于同步控制的带有遗忘因子的迭代学习控制方法的流程示意图；
图2为本申请一实施例提供的用于同步控制的带有遗忘因子的迭代学习控制方法中迭代控制的原理框图；
图3为本申请一实施例提供的用于同步控制的带有遗忘因子的迭代学习控制方法中从动系统输入控制量随迭代次数的变化曲线的示意图；
图4为本申请一实施例提供的用于同步控制的带有遗忘因子的迭代学习控制方法中同步偏差的平均值随迭代次数的变化曲线的示意图；
图5为本申请一实施例提供的用于同步控制的带有遗忘因子的迭代学习控制方法中同步偏差的标准差随迭代次数的变化曲线的示意图；
图6为本申请一实施例提供的用于同步控制的带有遗忘因子的迭代学习控制方法中同步偏差的最大值随迭代次数的变化曲线的示意图；
图7为本申请一实施例提供的多轴运动系统的同步控制装置的结构示意图；
图8示出了一种电子设备的硬件结构示意图。
具体实施方式
为使得本申请的申请目的、特征、优点能够更加的明显和易懂，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而非全部实施例。基于本申请中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
请参阅图1和图2，图1为本申请一实施例提供的用于同步控制的带有遗忘因子的迭代学习控制方法的流程示意图，图2为本申请一实施例提供的用于同步控制的带有遗忘因子的迭代学习控制方法中迭代控制的原理框图，该方法可以应用于半导体装备，尤其应用于对位移台性能要求极高的曝光设备等，能够进一步提高硅片台和掩模台之间的运动同步性能，改善晶圆的曝光效果，其方法主要包括以下步骤：
S101、将多轴运动系统中任意一个运动系统设置为主动系统，剩余运动系统设置为从动系统；
S102、采集该主动系统和该从动系统的位置输出量，以及该从动系统的前两次的输入控制量；
S103、利用该主动系统和从动系统的位置输出量，以及该从动系统的前两次的输入控制量，以及预设的遗忘因子，构造迭代学习律；
S104、根据该迭代学习律，迭代计算该从动系统的最终输入控制量，该最终输入控制量使得该主动系统和该从动系统的同步偏差的收敛速度和收敛域均满足预设要求；
S105、按照该从动系统的最终输入控制量，调整该从动系统，以使该从动系统与该主动系统同步。
在步骤S101中，优选的，还可以获取多轴运动系统中各运动系统的运行速度，将运行速度最低的运动系统设置为主动系统，剩余运动系统设置为从动系统，提高同步控制的控制效果。其中，主动系统的数量一般为一个，从动系统的数量一般可以为一个或者多个。本申请中，以从动系统的数量为1个进行示例性的说明。
其中，主动系统采用常规的反馈控制方法，例如PID控制、频率校正等。从动系统采用本申请提供的同步控制方法。
可理解的，在每次迭代时，都将得到的从动的系统的输入控制量进行保存，以供下次迭代进行使用。
在本实施例中，针对需要同步的多轴运动系统，设计主动系统和从动系统，利用从动系统跟踪主动系统的方式实现多轴同步控制。利用该主动系统和从动系统的位置输出量，以及该从动系统的前两次的输入控制量，以及预设的遗忘因子，构造迭代学习律，解决了被控对象高相对度的设计问题，提高了迭代收敛速度。对于运动具有重复性的应用场合，可以在多次迭代后不断提高多运动系统之间的同步性能，具有收敛速度快、鲁棒性强的优点。
在本申请其中一个实施例中，步骤S103包括：利用该主动系统和从动系统的位置输出量，得到该主动系统和从动系统之间的同步偏差esync(t)；利用该同步偏差esync(t)以及该从动系统的前两次的输入控制量，以及预设的遗忘因子，构造迭代学习律；
其中，令ys(t)是从动系统位置输出量，ym(t)是主动系统位置输出量，β是同步系数，则esync(t)＝βym(t)-ys(t)。
其中，同步系数β由主动系统和从动系统的位置或速度倍率关系决定。
可理解的，每次计算得到的同步偏差都可以进行保存，以供下次迭代进行使用。
在本申请其中一个实施例中，请参阅图2，该迭代学习律：
Figure BDA0002525721180000071
其中，
Figure BDA0002525721180000072
为第k+1次迭代时该从动系统的输入控制量，
