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

! 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