用于线性电机基于逆的前馈控制的物理引导神经网络
系统与控制
2021-03-11 v1 系统与控制
摘要
半导体制造中日益提高的吞吐规格要求高精度机电系统（如线性电机）在更高加速度下运行。这反过来产生了更高的非线性寄生力，工业前馈控制器无法处理。受此问题驱动，本文开发了一个使用物理引导神经网络（PGNNs）进行基于逆的前馈控制器设计的通用框架。与黑盒神经网络不同，所开发的PGNNs在输入层和隐藏层中嵌入了先验物理知识，从而改善了训练收敛性并学习了潜在的物理规律。该PGNN基于逆的前馈控制框架在工业线性电机的仿真中得到验证，其在仿真中实现的平均跟踪误差比质量-加速度前馈小二十倍。
引用
@article{arxiv.2103.06092,
title = {Physics-Guided Neural Networks for Inversion-based Feedforward Control applied to Linear Motors},
author = {Max Bolderman and Mircea Lazar and Hans Butler},
journal= {arXiv preprint arXiv:2103.06092},
year = {2021}
}
备注
Submitted to 2021 IEEE Conference on Control Technology and Applications