Figure BDA0002525721180000073
为第k次迭代时该从动系统的输入控制量，
Figure BDA0002525721180000074
为第k-1次迭代时该从动系统的输入控制量，
Figure BDA0002525721180000075
为第k次迭代时该主动系统和该从动系统之间的同步偏差的二阶导数，
Figure BDA0002525721180000076
为第k次迭代时该主动系统和该从动系统之间的同步偏差的三阶导数，α为遗忘因子，0≤α＜1，γ和
Figure BDA0002525721180000077
为正常数。
可理解的，在迭代过程中，通过不断调整α、γ和
Figure BDA0002525721180000078
的数值，直到主动系统和从动系统之间的同步偏差的收敛速度和收敛域都满足预设要求，即根据该迭代学习律，得到的为从动系统的最终输入控制量，该最终输入量可使得从动系统与主动系统同步。
在本实施例中，对于从动系统，利用第k-1次控制量和第k次控制量和遗忘因子，计算第k+1次控制量，构造迭代学习律。相对于采用初始控制量和第k次控制量构造迭代学习律的方法，能够减小初始控制量选择不到对收敛域的影响。同时，采用同步偏差的二阶导数和高阶导数，尤其适用于包括多重积分环节的高相对度被控对象。同时，由于引入了遗忘因子，能够加快同步偏差的收敛速度，提高控制算法的鲁棒性。
在本申请其中一个实施例中，该从动系统的被控对象模型采用状态空间方法进行描述；
该状态空间方法：
Figure BDA0002525721180000081
其中，A、B和C分别为该从动系统的状态矩阵、输入矩阵和输出矩阵，xs(t)、us(t)和ys(t)分别为该从动系统的状态变量、输入控制量和位置输出量，ds(t)为该从动系统的输入扰动量。
在本申请其中一个实施例中，该从动系统的输入扰动量满足预设条件；
该预设条件：
Figure BDA0002525721180000082
其中，
Figure BDA0002525721180000083
和
Figure BDA0002525721180000084
分别为该从动系统的期望初始状态和第k次迭代的初始状态，
Figure BDA0002525721180000085
为该从动系统的第k次迭代的输入扰动量，bx0和bd为正常数。
在本申请其中一个实施例中，当采集不到该从动系统的前两次的输入控制量时，将该从动系统的前两次的输入控制量时设置为0。
可理解的，也即在多轴运动系统的初始状态时，设置从动系统的初始输入控制量为0，即
Figure BDA0002525721180000086
在本申请其中一个实施例中，利用该从动系统和该主动系统之间的同步偏差的平均值、平均差和最大值评估该从动系统和该主动系统之间的同步性能。
请参阅图4、图5、图6，具体的，MEAN为该同步偏差的平均值，STD为该同步偏差的平均差，则：
Figure BDA0002525721180000091
Figure BDA0002525721180000092
请参阅图7，图7是本申请一实施例提供的多轴运动系统的同步控制装置的结构示意图，该装置可内置于电子设备中，该装置主要包括：
设置模块201，用于将多轴运动系统中任意一个运动系统设置为主动系统，剩余运动系统设置为从动系统；
采集模块202，用于采集该主动系统和该从动系统的位置输出量，以及该从动系统的前两次的输入控制量；
构造模块203，用于利用该主动系统和从动系统的位置输出量，以及该从动系统的前两次的输入控制量，以及预设的遗忘因子，构造迭代学习律；
计算模块204，用于根据该迭代学习律，迭代计算该从动系统的最终输入控制量，该最终输入控制量使得该主动系统和该从动系统的同步偏差的收敛速度和收敛域均满足预设要求；
调整模块205，用于按照该从动系统的最终输入控制量，调整该从动系统，以使该从动系统与该主动系统同步。
在本申请其中一个实施例中，该构造模块203包括：
第一构造模块，用于利用该主动系统和从动系统的位置输出量，得到该主动系统和从动系统之间的同步偏差esync(t)；
第二构造模块，用于利用该同步偏差esync(t)以及该从动系统的前两次的输入控制量，以及预设的遗忘因子，构造迭代学习律；
