CN114265314B - 一种基于fir滤波的鲁棒逆模型学习增益设计方法 - Google Patents
一种基于fir滤波的鲁棒逆模型学习增益设计方法 Download PDFInfo
- Publication number
- CN114265314B CN114265314B CN202111592558.XA CN202111592558A CN114265314B CN 114265314 B CN114265314 B CN 114265314B CN 202111592558 A CN202111592558 A CN 202111592558A CN 114265314 B CN114265314 B CN 114265314B
- Authority
- CN
- China
- Prior art keywords
- pass filter
- low
- fir
- frequency
- learning
- 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
Links
Images
Landscapes
- Feedback Control In General (AREA)
Abstract
Description
技术领域
本发明属于超精密运动控制领域,具体涉及一种基于FIR滤波的鲁棒逆模型学习增益设计方法。
背景技术
超精密运动系统是光刻机的核心组成部分,其对高动态参考运动轨迹的跟踪性能直接决定整机的技术指标。目前,高端光刻机对其运动系统的伺服精度和调整时间需求分别已经达到纳米和毫秒量级,这对前馈补偿水平提出了极高要求。迭代学习控制是一类智能控制技术,在运动控制中展现出了极强的前馈补偿能力,十分适用于诸如光刻机工件台这种难以准确建模且受到未知外部扰动影响的复杂运动系统。在实际运动控制应用中,鲁棒逆模型迭代学习控制方法是最常用的迭代学习前馈控制技术,具有鲁棒性强、收敛速度快、学习带宽高的优点。然而,对于光刻机工件台这样对伺服性能要求极高的运动系统,需要进一步挖掘其性能潜力。目前,被广泛推荐采用的鲁棒逆模型迭代学习控制方法的学习增益通常由系统标称模型的逆与零相位低通滤波器串联组成。由于零相位滤波器实现起来较为繁琐,实际中通常采用普通低通滤波器联合时间超前环节加以代替,实现近似零相位滤波的效果。但普通低通滤波器难以实现规定的阻带起始频率和阻带衰减,并且不具有线性相移性质,导致时间超前补偿数量难以确定。由于关键参数整定困难,现有方法难以实现最佳补偿效果。
发明内容
本发明的目的是为了解决现有方法普通低通滤波器和时间超前环节难以有效设计的问题,提供一种基于FIR滤波的鲁棒逆模型学习增益设计方法,进一步提升运动控制系统的前馈补偿能力、提升光刻机运动台的伺服性能,具有重要的工程应用价值。
本发明鲁棒逆模型迭代学习控制的目标是,通过伺服误差学习不断提升运动系统的伺服精度,其学习增益由闭环系统标称模型的逆低通滤波器H(z)和时间超前环节zτ三部分串联组成;所述方法采用具有线性相移特性的FIR低通滤波器替代现有技术中的传统低通滤波器,并通过补偿FIR低通滤波器的线性相移实现零相位滤波。
为实现上述目的,本发明采取的技术方案如下:
一种基于FIR滤波的鲁棒逆模型学习增益设计方法,所述方法适用于鲁棒逆模型迭代学习控制方法,具体表示为:
ui+1[k]=ui[k]+L(z)ei[k]
其中,ui+1[k]代表第i+1次试验在t=kT时刻的前馈控制输入,ui[k]代表第i次试验在t=kT时刻的前馈控制输入,ei[k]代表第i次试验在t=kT时刻的前馈控制伺服误差,正整数i为迭代试验序号,t为连续时间变量,k为自然数,T为控制系统的采样周期,L(z)代表学习增益,z代表系统离散传递函数的z算子;
其中,自然数τ为所需时间超前补偿数量;
所述G0(z)、H(z)和τ的设计步骤具体为:
(1)对于前馈控制输入在反馈控制器前注入闭环系统的二自由度运动控制结构,定义P(z)为运动系统、C(z)为反馈控制器,此时G0(z)按照如下公式计算:
其中,P0(z)是通过机理建模得到的运动系统P(z)的标称模型;
(2)将H(z)设计为具有线性相移的FIR低通滤波器,形式如下
h(n)=hd(n)w(n)
其中,h(n)为FIR低通滤波器H(z)的单位脉冲响应,hd(n)为理想低通滤波器Hd(z)的单位脉冲响应,w(n)为窗函数,N为窗的长度,n为0~N-1之间的自然数;
Hd(z)的频率特性函数形式如下:
(3)选取时间超前补偿数量τ=η。
进一步地,所述窗函数w(n)为Kaiser窗函数,形式如下:
其中,β≥0是可自由选择的参数;
I0(·)是第一类零阶变型贝塞尔函数,用无穷级数来表示
此级数用有限项来近似,项数多少由精度决定,选取其前20项之和来近似;
RN(n)形式如下
进一步地,H(z)的具体设计步骤包括:
(1)通过确定低通滤波器H(z)的通带截止频率ωp和阻带起始频率ωs来确定ωc;
考虑G0(z)和闭环系统实际模型之间的模型误差,选取ωp等于闭环控制系统带宽,选取ωs等于运动系统一阶谐振频率;那么,选取ωc=(ωp+ωs)/2;
(2)通过确定阻带最小衰减As确定Kaiser窗长度N和参数β,采用如下公式:
(3)计算窗函数w(n);
