基于数据驱动的大行程超精密工作台多变量控制研究

High-performance control of large stroke and ultra-precision motion stages is the key to ensure the performance of the ultra-precision machining and testing equipment, such as lithography machine for the production of integrated circuits and atomic force microscope. In contrast to the traditional model-based control，the data-driven control does not require the plant modeling, and mines deeply the useful information from I/O data to directly optimize the controllers. The data-driven control overcomes the limitation of the modeling error on the control performance, and consequently, provides a potential approach to enhance the servo performance of large stroke and ultra-precision motion stages. Aimed at multiple degrees-of-freedom motion with submicron/nanometer accuracy, this project systematically studies the data-driven multivariable control method for large stroke and ultra-precision motion stages. First of all, a data-driven dynamic decoupling control method is synthesized to minimize the internal coupling under the existence of noise and disturbances. For the single-input single-output systems after decoupling, a data-driven composite feedforward control method is studied to adaptively match the repetitive trajectory and varying trajectory, and achieve excellent tracking performance regardless of reference variations. Finally, a data-driven convergence-rate-oriented iterative feedback tuning method is investigated to improve the convergence rate on the premise of closed-loop stability and realize the optimal rejection of noise and disturbances. The research results will strongly promote the theory development of the data-driven control and its application in the field of ultra-precision motion control, and at the same time establish a solid foundation for the innovative development of the ultra-precision machining and testing equipment.

大行程超精密工作台的高性能控制是保证光刻机、原子力显微镜等超精密加工与检测装备整机性能的关键。与传统基于模型的控制方法相比，数据驱动控制无需对被控对象建模，它从I/O数据中挖掘出有用信息并将其直接应用于控制器的优化设计，突破建模误差对控制性能的限制，为改善大行程超精密工作台的伺服性能提供了新思路。本项目围绕大行程超精密工作台的亚微米/纳米级精度的多自由度运动控制难题，系统性地研究数据驱动多变量控制方法，包括：研究数据驱动动态解耦控制，在噪声与扰动环境下实现各自由度间的理想解耦；研究数据驱动复合前馈控制，实现对重复性轨迹与变化轨迹的自适应匹配，提高轨迹跟踪精度；研究数据驱动快速迭代反馈整定，在闭环稳定的前提下提高迭代收敛速度，实现对噪声与扰动的最优抑制。本项目的研究成果将有力促进数据驱动控制理论的发展及其在超精密运动控制领域的应用，同时为超精密加工与检测装备的创新发展奠定坚实的基础。

大行程超精密工作台的高性能控制是保证光刻机、原子力显微镜等超精密加工与检测装备整机性能的关键。在亚微米/纳米级精度领域，建模误差导致传统基于模型的控制方法往往难以达到理想的控制效果。数据驱动控制无需对被控对象建模，它从I/O数据中挖掘出有用信息并将其直接应用于控制器的优化设计，突破建模误差对控制性能的限制，为改善大行程超精密工作台的伺服性能提供了新思路。本项目围绕大行程超精密工作台的亚微米/纳米级精度的多自由度运动控制难题，系统性地研究了数据驱动多变量控制方法。首先，提出了一种基于辅助变量法的数据驱动动态解耦控制方法，利用辅助变量法构造动态解耦控制的目标函数，克服了噪声与扰动对参数整定的影响，建立了多变量系统中目标函数的梯度与Hessian矩阵的数据驱动估计方法，在噪声与扰动环境下实现了各自由度间的理想解耦。然后，提出了一种数据驱动复合前馈控制方法，建立了定结构前馈控制器参数与迭代学习控制器输出的映射关系，以参考轨迹变化状态为基准，给出了数据驱动定结构前馈控制与迭代学习控制的自适应切换机制，实现了任意轨迹跟踪任务下的高精度运动。最后，提出了一种数据驱动快速迭代反馈整定方法，建立基于H∞范数的闭环稳定判据及其数据驱动估计方法，利用函数逼近思想创新性地提出一种具有双层循环的参数整定算法，在稳定闭环系统的前提下有效提高了迭代反馈整定的收敛速度，实现了对噪声与扰动的最优抑制。项目研究成果在本领域重要学术期刊IEEE-T-IE、IEEE-T-II等上发表论文7篇（均标注基金资助号），成功应用于国家02专项课题（2009ZX02208-001）自主研发的光刻机硅片台，使其性能指标提高了5%以上。本项目研究成果有力促进数据驱动控制理论的发展及其在超精密运动控制领域的应用，同时为超精密加工与检测装备的创新发展奠定坚实的基础。在本项目支持下，参加国内外学术会议10人次，共培养了博士生1名、硕士生5名。