其中，令ys(t)是从动系统位置输出量，ym(t)是主动系统位置输出量，β是同步系数，则esync(t)＝βym(t)-ys(t)。
在本申请其中一个实施例中，该迭代学习律：
Figure BDA0002525721180000101
其中，
Figure BDA0002525721180000102
为第k+1次迭代时该从动系统的输入控制量，
Figure BDA0002525721180000103
为第k次迭代时该从动系统的输入控制量，
Figure BDA0002525721180000104
为第k-1次迭代时该从动系统的输入控制量，
Figure BDA0002525721180000105
为第k次迭代时该主动系统和该从动系统之间的同步偏差的二阶导数，
Figure BDA0002525721180000106
为第k次迭代时该主动系统和该从动系统之间的同步偏差的三阶导数，α为遗忘因子，0≤α＜1，γ和
Figure BDA0002525721180000107
为正常数。
在本申请其中一个实施例中，该从动系统的被控对象模型采用状态空间方法进行描述；
该状态空间方法：
Figure BDA0002525721180000108
其中，A、B和C分别为该从动系统的状态矩阵、输入矩阵和输出矩阵，xs(t)、us(t)和ys(t)分别为该从动系统的状态变量、输入控制量和位置输出量，ds(t)为该从动系统的输入扰动量。
在本申请其中一个实施例中，其特征在于，该从动系统的输入扰动量满足预设条件；
该预设条件：
Figure BDA0002525721180000109
其中，
Figure BDA00025257211800001010
和
Figure BDA00025257211800001011
分别为该从动系统的期望初始状态和第k次迭代的初始状态，
Figure BDA00025257211800001012
为该从动系统的第k次迭代的输入扰动量，bx0和bd为正常数。
在本申请其中一个实施例中，当采集不到该从动系统的前两次的输入控制量时，将该从动系统的前两次的输入控制量时设置为0。
在本申请其中一个实施例中，利用该从动系统和该主动系统之间的同步偏差的平均值、平均差和最大值评估该从动系统和该主动系统之间的同步性能。
请参见图8，图8示出了一种电子设备的硬件结构图。
本实施例中所描述的电子设备，包括：
存储器41、处理器42及存储在存储器41上并可在处理器上运行的计算机程序，处理器执行该程序时实现前述图1所示实施例中描述的用于同步控制的带有遗忘因子的迭代学习控制方法。
进一步地，该电子设备还包括：
至少一个输入设备43；至少一个输出设备44。
上述存储器41、处理器42输入设备43和输出设备44通过总线45连接。
存储器41可以是高速随机存取记忆体，用于存储一组可执行程序代码，以及迭代学习算法各次迭代的控制量。处理器42与存储器41耦合，对运动控制算法进行实时计算，输入设备43用于采集被控主动系统和从动系统的各个物理量，输出设备44用于输出处理器42计算得到的控制量。
需要说明的是，在本公开各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。
所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来。
需要说明的是，对于前述的各方法实施例，为了简便描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其它顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定都是本发明所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其它实施例的相关描述。
以上为对本发明所提供的一种电子设备的用于同步控制的带有遗忘因子的迭代学习控制方法的描述，对于本领域的技术人员，依据本发明实施例的思想，在具体实施方式及应用范围上均会有改变之处，综上，本说明书内容不应理解为对本发明的限制。

