基于RBF神经网络的快速伺服刀架迟滞特性建模

王晓慧 丁智 刘宝权 王军生 张岩

(1鞍钢股份技术中心，鞍山 114009)(2鞍钢集团自动化公司，鞍山 114009)

在追求产品小型化、集成化的今天，出现了以光学为理论基础，以微机械加工为手段制作的微光机电一体化系统，并被广泛应用于信息处理、空间技术、光纤通讯等诸多领域［1］.而具有微结构表面的光学元件由于其光学特性、摩擦性、耐磨损性等特定性能，已经成为微光机电产品的关键零部件［2-3］.由于传统机床很难满足微结构表面车削加工过程中对系统高频响、高分辨率、高次轨迹联动功能的要求，近年来，利用快速伺服刀架(FTS)作为精密微位移加工模块来车削加工微结构表面的方法已经成为微结构表面切削加工的一种主流技术［4-6］.压电陶瓷由于具有分辨率高、响应快、刚度大等优点，成为常用的FTS驱动元件，但是压电陶瓷本身所固有的迟滞、蠕变等非线性特点不但会降低FTS系统的控制精度，而且可能造成系统失稳［7］.为了减小迟滞非线性的影响，提高 FTS的跟踪控制精度，必须对其进行合理建模，从而设计相应的控制策略.近年来，针对精密制造系统中迟滞非线性系统的建模日益成为各国学者关注的焦点.文献［8］在经典Preisach模型的基础上建立了广义Preisach模型，大幅度提高了压电陶瓷的跟踪精度.文献［9-10］将神经网络引入到迟滞非线性的建模中，通过引入Preisach型迟滞算子的概念，利用神经网络来离散化Preisach模型，简化模型的辨识过程.但是由于Preisach模型属于静态模型，即迟……