(4)根据Hd(ejω)计算hd(n)
(5)计算h(n)。
进一步地,在实际应用中需对参考运动轨迹进行预驱动设计,避免即由于ei[τ]≠0而存在不期望的阶跃响应。具体方法为:将S型参考运动轨迹向前延拓一定长度,预驱动阶段参考运动轨迹取值为S型参考运动轨迹起始点数值。
本发明相对于现有技术的有益效果为:对比学习增益使用零相位低通滤波器的鲁棒逆模型迭代学习控制方法,本发明的方法实现方式更加简单;另外,对比学习增益使用普通低通滤波器的鲁棒逆模型迭代学习控制方法,本发明公开方法中FIR低通滤波器通过设计可以直接实现规定的阻带起始频率和阻带衰减,并且在阻带起始频率前具有线性相移特性,时间超前补偿数量可以直接通过计算得到,可以在更大频率范围实现零相位滤波,克服了参数整定的盲目性,可有效保证实际应用中达到预期补偿效果。
附图说明
图1为实施例1采用的二自由度运动控制结构示意图;
图2为实施例1中闭环系统及其标称模型的幅频特性对比图;
图3为FIR低通滤波器与普通低通滤波器幅频特性对比图;
图4为FIR低通滤波器与普通低通滤波器相频特性对比图;
图5为拟跟踪参考运动轨迹与延拓后参考运动轨迹对比图;
图6为采用FIR低通滤波器与普通低通滤波器在不同迭代周期的RMS伺服误差对比图;
图7为采用FIR低通滤波器与普通低通滤波器在第5个迭代周期的伺服误差对比图。
具体实施方式
下面结合附图和实施例对本发明的技术方案作进一步的说明,但并不局限于此,凡是对本发明技术方案进行修正或等同替换,而不脱离本发明技术方案的精神范围,均应涵盖在本发明的保护范围之中。
实施例1:
采用如图1所示的二自由度控制方案对直线运动系统进行轨迹跟踪控制,其中前馈控制采用鲁棒逆模型迭代学习控制方法,采用本发明公开方法对其学习增益进行设计。
进而可设计合理反馈控制器C(z),在该反馈控制器下,闭环系统实际模型G(z)与G0(z)的幅频特性如图2所示,可见两者在高频段存在较大的模型误差。
选取低通滤波器H(z)的通带截止频率ωp=0.04π(rad/T),等价于100Hz,略大于图2所示的闭环控制系统带宽。
选取低通滤波器H(z)的阻带起始频率ωs=0.1π(rad/T),等价于250Hz,略大于图2所示的运动系统1阶谐振频率。
选取低通滤波器H(z)的阻带最小衰减As为100dB,对高频模型误差具有足够强的抑制能力。
根据ωp、ωs、As计算ωc=0.07π(rad/T)、N=214、τ=η=107、β=10.0613。
最终得到的FIR低通滤波器H(z)的幅频特性和相频特性分别如图3和图4所示。
对于如图5所示拟跟踪的S型参考运动轨迹,向前延拓300个采样点,取值为拟跟踪的S型参考运动轨迹的起始点数值。
如果采用若干个二阶惯性环节串联作为低通滤波器,选取阻尼比为0.701,使得低通滤波器自身不产生谐振频率,若想实现近似于图3所示FIR低通滤波器的幅频特性,二阶惯性环节的串联个数为6、自振角频率选取为100Hz,所得普通滤波器的幅频特性和相频特性分别如图3和图4所示。
对比图4中两种滤波器的相频特性可见,FIR滤波器在250Hz以前都具有线性相移,因此FIR滤波器的时间超前补偿更易设计,而且可以在更大的频率范围内实现零相位滤波;另外,对比图3中两种滤波器的幅频特性可见,FIR滤波器的带宽实际上比普通滤波器的带宽更大,这样有助于加快学习过程的收敛速度。图6、图7分别给出了使用FIR滤波器和普通滤波器(τ=67,经过细致整定得到的最优值)的伺服误差对比图,充分验证了上述分析结果,表明了本专利公开方法在关键参数整定中的便利性以及实现性能的优越性。
Claims (2)
1.一种基于FIR滤波的鲁棒逆模型学习增益设计方法,其特征在于:所述方法适用于鲁棒逆模型迭代学习控制方法,具体表示为:
ui+1[k]=ui[k]+L(z)ei[k]
其中,ui+1[k]代表第i+1次试验在t=kT时刻的前馈控制输入,ui[k]代表第i次试验在t=kT时刻的前馈控制输入,ei[k]代表第i次试验在t=kT时刻的前馈控制伺服误差,正整数i为迭代试验序号,t为离散时间变量,k为自然数,T为控制系统的采样周期,L(z)代表学习增益,z代表系统离散传递函数的z算子;
其中,自然数τ为所需时间超前补偿数量;
所述G0(z)、H(z)和τ的设计步骤具体为:
(1)对于前馈控制输入在反馈控制器前注入闭环系统的二自由度运动控制结构,定义P(z)为运动系统、C(z)为反馈控制器,此时G0(z)按照如下公式计算:
其中,P0(z)是通过机理建模得到的运动系统P(z)的标称模型;
(2)将H(z)设计为具有线性相移的FIR低通滤波器,形式如下
h(n)=hd(n)w(n)
其中,h(n)为FIR低通滤波器H(z)的单位脉冲响应,hd(n)为理想低通滤波器Hd(z)的单位脉冲响应,w(n)为窗函数,N为窗的长度,n为0~N-1之间的自然数;
Hd(z)的频率特性函数形式如下:
(3)选取时间超前补偿数量τ=η;
所述窗函数w(n)为Kaiser窗函数,形式如下:
其中,β≥0是可自由选择的参数;
I0(·)是第一类零阶变型贝塞尔函数,用无穷级数来表示
此级数用有限项来近似,项数多少由精度决定,选取其前20项之和来近似;
RN(n)形式如下
H(z)的具体设计步骤包括:
