扫描隧道显微镜精密工作台及其控制技术研究

针对扫描隧道显微镜工作台高精度控制的需求,设计了一种基于神经网络理论的控制系统,其微位移工作台由压电陶瓷驱动器和柔性铰链机构组成。在对驱动器结构进行分析的基础上,建立了工作台的数学模型。以三层神经网络自学习PID控制器代替常规PID控制器,实现了样本的在线采集和优化,有效地克服了神经网络控制器需要离线训练的缺点;采用BP算法对神经网络进行在线训练,增强了系统的实时控制性能。实验结果表明,10μm下的过渡时间从3·25s缩短到1·6s,稳态误差从2·78%减小到1·39%。