Claims (8)

1.一种用于同步控制的带有遗忘因子的迭代学习控制方法，其特征在于，包括：
将多轴运动系统中任意一个运动系统设置为主动系统，剩余运动系统设置为从动系统；
采集所述主动系统和所述从动系统的位置输出量，以及所述从动系统的前两次的输入控制量；
利用所述主动系统和从动系统的位置输出量，以及所述从动系统的前两次的输入控制量，以及预设的遗忘因子，构造迭代学习律；
根据所述迭代学习律，迭代计算所述从动系统的最终输入控制量，所述最终输入控制量使得所述主动系统和所述从动系统的同步偏差的收敛速度和收敛域均满足预设要求；
按照所述从动系统的最终输入控制量，调整所述从动系统，以使所述从动系统与所述主动系统同步；
其中，所述迭代学习律：
Figure FDA0003073517310000011
其中，
Figure FDA0003073517310000012
为第k+1次迭代时所述从动系统的输入控制量，
Figure FDA0003073517310000013
为第k次迭代时所述从动系统的输入控制量，
Figure FDA0003073517310000014
为第k-1次迭代时所述从动系统的输入控制量，
Figure FDA0003073517310000015
为第k次迭代时所述主动系统和所述从动系统之间的同步偏差的二阶导数，
Figure FDA0003073517310000016
为第k次迭代时所述主动系统和所述从动系统之间的同步偏差的三阶导数，α为遗忘因子，0≤α＜1，γ和
Figure FDA0003073517310000017
为正常数。
2.根据权利要求1所述的用于同步控制的带有遗忘因子的迭代学习控制方法，其特征在于，所述利用所述主动系统和从动系统的位置输出量，以及所述从动系统的前两次的输入控制量，以及预设的遗忘因子，构造迭代学习律包括：
利用所述主动系统和从动系统的位置输出量，得到所述主动系统和从动系统之间的同步偏差esync(t)；
利用所述同步偏差esync(t)以及所述从动系统的前两次的输入控制量，以及预设的遗忘因子，构造迭代学习律；
其中，令ys(t)是从动系统位置输出量，ym(t)是主动系统位置输出量，β是同步系数，则esync(t)＝βym(t)-ys(t)。
3.根据权利要求1或2所述的用于同步控制的带有遗忘因子的迭代学习控制方法，其特征在于，所述从动系统的被控对象模型采用状态空间方法进行描述；
所述状态空间方法：
Figure FDA0003073517310000021
其中，A、B和C分别为所述从动系统的状态矩阵、输入矩阵和输出矩阵，xs(t)、us(t)和ys(t)分别为所述从动系统的状态变量、输入控制量和位置输出量，ds(t)为所述从动系统的输入扰动量。
4.根据权利要求3所述的用于同步控制的带有遗忘因子的迭代学习控制方法，其特征在于，所述从动系统的输入扰动量满足预设条件；
所述预设条件：
Figure FDA0003073517310000022
其中，
Figure FDA0003073517310000023
和
Figure FDA0003073517310000024
分别为所述从动系统的期望初始状态和第k次迭代的初始状态，
Figure FDA0003073517310000025
为所述从动系统的第k次迭代的输入扰动量，bx0和bd为正常数。
5.根据权利要求1或2所述的用于同步控制的带有遗忘因子的迭代学习控制方法，其特征在于，当采集不到所述从动系统的前两次的输入控制量时，将所述从动系统的前两次的输入控制量设置为0。
6.根据权利要求1或2所述的用于同步控制的带有遗忘因子的迭代学习控制方法，其特征在于，利用所述从动系统和所述主动系统之间的同步偏差的平均值、平均差和最大值评估所述从动系统和所述主动系统之间的同步性能。
7.一种多轴运动系统的同步控制装置，其特征在于，包括：
设置模块，用于将多轴运动系统中任意一个运动系统设置为主动系统，剩余运动系统设置为从动系统；
采集模块，用于采集所述主动系统和所述从动系统的位置输出量，以及所述从动系统的前两次的输入控制量；
构造模块，用于利用所述主动系统和从动系统的位置输出量，以及所述从动系统的前两次的输入控制量，以及预设的遗忘因子，构造迭代学习律；
计算模块，用于根据所述迭代学习律，迭代计算所述从动系统的最终输入控制量，所述最终输入控制量使得所述主动系统和所述从动系统的同步偏差的收敛速度和收敛域均满足预设要求；
调整模块，用于按照所述从动系统的最终输入控制量，调整所述从动系统，以使所述从动系统与所述主动系统同步；
其中，所述迭代学习律：
Figure FDA0003073517310000031
其中，
Figure FDA0003073517310000032
为第k+1次迭代时所述从动系统的输入控制量，
Figure FDA0003073517310000033
为第k次迭代时所述从动系统的输入控制量，
Figure FDA0003073517310000034
为第k-1次迭代时所述从动系统的输入控制量，
Figure FDA0003073517310000035
为第k次迭代时所述主动系统和所述从动系统之间的同步偏差的二阶导数，
Figure FDA0003073517310000036
为第k次迭代时所述主动系统和所述从动系统之间的同步偏差的三阶导数，α为遗忘因子，0≤α＜1，γ和
Figure FDA0003073517310000037
为正常数。
8.一种电子设备，包括：存储器，处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时，实现权利要求1至6中的任一项所述的用于同步控制的带有遗忘因子的迭代学习控制方法中的各个步骤。
CN202010509701.3A 2020-06-05 2020-06-05 一种用于同步控制的带有遗忘因子的迭代学习控制方法 Active CN111580466B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010509701.3A CN111580466B (zh) 2020-06-05 2020-06-05 一种用于同步控制的带有遗忘因子的迭代学习控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010509701.3A CN111580466B (zh) 2020-06-05 2020-06-05 一种用于同步控制的带有遗忘因子的迭代学习控制方法