(1)通过确定低通滤波器H(z)的通带截止频率ωp和阻带起始频率ωs来确定ωc;
考虑G0(z)和闭环系统实际模型之间的模型误差,选取ωp等于闭环控制系统带宽,选取ωs等于运动系统一阶谐振频率;那么,选取ωc=(ωp+ωs)/2;
(2)通过确定阻带最小衰减As确定Kaiser窗长度N和参数β,采用如下公式:
(3)计算窗函数w(n);
(4)根据Hd(ejω)计算hd(n)
(5)计算h(n)。
2.根据权利要求1所述的一种基于FIR滤波的鲁棒逆模型学习增益设计方法,其特征在于:将S型参考运动轨迹向前延拓一定长度,预驱动阶段参考运动轨迹取值为S型参考运动轨迹起始点数值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111592558.XA CN114265314B (zh) | 2021-12-23 | 2021-12-23 | 一种基于fir滤波的鲁棒逆模型学习增益设计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111592558.XA CN114265314B (zh) | 2021-12-23 | 2021-12-23 | 一种基于fir滤波的鲁棒逆模型学习增益设计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114265314A CN114265314A (zh) | 2022-04-01 |
CN114265314B true CN114265314B (zh) | 2022-06-24 |
Family
ID=80829349
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111592558.XA Active CN114265314B (zh) | 2021-12-23 | 2021-12-23 | 一种基于fir滤波的鲁棒逆模型学习增益设计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114265314B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1967386A (zh) * | 2005-11-17 | 2007-05-23 | 中国科学院电工研究所 | 步进扫描光刻机晶片台掩模台同步控制系统 |
CN101997492A (zh) * | 2010-09-29 | 2011-03-30 | 东南大学 | 基于简化模糊神经网络的增强维纳模型的功放预失真方法 |
CN103135357A (zh) * | 2011-11-25 | 2013-06-05 | 上海微电子装备有限公司 | 工件台和掩模台的同步控制方法及其系统 |
CN105068564A (zh) * | 2015-08-03 | 2015-11-18 | 北京理工大学 | 一种压电陶瓷作动器的位移控制方法 |
CN109015661A (zh) * | 2018-09-29 | 2018-12-18 | 重庆固高科技长江研究院有限公司 | 工业机器人迭代学习修正轨迹误差的方法 |
CN109062044A (zh) * | 2018-08-03 | 2018-12-21 | 北京航空航天大学 | 一种终端迭代学习对接控制方法 |
CN109314505A (zh) * | 2015-11-23 | 2019-02-05 | 安乐泰克有限公司 | 可变滤波器 |
CN113031439A (zh) * | 2021-03-01 | 2021-06-25 | 哈尔滨工业大学 | 一种双运动台精密协同控制系统及方法 |
CN113031461A (zh) * | 2019-12-24 | 2021-06-25 | 沈阳智能机器人创新中心有限公司 | 超精密运动台半实物仿真系统及方法 |
CN113241973A (zh) * | 2021-06-17 | 2021-08-10 | 吉林大学 | S型滤波器迭代学习控制直线电机轨迹跟踪控制方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8014881B2 (en) * | 2007-02-15 | 2011-09-06 | Asml Netherlands B.V. | Lithographic apparatus and device manufacturing method |
-
2021
- 2021-12-23 CN CN202111592558.XA patent/CN114265314B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1967386A (zh) * | 2005-11-17 | 2007-05-23 | 中国科学院电工研究所 | 步进扫描光刻机晶片台掩模台同步控制系统 |
CN101997492A (zh) * | 2010-09-29 | 2011-03-30 | 东南大学 | 基于简化模糊神经网络的增强维纳模型的功放预失真方法 |
