一维纳米定位控制系统

李瑞君; 赵文楷; 何园涛; 黄强先

doi:10.3788/IRLA201847.1017005

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

一维纳米定位控制系统

李瑞君, 赵文楷, 何园涛, 黄强先

文章导航 > 红外与激光工程 > 2018 > 47(10): 1017005-1017005(6)

李瑞君, 赵文楷, 何园涛, 黄强先. 一维纳米定位控制系统[J]. 红外与激光工程, 2018, 47(10): 1017005-1017005(6). doi: 10.3788/IRLA201847.1017005

引用本文:

李瑞君, 赵文楷, 何园涛, 黄强先. 一维纳米定位控制系统[J]. 红外与激光工程, 2018, 47(10): 1017005-1017005(6). doi: 10.3788/IRLA201847.1017005

Li Ruijun, Zhao Wenkai, He Yuantao, Huang Qiangxian. One-dimensional nano-positioning control system[J]. Infrared and Laser Engineering, 2018, 47(10): 1017005-1017005(6). doi: 10.3788/IRLA201847.1017005

Citation:

Li Ruijun, Zhao Wenkai, He Yuantao, Huang Qiangxian. One-dimensional nano-positioning control system[J]. Infrared and Laser Engineering, 2018, 47(10): 1017005-1017005(6). doi: 10.3788/IRLA201847.1017005

一维纳米定位控制系统

doi: 10.3788/IRLA201847.1017005

1.
合肥工业大学仪器科学与光电工程学院,安徽合肥 230009

基金项目:

国家自然科学基金面上项目（51675157）

详细信息

作者简介:
李瑞君(1976-),男,副教授,硕士生导师,博士,主要从事微纳米测量技术及系统方面的研究。Email:rj-li@hfut.edu.cn

中图分类号: TM930.2

One-dimensional nano-positioning control system

1.
School of Instrument Science and Opto-electric Engineering,Hefei University of Technology,Hefei 230009,China

摘要: 研制了一套以数字信号处理（DSP）芯片为控制器的一维纳米定位控制系统。该系统主要由驱动平台、微型迈克尔逊干涉仪、DSP控制器等三个模块组成。其中驱动平台模块由线性滑轨、超声波马达HR4和驱动器AB2组成。HR4配合其专用驱动器AB2利用摩擦力来驱动侧面贴有陶瓷片的线性滑轨，微型迈克尔逊干涉仪用来感测滑轨的位移。基于BP神经网络的PID控制算法和迈克尔逊干涉仪的信号处理运算全部由DSP控制器完成。实验结果表明，该定位系统行程为20 mm，定位精度优于10 nm，重复定位标准偏差为7 nm。该定位系统具有系统架构简单，定位精度高等优点，可用于大行程高精度定位应用场合。
- 定位控制系统 /
- DSP芯片 /
- 迈克尔逊干涉仪 /
- BP神经网络
Abstract: A one-dimensional nano-positioning control system based on a controller using DSP (Digital signal processor) chip was developed. The system was mainly composed of a driving stage, a miniature Michelson interferometer and a DSP controller. The driving stage module included a linear stage, an ultrasonic motor HR4 and a motor driver AB2. The HR4 and AB2 were used to drive the ceramic strip adhered to the side of the linear stage by friction. The miniature Michelson interferometer was used to detect the displacement of the stage. Both the PID control algorithm based on BP neural network and the signal processing of the Michelson interferometer were finished by the DSP controller. The experimental results show that the positioning accuracy of the nano-positioning system is better than 10 nm within 20 mm range, and the standard deviation of repeated positioning is 7 nm. The positioning system has the advantages of simple structure, high positioning accuracy, and can be used on the occasion of high-precision positioning.
- positioning control system /
- DSP chip /
- Michelson interferometer /
- BP neural network

