论文部分内容阅读
高精密运动控制是电子制造装备的核心技术之一,随着电子产业的发展,芯片的尺寸及引线间距越来越小,生产效率不断提高,这就要求以引线键合机为代表的封装设备具有更高的加速度及定位精度。这给控制器设计带来极大的挑战。基于封装运动的典型工况,本文将快速精密运动控制关键问题分为提高系统动态性能和抑制干扰两大方面,并以音圈电机解耦平台为研究对象,设计了不同的控制补偿算法,探索了实现快速、精密运动控制的关键技术。 论文首先介绍了迭代学习的基本原理,分析了不同构型的迭代学习控制器的收敛特性,通过仿真实验验证了基于H∞鲁棒的迭代学习控制器相比其他构型具有更快速的收敛特性,并最终确定选取此种方法进行迭代学习控制设计。 其次,论文对解耦运动平台进行特性分析,获得了预紧弹簧刚度与平台最大加速度的约束关系,并通过调整其刚度获得了更佳的机构刚性。在此基础上,设计了基于敏感函数辨识的迭代学习率,通过闭环辨识的方法直接得到迭代学习控制器的表达形式,避免了传统设计方法对于反馈结构及参数的依赖,扩大了迭代学习控制在工业现场应用的范围。最后在运动平台上进行了不同加速度的轨迹跟踪和定位实验,运动平台在5.3g的定位实验中,X、Y轴可以获得±0.5μm及±0.2μm的定位精度,二者的最大跟踪误差不超过17.8μm和6.8μm。在3.6g重复轨迹跟踪实验中,X、Y轴的最大跟踪误差不超过15μm和4.3μm。实验结果表明基于迭代学习的补偿方法可以有效的提升系统的动态性能,满足引线键合机的极限工况要求。 最后,论文分析了摩擦的非线性特性及其对伺服系统的影响。为了抑制摩擦带来的扰动,本文设计了基于Stribeck模型的摩擦补偿控制器,在低速轨迹跟踪实验中,X、Y轴的轨迹跟踪误差均方差相较补偿前分别降低了67%和84%。实验结果表明,此种方法有效补偿了滑动摩擦带来的非线性扰动,提升了低速轨迹跟踪的精度;同时还提出了基于敏感函数逆的稳态误差补偿控制器,消除了不确定的静摩擦对定位精度的影响。实验结果表明,通过进入稳态后加入补偿,在不同行程的定位试验中两轴均获得了±0.2μm的定位精度。