1 空军航空维修技术学院航空电子系，湖南 长沙 410200
2 湖南省飞机维修工程技术研究中心系统维修研究室，湖南 长沙 410200
针对半导体光刻领域的超高精度热控需求，提出一种基于模型预测的热控方法。生成透镜系统的阶跃和伪随机热扰动输入信号。采用高精度测温系统测量透镜系统的温度响应数据，运用模型辨识方法获得透镜系统的热响应模型。通过滚动优化策略推导模型预测热控制律，并建立精密透镜系统的热控实验平台。热控实验结果表明，该热控方法具有收敛速度快、抗干扰能力强、精度高的优点，温控误差可控制在±8 mK内。热相差测试结果表明，该控制方法可抑制透镜系统的焦面漂移，适合应用在对温控精度要求较高的装备领域。
光学设计 模型辨识 模型预测控制 精密透镜系统 激光与光电子学进展
2022, 59(17): 1722006
1 中国科学院微电子研究所, 北京 100029
2 中国科学院大学, 北京 100049
3 北京科益虹源光电技术有限公司技术中心, 北京 100176
准分子激光器的放电过程是一个复杂的非线性过程,从而导致基于放电动力学建立的激光器放电能量模型的精度很难达到仿真研究和控制算法设计的需求。通过深度学习的方法,利用门控循环网络辨识准分子激光器放电能量模型。首先基于准分子激光器出光能量特性,选定所建立的门控循环网络的输入。然后根据门控循环神经网络的输入特性和输出特性建立适用于准分子激光器能量模型辨识的神经网络,并介绍了门控循环神经网络训练方法。最后利用实际采集的激光器的能量数据对门控循环神经网络进行训练。实验结果证明,本文所设计的门控循环神经网络收敛,辨识出来的能量模型的最大误差小于1.5%。该方法可以应用于准分子激光器能量模型的辨识。
激光器 门控循环单元网络 准分子激光器 模型辨识
中国科学院 长春光学精密机械与物理研究所, 吉林 长春 130033
为了增强望远镜的抗风载扰动能力, 提高望远镜跟踪架的跟踪精度, 本文对2 m望远镜跟踪架伺服控制系统的动态性能进行了测试和分析。首先, 采用正弦扫描信号对望远镜跟踪架的结构和伺服系统进行了频率特性测试; 其次, 采用基于观测器/卡尔曼滤波器的辨识算法, 对跟踪架控制系统的频率特性进行了模型辨识; 最后, 依据辨识获得的控制模型设计了位置和速度控制器, 然后对2 m望远镜跟踪架伺服控制系统进行了目标观测实验, 实验结果表明：当跟踪最大速度为3.5 (°)/s, 最大加速度为1 (°)/s2的目标时, 方位轴和俯仰轴的最大跟踪误差均小于4.5", 跟踪误差的RMS值分别为0.378 6"和0.151 6", 实验验证了跟踪架控制系统的良好性能。
望远镜 频率响应 模型辨识 伺服系统 telescope frequency response model identification servo system
中国电子科技集团公司光电研究院, 天津 300308
目前工程上对光电跟踪系统的控制器设计多数采用基于被控对象数学模型的控制策略。模型的辨识是否准确, 如何开展控制器设计成为系统的难点。利用DSP控制器对光电跟踪系统进行全数字方式的传递函数测试, 在线处理测试数据, 同时DSP控制器通过接收系统期望的特性参数, 自动计算出校正参数, 完成控制器框架设计。根据跟踪目标特性, 结合跟踪误差特点及工程经验库, 提出准速度/加速度补偿算法, 优化控制器, 该方法已成功应用于某光电跟踪系统。基于模型辨识设计的高精度控制器设计方法简单、实用、无附加成本, 提高了系统跟踪精度, 具有较好的使用效果。
全数字化模型辨识 光电跟踪系统 DSP控制器 准速度/加速度补偿 跟踪精度 fully digital model identification electro-optical tracking system DSP controller quasi-speed/accelerated speed compensation tracking accuracy
中国科学院长春光学精密机械与物理研究所, 吉林 长春 130033