Publications (2)

Publication Number Publication Date
CN111580466A CN111580466A (zh) 2020-08-25
CN111580466B true CN111580466B (zh) 2021-07-27

Family

ID=72111326

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010509701.3A Active CN111580466B (zh) 2020-06-05 2020-06-05 一种用于同步控制的带有遗忘因子的迭代学习控制方法

Country Status (1)

Country Link
CN (1) CN111580466B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104552852A (zh) * 2015-01-21 2015-04-29 江南大学 一种非线性注塑机系统的注射速度迭代学习控制方法
CN110034711A (zh) * 2019-05-06 2019-07-19 上海海事大学 一种双凸极永磁同步电机的控制系统
CN110855204A (zh) * 2019-12-11 2020-02-28 江南大学 一种永磁同步电机转矩周期性脉动抑制控制装置及方法
CN110890855A (zh) * 2019-11-11 2020-03-17 武汉理工大学 一种电动汽车永磁同步电机的参数辨识方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110083981B (zh) * 2019-05-17 2023-04-28 重庆交通大学 一种基于遗忘因子的任意初态下的迭代学习故障估计方法
CN110154036B (zh) * 2019-06-24 2020-10-13 山东大学 视觉动态系统下的室内服务机器人控制器设计方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104552852A (zh) * 2015-01-21 2015-04-29 江南大学 一种非线性注塑机系统的注射速度迭代学习控制方法
CN110034711A (zh) * 2019-05-06 2019-07-19 上海海事大学 一种双凸极永磁同步电机的控制系统
CN110890855A (zh) * 2019-11-11 2020-03-17 武汉理工大学 一种电动汽车永磁同步电机的参数辨识方法
CN110855204A (zh) * 2019-12-11 2020-02-28 江南大学 一种永磁同步电机转矩周期性脉动抑制控制装置及方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于迭代学习的掩模台与工件台同步控制;武志鹏;《华中科技大学学报（自然科学版）》;20130228;正文第86-90页 *
带遗忘因子的高阶闭环迭代学习控制;万勇利;《中国优秀硕士学位论文全文数据库 信息科技辑》;20170215;正文第26-28、45-48页 *

Also Published As

Publication number Publication date
CN111580466A (zh) 2020-08-25

Similar Documents

Publication Publication Date Title
CN108303885A (zh) 一种基于干扰观测器的电机位置伺服系统自适应控制方法
CN111459051A (zh) 一种带扰动观测器的离散终端滑模无模型控制方法
JP2017102617A (ja) 補正装置、補正装置の制御方法、情報処理プログラム、および記録媒体
Ma et al. Open-closed-loop PID-type iterative learning control for linear systems with initial state error
CN113031439A (zh) 一种双运动台精密协同控制系统及方法
Zhang et al. Adaptive actuator failure compensation with unknown control gain signs
CN111523648A (zh) 含有聚类拓扑耦合的神经网络脉冲同步方法及系统
Kaczorek Minimum energy control of fractional descriptor positive discrete-time linear systems
CN111580466B (zh) 一种用于同步控制的带有遗忘因子的迭代学习控制方法
CN111221311A (zh) 基于参数变分法的复杂网络分布式脉冲同步方法及系统
Zhang et al. Predefined-time stabilization for nonlinear stochastic Itô systems
CN111353226A (zh) 多维控制系统模型降阶方法及装置
CN112372639B (zh) 一种机械臂系统的二重相位超前补偿迭代学习控制方法
Shao et al. A high-order iterative learning control for discrete-time linear switched systems
CN115047763A (zh) 一种多无人机系统的最小能量控制方法
Yoon et al. Assembly of low-stiffness parts through admittance control with adaptive stiffness
Álvarez Rodríguez Robustness vs Chattering-effect study for the Sliding Mode Control
Subudhi et al. Parallel structure of fuzzy PID controller under different paradigms
Mishra et al. A new class of generalized continuous robust control algorithm for arbitrary order systems
CN116400598B (zh) 一种惯性cg神经网络的同步控制方法
CN110209055B (zh) 基于参考模型和扰动观测的二阶系统控制器及控制方法
Huba et al. Combining model based and data-driven approaches: First order nonlinear plants control
CN117687345B (zh) 多智能体系统的控制方法及相关产品
CN114415517B (zh) 一种基于时间同步稳定的多智能体一致性控制方法
Kaczorek Minimum energy control of fractional descriptor positive discrete-time linear systems with bounded inputs

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
CB03 Change of inventor or designer information

Inventor after: Wu Zhipeng

Inventor after: Li Jing

Inventor after: Ding Minxia

Inventor after: Chen Jinxin

Inventor after: Chang Mei Chang

Inventor before: Wu Zhipeng

Inventor before: Li Jing

Inventor before: Xie Dongdong

Inventor before: Ding Minxia

Inventor before: Chen Jinxin

Inventor before: Chang Mei Chang

CB03 Change of inventor or designer information
GR01 Patent grant
GR01 Patent grant