[1]	Jung S, Kim S. Improvement of scanning accuracy of PZT piezoelectric actuators by feed-forward model-reference control[J]. Precision Engineering, 1994, 16(1):57-63.
[2]	Fan K C, Fei Y T, Yu X F, et al. Development of a low-cost micro-CMM for 3D micro/nano measurements[J]. Measurement Science and Technology, 2006, 17(3):524-532.
[3]	Steinmetz C R. Sub-micron position measurement and control on precision machine tools with laser interferometer[J]. Prec Eng, 1990, 12(1):12-24.
[4]	Polit S, Dong J. Development of a high-bandwidth XY nanopositioning stage for high-rate micro/nano-manufacturing[J]. IEEE/ASME Trans Mechatronics, 2011, 16(4):724-733.
[5]	Ji H W, Wen Y Q. Model and control on hysteresis of piezoelectric actuator[J]. Advanced Materials Research, 2011, 179:635-640.
[6]	Haitjem A H. Achieving traceability and sub-nanometer uncertainty using interferometric techniques[J]. Measurement Science and Technology, 2008, 19:1-6.
[7]	Heydemann P L M. Determination and correction of quadrature fringe measurement errors in interferometers[J]. Applied Opt, 1981, 20(9):3382-3384.
[8]	Fang C. An improved design of the linear diffraction grating interferometer[J]. Proceedings of ASPEN, 2009, 11:11-13.
[9]	Sirisena H, Teng F. Multivariable pole-zero placement selftuning controller[J]. International Journal of Systems Science, 1986, 17:345-352.
[10]	Wang J, Kang L Y, Cao B G. Neural network PID control of a distributed power generation system based on renewable energy[J]. Journal of Applied Sciences, 2005, 5(10):1772-1776.
[11]	Dai Junke, Jiang Haiming, Zhong Qirun, et al. LD temperature control system based on self-tuning fuzzy PID algorithm[J]. Infrared and Laser Engineering, 2014, 43(10):3287-3291. (in Chinese)
[12]	Zhan Juntong, Fu Qiang, Duan Jin, et al. Stability improvement of DFB laser driving power using digital position PID algorithm[J]. Infrared and Laser Engineering, 2015, 44(6):1757-1761. (in Chinese)