针对大功率永磁同步电机驱动的光电跟踪转台, 提出了一种基于特征系统实现算法的控制模型辨识方法。首先, 根据永磁同步电机的矢量控制原理, 对白噪声测试系统进行了系统配置; 其次, 采用功率谱密度函数的分析方法对系统的输入和输出数据序列进行了分析, 得到了系统的频率响应函数; 最后, 通过特征系统实现算法对系统的马尔可夫参数进行了辨识, 获得了光电跟踪转台的控制模型。实验结果表明: 采用特征系统实现算法可以精确地辨识出光电跟踪转台的控制模型, 该控制模型能够较好地反映系统的动态特性, 为控制器算法的设计提供了理论依据, 具有较好的实用性。
光电跟踪转台 永磁同步电机 模型辨识 特征系统实现算法 马尔可夫参数 opto-electronic tracking turntable PMSM model identification ERA Markov parameters 红外与激光工程
2016, 45(6): 0617007
1 北方工业大学电气与控制工程学院，北京 100144
2 金川集团有限公司铜冶炼厂铜电解车间，甘肃 金昌 737100
针对铜电解槽中阴极棒电流值无法实时测量的问题，应用红外热成像技术采集电解槽阴极棒的红外图像。对原始图像进行处理与分析的基础上，获取阴极棒的表面温度值。其次，通过理论分析与数据验证，结合COMSOL 仿真软件数据建立了温度与电流之间的函数关系模型，进而求出电流值。对比实测电流值与模型电流值，结果表明：电解槽的总电流误差均在±5%以内，各阴极棒的电流误差基本在±12%以内，仅个别阴极棒电流误差偏大。该方法不仅实现了对阴极棒电流值的在线监测，而且对极间短路故障的检测提供了依据。
红外热成像 铜电解槽 模型辨识 故障检测 infrared thermal imaging copper electrolytic tank model identification fault detection
1 中国石油大学(华东) 信息与控制工程学院, 山东 青岛 266555
2 华南理工大学 机械与汽车工程学院, 广东 广州 510641
考虑基于传统的介电常数法动态测量原油含水率时存在多变量交叉敏感性, 检测精度无法满足石油生产实时优化控制的需要, 研究了利用多传感技术对存在交叉耦合的多敏感参量进行测量, 提出了一种基于多维数据驱动的遗传优化小波神经网络逆模型及其辨识方法。该模型克服了传统神经网络初始参数随机选取的盲目性, 具有全局优化和复杂非线性自学习性能, 摒弃了多影响因素之间的交叉敏感性。仿真和实验结果表明了该模型的有效性, 其模型预测值与实验标定值之间的相关系数为0.999 6, 优于BP-NN模型。该方法具有较强的泛化能力和鲁棒性, 有效抑制了温度、矿化度等多参量交叉敏感性及传感器自身非线性对测量精度的影响, 改善了多传感器系统的非线性动态特性和检测精度。
小波神经网络 逆模型 模型辨识 遗传优化 油水测量 wavelet neural network inverse model model identification genetic optimization oil-water measurement
1 中国科学院 长春光学精密机械与物理研究所,吉林 长春 130033
2 中国科学院 研究生院,北京 100039
基于光电跟踪伺服系统全数字化的特点,提出了一种新型频率特性测试方法,并对该方法所使用的激励信号、数据采集方式、幅值和相位提取算法、模型辨识算法进行了研究。利用数字运动控制器产生离散的正弦扫频信号,同时采集响应信号并存储在磁盘上,对其进行测试后,将文件导入Matlab进行数据预处理;然后,采用相关分析方法计算输入输出信号的幅度比和相位差;最后,利用递阶辨识算法将测量得到的数据转化为高精度的传递函数。实验结果表明,测试信号基本可以覆盖伺服控制系统的频带宽度,在系统的中频段可以获得幅度±0.5 dB和相位±1°的辨识精度,在高频段也可以使用双二节滤波器拟合出机械谐振频率,证明了该方法的有效性和实用性。
光电跟踪 伺服控制 频率响应测试 模型辨识 机械谐振 opto-electronic tracking servo control frequency response measurement model identification mechanical resonance
