基于cmac神经网络的能动磨盘智能控制试验研究-强激光与粒子束.pdf

基于cmac神经网络的能动磨盘智能控制试验研究-强激光与粒子束.pdf

  1. 1、本文档共5页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
基于cmac神经网络的能动磨盘智能控制试验研究-强激光与粒子束

! 第# 卷! 第$ 期 强 激 光 与 粒 子 束 %’( # ,)( $! ! *++, 年$ 月 -./- 01234 56734 6)8 0649.:53 ;367 7=( ,*++,! 文章编号:! ++?@A**(*++, )+$?@AA?+B 基于!#! 神经网络的能动磨盘智能控制实验研究! 范! 斌,! 万勇建,! 杨! 力,! 曾志革,! 伍! 凡,! 吴时彬 (中国科学院光电技术研究所,成都,+*+$ ) ! ! 摘! 要:! 针对能动磨盘面形控制系统的非线性和多变量特点,提出了基于:6: 神经网络的能动磨盘 面形智能控制方法,以:6: 神经网络来映射磨盘面型和控制脉冲之间复杂的关系。为验证上述智能控制方 法,搭建了由有效变形口径为@*+ CC 能动磨盘和,+ 路微位移阵列传感器组成的A 单元能动磨盘面形检测实 验平台,在该实验平台上进行了多组实验,利用微位移阵列传感器分别检测出能动磨盘在 单元、* 单元和A 单元驱动器作用下实验面形相对于理论面形的偏差,其中峰谷值分别为+ ( $$ ,* ( A@ 和* ( ,# !C ,均方根值分别 为+ ( $ ,+ ( B$ 和+ ( BD !C ,实验结果验证了能动磨盘:6: 神经网络智能控制的可行性。 ! ! 关键词:! 光学加工;! 能动磨盘;! :6: ;! 神经网络;! 智能控制 ! ! 中图分类号:! 9ED ( ,! ! ! ! 文献标识码:! 6 ! ! 在大型非球面光学加工中,虽然计算机控制小磨具技术日趋成熟,但采用小磨具进行局部研磨来产生非球 面面形容易形成局部的高频残差而且加工效率低,很难满足空间光学、天文观测、地空监测等领域对大尺寸高 陡度非球面光学元件的要求。能动磨盘技术采用大尺寸刚性盘作为基盘,在周边可变应力的作用下,盘的面形 可以实时地进行变形,以适配非球面不同离轴位置上的吻合研磨,因而具有优先去除表面最高点的特点,并能 够很好地控制中、高频残差的出现,有效地提高加工效率[?A ]。 ! ! 针对能动磨盘面形控制系统非线性和多变量的特点,尤其是控制高陡度离轴非球面的变形,我们引入了小 脑模型神经网络(F=G=H=’’IG CJ=’ IGKLFM’IKLN FNKG’’=G ,:6: )来实现能动磨盘变形控制。其基本原理是:以 磨盘面形参数作为:6: 神经网络的输入样本,控制脉冲作为:6: 神经网络的输出样本,训练:6: 神经 网络使网络的输出满足精度要求,从而将训练完成的网络作为控制器实现能动磨盘的智能控制。为验证该方 法的可行性,本文在相关的实验平台上进行了多组能动磨盘:6: 神经网络智能控制实验。 $% !#! 神经网络能动磨盘智能控制原理 [@?D ] ! ! :6: 由O( 7( 6’HMP 于*+ 世纪D+ 年代提出 ,它是基于表格查询(9IH’= 5Q )式输入输出的局部神经 网络模型,能够逼近多维输入输出信号间复杂的非线性函数关系。 ! ! 假定受控系统的逆模型(. )存在且唯一,利用神经网络并通过学习建立其逆模型,然后就可直接用逆模 型作为控制器。这就是最常用的直接逆建模控制方案(8.: )。针对能动磨盘系统,其非线性系统的面形控 制问题描述为 ! $ % (! , ) ( ) # 式中:% (! , )即为能动磨盘电机的驱动电压与变形量之间的数学模型,是未知的;! 为系统的状态,即用

文档评论(0)

wangsux + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档