本論文中的壓電致動平台使採用Bouc-Wen model來建立系統模型，而影響建模是否精準的系統外型參數以往都只是用試誤法來調整，非常的不方便因此本論文採用基因遺傳演算法，利用其尋優的特性來搜尋壓電平台的系統參數以達到高精密度定位控制。由於壓電致動器本身存在著磁滯與蠕動現象，會使得定位精度變差，因此本論文使用結合磁滯觀測器來設計反向前饋控制器來補償磁滯與蠕動現象，此外再加上前饋與PI回授控制器來提高定位精度，在實驗方面使用雙軸壓電平台來做循圓定位控制，此外還結合微步進平台做四軸粗微定位平台的定位控制。

In this thesis, the positioning and tracking task of the piezo-actuated stage is studied. For the piezo-actuators, its precision usually degrades due to hysteresis and creep effects. Therefore, the hysteresis nonlinearity should be modeled and compensated by the feedforward control. On the other hand, the creep effect is usually can be eliminated by the feedback control.
In this paper, the hysteresis nonlinearity is modeled by using Bouc-Wen model and the parameters of hysteresis model are identified by applying the Genetic Algorithm, which is utilized to find the optimal modeling parameters. Moreover, to improve the positioning precision of the PZT positioning stage, a PI feedback control scheme with the feedforward controller combined the hysteresis observer is proposed. In the experiments, the X-Y piezo-actuated stage is used to track the contouring tracking tasks and to validate the proposed method.

目錄

封面內頁
簽名頁
授權書 iii
中文摘要 v
ABSTRACT vi
誌謝 vii
目錄 viii
圖目錄 xi
表目錄 xvii

第一章 緒論 1
1.1 前言 1
1.2 文獻回顧 1
1.3 研究動機與目的 3
第二章 基因遺傳演算法 4
2.1 基因遺傳演算法之簡介 4
2.2 基因遺傳演算法之架構 5
2.2.1 編碼與解碼 5
2.2.2 初始族群 6
2.2.3 適應性函數 6
2.2.4 選擇與複製 6
2.2.5 交配 9
2.2.6 突變 11
2.2.7 產生新的族群 12
2.2.8 終止條件 12
2.3基因遺傳演算法的基本流程 12
2.4基因遺傳演算法之應用 14
第三章 壓電致動平台 15
3.1壓電致動平台之簡介 15
3.2 磁滯模型 16
3.2.1非對稱型之磁滯模型 17
3.2.2對稱型之磁滯模型 18
3.3 壓電致動平台之定位控制 20
3.3.1反向前饋控制 21
3.3.2應用磁滯觀測器之反向前饋補償 22
3.3.3結合反向前饋與PI回授控制 23
第四章 遺傳演算法之數值模擬與探討 25
4.1 遺傳演算法模擬之結果 25
4.1.1 位元長度之探討 25
4.1.2組群大小之探討 29
4.1.3世代數目之探討 35
4.1.4其他系統參數之探討 39
第五章 實驗結果與討論 43
