基于物理引导的RBF神经网络逆模型在ZTT运动平台前馈控制中的应用

摘要

精密运动平台是半导体设备的核心部件，其运动性能直接决定了整个系统的基础性能.在工程应用中，运动平台的非线性特性对精密运动控制产生显著影响，例如柔性导向、线缆力和磁浮补偿等因素引入的非线性力.前馈控制器能够有效补偿非线性扰动和轨迹偏差.然而，传统的逆模型前馈方法需要耗费大量精力来准确建立被控对象的逆模型，而流行的迭代学习前馈方法则对运动工况的重复性要求较高.此外，自适应前馈控制在参数调整过程中可能导致系统暂态响应的不稳定性.为了解决这些问题，本文提出了一种基于物理引导的径向基函数(RBF)神经网络逆模型前馈控制器.该方法利用RBF神经网络优秀的非线性函数逼近能力，并通过梯度下降法自动优化模型，显著减少了建模的工作量.此外，我们在RBF神经网络逆模型中嵌入了加速度前馈的先验经验，从而大幅降低了跟踪误差，提高了系统的响应速度.

关键词

RBF神经网络 / 前馈 / 非线性 / 精密运动台 / 解耦控制