二维运动台定位误差灰箱前馈补偿方法及系统
本发明涉及精密运动控制与精密测量,具体涉及二维运动台定位误差灰箱前馈补偿方法及系统。
背景技术:
1、二维运动台广泛应用于精密加工装备、坐标测量设备以及微纳米测量系统等需要二维精密定位的场合。为兼顾结构模块化、驱动性能和控制实现难度,二维运动台通常由两个直线运动机构沿相互交叉方向组合形成二维运动结构,并采用光栅尺等位置反馈元件获得各运动轴的位置反馈,以实现闭环位置控制。
2、在实际二维运动台中,位置反馈元件的读取位置与载物台实际进行高精度定位和测量的位置通常难以完全重合。当运动轴存在俯仰角误差和偏摆角误差时,该角度误差会在位置反馈元件读取位置与载物台测量位置之间的空间偏置作用下转化为线位移误差,从而形成阿贝误差。与此同时,导轨加工和装配误差、导轨局部起伏、机构变形以及环境扰动等因素还会产生随二维空间位置变化的非线性定位误差。因此,二维运动台的实际定位误差中,既包括能够根据运动轴角度误差和空间偏置关系进行计算的误差,也包括难以通过单一解析关系准确描述的误差。
3、现有技术中,一类方法通过建立几何误差模型或阿贝误差模型,根据运动轴的俯仰、偏摆等角度误差以及测量位置之间的空间偏置关系,计算相应的定位误差并进行补偿。该类方法能够依据运动部件的几何状态及测量位置关系确定误差来源和计算关系,对具有明确几何成因的定位误差具有较好的描述能力,但对于由加工误差、装配误差、导轨局部起伏及其他复杂因素共同引起的非线性定位误差,通常难以通过单一解析模型进行准确描述。另一类方法通过多项式拟合、二维插值或误差补偿表对实测定位误差进行重构和补偿,其中双线性插值方法实现较为简单,也便于应用于现有工业运动控制器,但当标定网格较为稀疏时,相邻网格区域之间的补偿结果可能出现变化不够平滑的问题,在连续轨迹运动过程中容易造成补偿指令变化较快,从而对运动速度和加速度的平稳性产生影响。
4、神经网络也可用于根据位置坐标预测定位误差,该类方法能够拟合位置与复杂误差之间的非线性关系。但如果直接以实测总定位误差作为建模对象,则总定位误差中的阿贝误差、其他非线性误差以及测量扰动均需要由同一模型进行拟合,不仅增加模型需要处理的误差类型,也可能使模型受到测量扰动的影响,从而影响其在非标定位置的误差预测效果。
5、因此,仍有必要根据二维运动台不同定位误差的形成特点,对能够通过运动轴几何状态及空间位置关系确定的误差进行针对性计算,同时对难以通过解析关系准确描述的非线性误差采用相应的建模方式进行补偿,从而在提高定位误差补偿精度的同时,使补偿量在二维工作域内保持较为平滑的变化,并满足现有工业运动控制器对补偿数据调用和执行的实际要求。
技术实现思路
1、本发明针对二维运动台中阿贝误差与其他随空间位置变化的非线性定位误差共同影响定位精度,以及仅采用几何误差或阿贝误差解析模型、直接对总定位误差进行非线性拟合或者采用稀疏网格插值补偿时存在的不足,提供二维运动台定位误差灰箱前馈补偿方法及系统。
2、该方法首先根据运动轴的角度误差和阿贝臂计算阿贝误差,并从实测总定位误差中获得非线性残差;再根据非线性残差建立预测模型,并与阿贝误差物理模型融合形成灰箱定位误差模型;随后对所述灰箱定位误差模型进行离线高密度重构,形成高密度前馈补偿矩阵文件。所述矩阵文件由上位控制软件读取并配置为前馈补偿表,在二维运动台执行轨迹运动时根据目标位置调用相应补偿量。
3、所述二维运动台定位误差灰箱前馈补偿方法包括以下步骤:
4、s1.在二维运动台的二维工作域内设置稀疏标定网格,控制二维运动台运动至各标定位置,通过在位位移测量装置获取载物台测量平面的实际位置,根据各标定位置对应的目标位置与实际位置确定x向总定位误差和y向总定位误差,并构建二维工作域内的定位误差网格。
5、s2.获取二维运动台各运动轴的俯仰角误差、偏摆角误差,以及所述测量平面相对于对应位置反馈元件读取位置的垂直阿贝臂和水平阿贝臂,据此建立阿贝误差物理模型,并从所述定位误差网格对应的总定位误差中分离阿贝误差,得到各标定位置对应的非线性残差观测样本。
6、s3.以各标定位置的二维空间坐标作为训练输入,以对应标定位置的x向非线性残差观测值和y向非线性残差观测值作为训练目标,建立二维工作域内的非线性残差预测模型。
7、s4.将所述阿贝误差物理模型与所述非线性残差预测模型进行融合,形成用于表征二维工作域定位误差空间分布的灰箱定位误差模型。
8、s5.在二维工作域内按照小于稀疏标定网格步长的重构步长建立高密度重构网格,根据所述灰箱定位误差模型确定各高密度重构网格节点对应的补偿量,形成高密度前馈补偿矩阵,并将所述高密度前馈补偿矩阵保存为能够由上位控制软件读取的矩阵文件。
9、s6.由上位控制软件获取所述矩阵文件,根据高密度前馈补偿矩阵生成前馈补偿表,并在二维运动台执行轨迹运动时,根据轨迹规划得到的目标位置查询所述前馈补偿表,以获得对应的补偿量并实施定位误差前馈补偿。
10、进一步地,二维工作域内的总定位误差可表示为阿贝误差、非线性残差以及测量噪声的叠加:
11、;
12、其中,为二维位置向量,为二维位置p对应的总定位误差,为阿贝误差,为非线性残差,为测量噪声,为二维工作域。上述关系用于区分总定位误差中的不同组成部分,其中根据运动轴角度误差及相应阿贝臂进行计算,则表示从总定位误差中扣除阿贝误差后仍随二维空间位置变化的误差部分。
13、对于x轴,阿贝误差可根据x轴俯仰角误差、x轴偏摆角误差以及对应阿贝臂确定:
14、;
15、对于y轴,阿贝误差可表示为:
16、;
17、其中,和分别为x轴和y轴的阿贝误差,和分别为x轴和y轴对应的垂直阿贝臂,和分别为x轴和y轴对应的水平阿贝臂,和分别为x轴和y轴的俯仰角误差,和分别为x轴和y轴的偏摆角误差。各项的正负方向根据所建立坐标系以及角度正方向确定。
18、对于第i个标定位置,用于非线性残差预测模型建立的非线性残差观测样本可表示为:
19、;
20、因此,为包含测量噪声影响的非线性残差观测样本,所述观测样本用于建立二维位置与非线性残差之间的预测关系。
21、由此,以从总定位误差中扣除阿贝误差后得到的非线性残差作为非线性残差预测模型的建模数据。能够根据运动轴角度误差和阿贝臂计算的阿贝误差由阿贝误差物理模型确定,剩余随二维空间位置变化的定位误差则根据所述非线性残差样本建立相应的预测关系。
22、进一步地,所述非线性残差预测模型优选采用径向基函数神经网络(rbfnn),其隐含层采用径向基函数(rbf)。径向基函数神经网络采用输入层、隐含层和输出层构成的前馈拓扑结构,以当前二维位置坐标p作为输入,以该位置对应的x向非线性残差预测值和y向非线性残差预测值作为输出,其输出可表示为:
23、;
24、其中,m为隐含层径向基神经元数量,为第j个径向基神经元对应的输出权值向量,为第j个径向基神经元的空间中心,为径向基函数。空间中心可分布于标定阶段的空间采样网格节点,也可根据所述空间采样网格节点确定。
25、径向基函数优选采用高斯核函数:
26、;
27、其中,r为二维位置p到对应空间中心的欧氏距离,σ为平滑展宽参数。高斯核函数根据空间距离对不同核中心的局部影响进行连续加权,使非线性残差预测结果随二维位置连续变化。
28、在得到非线性残差预测模型后,将其与阿贝误差物理模型进行融合,得到灰箱定位误差模型:
29、;
30、其中,为二维位置p对应的灰箱定位误差预测值,为非线性残差预测值。所述灰箱定位误差模型将阿贝误差物理模型计算得到的阿贝误差与非线性残差预测模型得到的非线性残差预测值进行融合,使阿贝误差和其他随二维空间位置变化的非线性定位误差共同纳入定位误差预测过程,从而获得二维工作域内各位置对应的定位误差预测值。
31、进一步地,设稀疏标定网格的步长为,高密度重构网格的步长为,满足:
32、;
33、采用步长对所述灰箱定位误差模型进行离线采样,逐点获得高密度重构网格上的定位误差预测值,并将与所述定位误差预测值方向相反或者能够等效抵消该定位误差预测值的量确定为对应位置的补偿量,从而形成高密度前馈补偿矩阵。
34、在具体实施方式中,采用matlab和excel对标定数据及模型计算结果进行离线处理,根据总定位误差和阿贝误差获得非线性残差,完成非线性残差预测模型建立以及灰箱定位误差模型融合,并按照设定的重构步长对二维工作域进行高密度重构。重构得到的高密度前馈补偿矩阵经数据整理后保存为csv格式文件。所述csv格式文件由mmi观测与伺服调试软件读取,并通过二维空间前馈补偿功能将其中的位置坐标和对应补偿量配置为前馈补偿表,以供后续轨迹规划过程调用。
35、进一步地,对于沿轨迹运行的二维运动台,当补偿曲面记为,运动速度为、加速度为时,补偿指令的一阶时间变化可表示为:
36、;
37、补偿指令的二阶时间变化可表示为:
38、;
39、其中,为补偿曲面在位置p处的空间梯度,为补偿曲面的hessian矩阵。由于高斯核函数在其定义域内连续可微,基于高斯核函数获得的非线性残差预测结果具有连续的空间变化特性,有利于在高密度离线重构后降低相邻补偿位置之间补偿量的突变。
40、本发明还提供二维运动台定位误差灰箱前馈补偿系统。所述系统包括在位位移测量装置、用于离线处理标定数据的离线处理单元、上位控制软件、运动控制器以及二维运动台的驱动和执行机构。在位位移测量装置获取载物台测量平面的实际二维位置,离线处理单元根据标定数据完成阿贝误差计算与分离、非线性残差预测模型建立、灰箱定位误差模型融合和高密度重构,并形成高密度前馈补偿矩阵文件;上位控制软件读取所述矩阵文件并配置前馈补偿表;运动控制器根据轨迹规划的目标位置调用对应的补偿量,并控制二维运动台执行补偿后的轨迹运动。
41、本发明通过建立阿贝误差物理模型,根据运动轴的俯仰角误差、偏摆角误差以及相应的垂直阿贝臂和水平阿贝臂计算阿贝误差,并从实测总定位误差中分离所述阿贝误差,使具有明确几何成因且对定位精度具有显著影响的误差分量由物理模型进行描述,剩余随二维空间位置变化的非线性残差再由径向基函数神经网络进行学习,从而降低神经网络直接拟合总定位误差时所需处理的误差复杂度,实现物理模型与数据驱动模型的互补;径向基函数神经网络采用高斯核函数对非线性残差进行局部连续拟合,利用高斯核函数的局部逼近和平滑特性,有利于减弱局部测量扰动对模型拟合结果的影响,降低对高频扰动的过度拟合,使所得残差预测曲面在二维工作域内具有较好的连续性和平滑性,并提高非标定位置的误差预测能力;进一步将阿贝误差物理模型与非线性残差预测模型融合形成灰箱定位误差模型,并采用小于稀疏标定网格步长的重构步长进行离线高密度重构,将连续的灰箱误差曲面转换为现有运动控制器可直接调用的高密度前馈补偿矩阵,在无需改变工业运动控制器底层伺服闭环架构的情况下,减小采用稀疏双线性插值时网格边界处补偿梯度变化较大的问题,从而兼顾定位误差补偿精度与连续轨迹运动的平稳性;同时,以二维位置坐标作为统一输入并分别预测x向和y向非线性残差,可对二维工作域内x、y方向相关的空间定位误差进行统一建模和补偿,适用于采用光栅尺闭环反馈的正交堆叠式二维运动台及相关精密运动装备。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com