5.1實驗設備 43
5.1.1壓電致動平台 43
5.1.2 感測器 43
5.1.3資料擷取卡 46
5.1.4 低通濾波器 47
5.2 應用精密位移感測器之探討 47
5.2.1 渦電流感測器與雷射干涉儀之量測 48
5.2.2 線性光學編碼器與雷射干涉儀之量測 55
5.3 控制器之探討 56
5.4 應用位移感測器之回授控制探討 60
5.5 雙軸壓電平台 66
5.6 四軸壓電-微步進粗微定位平台 80
5.6.1 粗微定位平台單軸定位任務 80
5.6.2 粗微單軸軌跡追蹤之探討 87
第六章 結論與建議 93
6.1 結論 93
6.2 未來與展望 93
參考文獻 94
圖目錄
圖2.1 輪盤機率圖 8
圖2.2單點交配示意圖 10
圖2.3多點交配示意圖 10
圖2.4均等交配示意圖 11
圖2.5突變示意圖 11
圖2.6基因遺傳演算法之流程圖 13
圖3.1磁滯曲線圖 16
圖3.2 Preisach’s Model之示意圖 18
圖3.3壓電致動平台示意圖 19
圖3.4反向前饋控制之設計 21
圖3.5應用磁滯觀測器之前饋方塊圖 23
圖3.6結合反向前饋與PI回授控制器之架構圖 24
圖4.1當位元長度為40時之磁滯曲線圖 26
圖4.2當位元長度為40時之世代與均方根誤差關係圖 27
圖4.3當位元長度為20時之磁滯曲線圖 27
圖4.4當位元長度為20時之世代與均方根誤差關係圖 28
圖4.5當位元長度為10時之磁滯曲線圖 28
圖4.6當位元長度為10時之世代與均方根誤差關係圖 29
圖4.7當群組大小為50時之磁滯曲線圖 31
圖4.8當群組大小為50時之世代與均方根誤差關係圖 31
圖4.9當群組大小為60時之磁滯曲線圖 32
圖4.10當群組大小為60時之世代與均方根誤差關係圖 32
圖4.11當群組大小為70時之磁滯曲線圖 33
圖4.12當群組大小為70時之世代與均方根誤差關係圖 33
圖4.13當位元長度為40且群組大小為50時之磁滯曲線圖 34
圖4.14當位元長度為40且群組大小為50時之世代與均方根誤差 關係圖 34
圖4.15當世代數目為50時之磁滯曲線圖 36
圖4.16當世代數目為50時之世代與均方根誤差關係圖 36
圖4.17當世代數目為60時之磁滯曲線圖 37
圖4.18當世代數目為60時之世代與均方根誤差關係圖 37
圖4.19當世代數目為70時之磁滯曲線圖 38
圖4.20當世代數目為70時之世代與均方根誤差關係圖 38
圖4.21當n=1時之磁滯曲線圖 40
圖4.22求n值時之世代與均方根誤差關係圖 40
圖4.23當b=1時之磁滯曲線圖 41
圖4.24求b值時之世代與均方根誤差關係圖 41
圖4.25當k=2945259時之磁滯曲線圖 42
圖4.26求k值時之世代與均方根誤差關係圖 42
圖5.1壓電致動平台 43
圖5.2雷射干涉儀 44
圖5.3線性光學編碼器 45
圖5.4 渦電流感測器 45
圖5.5 DAQPad-6020E 46
圖5.6 dSPACE模組 47
圖5.7 低通濾波器 47
圖5.8 連續遞減之三角波訊號 49
圖5.9當輸入連續遞減之三角波訊號時渦電流感測器之輸出 49
圖5.10當輸入連續遞減之三角波訊號時雷射干涉儀之輸出 50
圖5.11 起始電壓為1.724V時之位移與時間的關係圖 52
圖5.12 起始電壓為1.724V時渦電流感測器與干涉儀之位移誤差 52
圖5.13 起始電壓為1.38V時之位移與時間的關係圖 53
圖5.14 起始電壓為1.38V時渦電流感測器與干涉儀之位移誤差 53
圖5.15 起始電壓為1.207V時之位移與時間的關係圖 54
圖5.16 起始電壓為1.207V時干涉儀與渦電流感測器之位移誤差 54
圖5.17 干涉儀與光學編碼器之位移與時間的關係圖 56
圖5.18 干涉儀與光學編碼器之位移誤差圖 56
圖5.19 無控制器時之位移與時間關係圖 57
圖5.20無控制器時之誤差圖 58
圖5.21 使用PI回授控制器時之位移與時間關係圖 58
圖5.22使用PI回授控制器時之誤差圖 59
圖5.23 前饋＋PI回授控制器時之位移與時間關係圖 59
圖5.24前饋＋PI回授控制器時之誤差圖 60
圖5.25 反向前饋控制並結合PI回授控制之架構圖 61
圖5.26輸入頻率為1Hz以線性光學編碼器做回授訊號之位移圖 61
圖5.27輸入頻率為1Hz以線性光學編碼器做回授訊號之誤差圖 62
圖5.28 渦電流感測器未濾波之結果 62
圖5.29 輸入頻率為1Hz以渦電流感測器做回授訊號之位移圖 63
圖5.30輸入頻率為1Hz以渦電流感測器做回授訊號之誤差圖 63
圖5.31輸入頻率為2Hz以線性光學編碼器做回授訊號之位移圖 64
圖5.32輸入頻率為2Hz以線性光學編碼器做回授訊號之誤差圖 64
圖5.33 輸入頻率為2Hz以渦電流感測器做回授訊號之位移圖 65
圖5.34輸入頻率為2Hz以渦電流感測器做回授訊號之誤差圖 65
圖5.35 雙軸壓電平台 67
圖5.36 雙軸壓電平台循圓之架構圖 67
圖5.37 Case 1之循圓圖 69
圖5.38 Case 1之輪廓誤差圖 69
圖5.39 Case1之X、Y軸之位移誤差 70
圖5.40 Case 2之循圓圖 70
圖5.41 Case 2之輪廓誤差圖 71
圖5.42 Case2之X、Y軸之位移誤差 71
圖5.43 Case 3之循圓圖 72
圖5.44 Case 3之輪廓誤差圖 72
圖5.45 Case3之X、Y軸之位移誤差 73
圖5.46 Case 4之循圓圖 73
圖5.47 Case 4之輪廓誤差圖 74
圖5.48 Case 4之X、Y軸之位移誤差 74
圖5.49 Case 5之循圓圖 75
圖5.50 Case 5之輪廓誤差圖 75
圖5.51 Case5之X、Y軸之位移誤差 76
圖5.52 Case 6之循圓圖 76
圖5.53 Case 6之輪廓誤差圖 77
圖5.54 Case 6之X、Y軸之位移誤差 77
圖5.55 Case 7之循圓圖 78
圖5.56 Case 7之輪廓誤差圖 78
圖5.57 Case7之X、Y軸之位移誤差 79
圖5.58 粗微定位平台 80
圖5.59 定位控制架構圖 81
圖5.60粗微定位平台之粗定位simulink圖 81
圖5.61粗微定位平台之細定位simulink圖 82
圖5.62 10mm步階定位之步進平台位移圖 82
圖5.63 10mm步階定位之步進平台誤差圖 83
圖5.64 10mm步階定位之壓電平台位移圖 83
圖5.65 10mm步階定位之最終誤差圖 84
圖5.66 10mm步階定位之最終誤差放大圖 84
圖5.67 1mm步階定位之步進平台位移圖 85
圖5.68 1mm步階定位之步進平台誤差圖 85
圖5.69 1mm步階定位之壓電平台位移圖 86
圖5.70 1mm步階定位之最終誤差圖 86
圖5.71 1mm步階定位之最終誤差放大圖 87
圖5.72 由dSPACE控制粗微定位平台之架構圖 88
圖5.73 步階軌跡追蹤之微步進平台位移圖 88
圖5.74步階軌跡追蹤之微步進平台誤差圖 89
圖5.75步階軌跡追蹤之壓電平台位移圖 89
圖5.76步階軌跡追蹤之總誤差圖 90
圖5.77 Sin波軌跡追蹤之微步進平台位移圖 90
圖5.78 Sin波軌跡追蹤之微步進平台誤差圖 91
圖5.79 Sin波軌跡追蹤之壓電平台位移圖 91
圖5.80 Sin波軌跡追蹤之最終位移圖 92
表目錄
表2.1染色體之輪盤機率 7
表4.1變化位元長度之參數表 26
表4.2比較位元長度之結果 29
表4.3變化族群大小之參數表 30
表4.4比較群組大小之結果 35
表4.5變化世代數目之參數表 35
表4.6比較世代數目之結果 39
表5.1 感測器之優缺點比較表 48
表5.1感測器與平台間距所對應的電壓關係 51
表5.3 偏移量與循圓半徑之探討 68
表5.4 改變偏移量與循圓半徑之結果 79

[1] J. H. Holland, “Adaptation in natural and artificial systems”, Ann Arbor, University of Michigan Press, 1975.
[2] J. H. Holland, “Genetic Algorithms”, Sci. Am., pp. 66-72, 1992.
[3] D. E. Golderg,“Genetic Algorithms in Search, Optimization and Machine Learning”, Addison-Wesley, 1989.
[4] D. Jong, “Analysis of the behavior of a class of a genetic adaptive systens”, Ph. D. Dissertation, The University of Michigan, Ann Arbor, 1975.
[5] Y. P. Kuo, and T. H. S. Li,“GA-based fuzzy PI/PD controller for automotive active suspension system”, IEEE Trans. Industrial Electronics, Vol. 46, No. 6, pp. 1051-1056, 1999.
[6] S. Park, and H. Lee-Kwang, “Designing fuzzy logic controllers by genetic algorithms considering their characteristics”, the 2000 Congress on Evolutionary Computation ,Vol. 49, No. 1, pp. 124-133, 2001.
[7] N. H. Moin, A. S. Zinober, and P. J. Harly, “Sliding mode control design using genetic algorithms”, 1st International Conference on Genetic Algorithms in Engineering Systems, pp. 238-244, 1995.
[8] S. C. Lin, and Y. Y. Chen, “A GA-based fuzzy controller with sliding mode”, IEEE International Conference on Fuzzy System, pp. 1103-1110, 1995.
[9] Z. M. Al-Hamouz, and H. N. Al-Duwaish, “A new Variable
structure DC motor controller using genetic algorithms”,
Thirty-Third Annual Meeting on industry Applications, 1998.
[10] H. N. Al-Duwaish, and Z. M. Al-Hamouz, “A genetic approach to the selection of the variable structure controller feedback gains”, IEEE Conference on Control Application, pp. 227-231, 1998.
[11] W. S. Oh, Y. T. Kim, C. S. Kim, T. S. Kwon, and H. J. Kim, “Speed control of induction motor using genetic algorithm based fuzzy controller”, IEEE 25th Annual Conference on Industrial Electronics Society, pp. 625-629, 1999.
[12] W. A. Farag, V. H. Quintana, and G. Lambert-Torres, “A
genetic-based neuro-fuzzy approach for modeling and control of dynamical systems,” IEEE Trans. Neural Networks, Vol. 9, No. 5, pp. 756-767, 1998.
[13] P. Ge and M. Jouaneh, “Tracking control of a piezoceramic
actuator”, IEEE Transactions on Control Systems Technology,
Vol. 4, No. 1, pp. 209-216, 1996.
[14] Y. K. Wen, “Methods of Random Vibration for Inelastic Structures” , Journal of Applied Mechanics Review, Vol.42, No. 2, pp. 39-52, 1989.
[15] M. Goldfarb, and N. Celanovic, “Modeling Piezoelectric Attack Actuators for Control of Micromanipulation”, IEEE Control Systems Magazine, Vol.17, pp. 69-79, 1997.
[16] J.-H. Xu, “Neural Network Control of a Piezo Tool Positioner”, Canadian Conference on Electrical and Computer Engineering, Vol.1, pp. 333-336, 1993.
[17] D. Croft and S. Devasia, “Hysteresis and Vibration
Compensation for Piezoactuators”, Journal of Guidance, Control,
and Dynamics, Vol. 21, pp. 710-717, 1998.
[18] C. Newcomb, “Improving The Linearity of Piezoelectric
Ceramic Actuators”, Electr. Letters, Vol. 10, pp. 442-444, 1982.
[19] S. S. Ku, U. Pinsopon, S. Cetinkunt and S. Nakajima, “Design,
Fabrication, and Real-time Neural Network Control of a
Three-degrees-of-freedom Nanopositioner”, IEEE/ASME
Transactions on Mechatronics, Vol. 5, No. 3, pp. 273-280, 2000.
[20] 周鵬程，“遺傳演算法原理與應用活用Matlab”，全華科技
圖書股份有限公司，2001.
[21] 葉怡成，“類神經網路模式應用與實作”，儒林圖書有限公
司，1993.
[22] 楊森任,“壓電致動平台之精密定位控制”,碩士論文,大葉大
學機械工程學系,2004.