CN103135357A (zh) * | 2011-11-25 | 2013-06-05 | 上海微电子装备有限公司 | 工件台和掩模台的同步控制方法及其系统 |
CN105068564A (zh) * | 2015-08-03 | 2015-11-18 | 北京理工大学 | 一种压电陶瓷作动器的位移控制方法 |
CN109314505A (zh) * | 2015-11-23 | 2019-02-05 | 安乐泰克有限公司 | 可变滤波器 |
CN109062044A (zh) * | 2018-08-03 | 2018-12-21 | 北京航空航天大学 | 一种终端迭代学习对接控制方法 |
CN109015661A (zh) * | 2018-09-29 | 2018-12-18 | 重庆固高科技长江研究院有限公司 | 工业机器人迭代学习修正轨迹误差的方法 |
CN113031461A (zh) * | 2019-12-24 | 2021-06-25 | 沈阳智能机器人创新中心有限公司 | 超精密运动台半实物仿真系统及方法 |
CN113031439A (zh) * | 2021-03-01 | 2021-06-25 | 哈尔滨工业大学 | 一种双运动台精密协同控制系统及方法 |
CN113241973A (zh) * | 2021-06-17 | 2021-08-10 | 吉林大学 | S型滤波器迭代学习控制直线电机轨迹跟踪控制方法 |
Non-Patent Citations (2)
Title |
---|
Modeling and sliding-mode control of wafer stage in lithrography machines;Yue Dong.etc;《IEEE》;20190902;全文 * |
基于宏微驱动的光刻机掩模台控制系统设计;饶裕等;《自动化技术与应用》;20171025;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114265314A (zh) | 2022-04-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Robinson et al. | Robustness effects of a prefilter in generalised predictive control | |
CN110071676A (zh) | 一种柔性机器人关节伺服系统的振动抑制方法和装置 | |
CN113183154B (zh) | 一种柔性关节机械臂的自适应反演控制方法 | |
WO2022160894A1 (zh) | 基于迭代学习的数控机床快速误差补偿控制系统及方法 | |
CN108153242A (zh) | 一种进给系统伺服控制器及其控制方法和参数设置方法 | |
CN110221541A (zh) | 伺服系统中前馈控制器的前馈系数获取装置、方法 | |
CN105932930A (zh) | 电动机控制装置 | |
CN110955176B (zh) | 一种基于模型跟踪控制的伺服系统末端残余振动抑制方法 | |
CN114265314B (zh) | 一种基于fir滤波的鲁棒逆模型学习增益设计方法 | |
CN113467340A (zh) | 改进的一阶线性自抗扰控制系统及其参数整定方法 | |
CN114625008B (zh) | 一种自整定非线性迭代学习控制方法 | |
CN112636349A (zh) | 一种有源滤波器的电流控制装置及方法 | |
JPH077285B2 (ja) | プラント制御装置 | |
CN112650051B (zh) | 一种广义二自由度pid控制器的预期动态整定方法 | |
CN107134999A (zh) | 一种自适应变增益快速响应锁相环改进方法 | |
CN108258692B (zh) | 一种参数自适应调整的谐波补偿方法及装置 | |
CN113315413B (zh) | 压电直线电机的滤波器型二阶终端离散滑模控制器设计方法 | |
CN112068423B (zh) | 有限值幂次吸引重复控制器设计方法 | |
CN115248554A (zh) | 一种运动控制系统的最优迭代前馈调参方法及系统 | |
CN112987561B (zh) | 一种有限时间轨迹跟踪的鲁棒滤波器型迭代学习控制方法 | |
CN114505844A (zh) | 一种面向工业机器人的残余振动抑制系统及方法 | |
CN112904798A (zh) | 基于时频分析的二轴运动系统轮廓误差补偿方法及装置 | |
CN108631315A (zh) | 基于泰勒级数展开的重复控制分数延迟滤波器设计方法 | |
CN112372639A (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 | |
Lu et al. | Mechanical resonance suppression based on self-tuning notch filter for servo system |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |