基于改进径向基神经网络的推力 补偿算法

• 作者: 周畅 廖飞红 陈超
• 来源期刊: 电子工业专用设备
• 学科: 工学
• 关键词: 径向基神经网络 运动台 互信息聚类
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 半导体制造工艺与设备
• 页码范围: 1-5,53
• 页数: 6页
• 分类号: TN305
• 字数: 2567字
• 语种: 中文

摘要

在高世代光刻机运动扫描中,G6、G10运动台质量大,加速度大,电机输出力达上万牛,同时还要求扫描性能在纳米级别;永磁同步直线电机(主要指铁芯电机)在运动行程方向由于齿槽磁阻效应会带来额外的周期性扰动力,其中齿槽转矩力(Cogging力)是电机推力波动的主要部分.提出基于互信息聚类方法(Mutual information clustering,MIc)的径向基神经网络(Radial Basis Function Neural Network,RBFNN),RBFNN具有强大的多元非线性拟合特点,适用于复杂的非线性黑箱系统;基于互信息聚类的方法有效地挑选出RBFNN的隐含层,可以有效简化网络模型,同时达到模型的最优性能;通过建立Simulink的模型进行详细仿真,仿真结果表明基于改进RBFNN的Cogging力补偿方法能够实现更优的扫描性能.