[1]	姚姝含, 官莉. 基于星载红外高光谱观测用机器学习算法反演大气温湿廓线 . 红外与激光工程, 2022, 51(8): 20210707-1-20210707-12. doi: 10.3788/IRLA20210707
[2]	张颖, 李河申, 王昊, 孙军华, 张晞, 刘惠兰, 吕妍红. 基于神经网络的典型地物的偏振多光谱图像分类（特邀） . 红外与激光工程, 2022, 51(6): 20220249-1-20220249-8. doi: 10.3788/IRLA20220249
[3]	郑晨, 冯文林, 何思杰, 李邦兴. 用于测量折射率的光纤迈克尔逊干涉型传感器 . 红外与激光工程, 2022, 51(5): 20210327-1-20210327-5. doi: 10.3788/IRLA20210327
[4]	沙金巧, 杨俊义, 范君柳, 王军. 迈克尔逊干涉仪在相位相干成像测量系统中的应用 . 红外与激光工程, 2022, 51(11): 20220396-1-20220396-8. doi: 10.3788/IRLA20220396
[5]	王瑞, 苏秀琴, 乔永明, 吕涛, 王轩, 王凯迪. 基于双前馈+双神经网络自适应快速反射镜的解耦控制 . 红外与激光工程, 2021, 50(11): 20210194-1-20210194-7. doi: 10.3788/IRLA20210194
[6]	张银波, 李思宁, 姜鹏, 孙剑峰. PCA特征提取和弹性BP神经网络的水下气泡识别 . 红外与激光工程, 2021, 50(6): 20200352-1-20200352-7. doi: 10.3788/IRLA20200352
[7]	岳端木, 孙会来, 杨雪, 孙建林. 飞秒激光环切加工不锈钢微孔工艺及其质量控制神经网络模型 . 红外与激光工程, 2021, 50(10): 20200446-1-20200446-10. doi: 10.3788/IRLA20200446
[8]	薛珊, 张振, 吕琼莹, 曹国华, 毛逸维. 基于卷积神经网络的反无人机系统图像识别方法 . 红外与激光工程, 2020, 49(7): 20200154-1-20200154-8. doi: 10.3788/IRLA20200154
[9]	蒋伟伟, 傅戈雁, 张吉平, 吉绍山, 石世宏, 刘凡. 三分光束光内同轴送丝熔覆层几何形貌预测 . 红外与激光工程, 2020, 49(3): 0305005-0305005-9. doi: 10.3788/IRLA202049.0305005
[10]	赵东波, 李辉. 基于中心矩特征和GA-BP神经网络的雷达目标识别 . 红外与激光工程, 2018, 47(8): 826005-0826005(7). doi: 10.3788/IRLA201847.0826005
[11]	刘楚, 钟凯, 史杰, 靳硕, 葛萌, 李吉宁, 徐德刚, 姚建铨. 迈克尔逊干涉法精确测量太赫兹频谱及目标速度 . 红外与激光工程, 2018, 47(11): 1117006-1117006(7). doi: 10.3788/IRLA201847.1117006
[12]	叶全意, 高英杰, 田锦, 苏守宝, 王永嘉. 基于3dB光纤耦合器构成的Mach-Zehnder光纤干涉仪稳定控制系统 . 红外与激光工程, 2017, 46(10): 1022003-1022003(5). doi: 10.3788/IRLA201787.1022003
[13]	邓永停, 李洪文, 王建立, 阴玉梅, 吴庆林. 基于DSP和FPGA的望远镜伺服控制系统设计 . 红外与激光工程, 2014, 43(3): 908-914.
[14]	粘伟, 刘兆军, 林喆, 吴春楠. 傅里叶光谱仪的光程扫描控制系统设计 . 红外与激光工程, 2013, 42(8): 2085-2091.
[15]	吴晓. LED芯片粗精定位系统 . 红外与激光工程, 2013, 42(9): 2478-2484.
[16]	王倩, 宋兴亮, 刘广义, 范元媛, 崔惠绒, 鲍洋, 周翊. 基于迈克尔逊腔光纤激光相干合成的输出特性 . 红外与激光工程, 2013, 42(1): 73-78.
[17]	孙韶媛, 李琳娜, 赵海涛. 采用KPCA和BP神经网络的单目车载红外图像深度估计 . 红外与激光工程, 2013, 42(9): 2348-2352.
[18]	曲仕茹, 杨红红. 采用Kalman_BP神经网络的视频序列多目标检测与跟踪 . 红外与激光工程, 2013, 42(9): 2553-2560.
[19]	许兆美, 刘永志, 杨刚, 王庆安. 粒子群优化BP神经网络的激光铣削质量预测模型 . 红外与激光工程, 2013, 42(9): 2370-2374.
[20]	赵洪常, 肖光宗, 汪之国, 张斌. 采用BP神经网络的四频激光陀螺零偏的光强补偿方法 . 红外与激光工程, 2013, 42(2): 355-360.

点击查看大图

计量

文章访问数: 327
HTML全文浏览量: 43
PDF下载量: 66
被引次数: 0

一维纳米定位控制系统

doi: 10.3788/IRLA201847.1017005

1. 合肥工业大学仪器科学与光电工程学院,安徽合肥 230009

作者简介:
李瑞君(1976-),男,副教授,硕士生导师,博士,主要从事微纳米测量技术及系统方面的研究。Email:rj-li@hfut.edu.cn

收稿日期: 2018-05-07
修回日期: 2018-06-12
刊出日期: 2018-10-25

基金项目:

国家自然科学基金面上项目（51675157）

中图分类号: TM930.2

关键词:

摘要: 研制了一套以数字信号处理（DSP）芯片为控制器的一维纳米定位控制系统。该系统主要由驱动平台、微型迈克尔逊干涉仪、DSP控制器等三个模块组成。其中驱动平台模块由线性滑轨、超声波马达HR4和驱动器AB2组成。HR4配合其专用驱动器AB2利用摩擦力来驱动侧面贴有陶瓷片的线性滑轨，微型迈克尔逊干涉仪用来感测滑轨的位移。基于BP神经网络的PID控制算法和迈克尔逊干涉仪的信号处理运算全部由DSP控制器完成。实验结果表明，该定位系统行程为20 mm，定位精度优于10 nm，重复定位标准偏差为7 nm。该定位系统具有系统架构简单，定位精度高等优点，可用于大行程高精度定位应用场合。